利用多小波的改进多层阈值对超声图像降噪

doi:10.3778/j.issn.1002-8331.2009.22.045

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (22): 138-139.DOI: 10.3778/j.issn.1002-8331.2009.22.045

• 图形、图像、模式识别 • 上一篇下一篇

利用多小波的改进多层阈值对超声图像降噪

农京辉¹，王锦莉¹，刘爱林²，王修信¹

1．广西师范大学计算机科学与信息工程学院，广西桂林 541004
2．湖南科技学院电子与物理系，湖南永州 425100

收稿日期:2009-02-02 修回日期:2009-04-01 出版日期:2009-08-01 发布日期:2009-08-01
通讯作者: 农京辉

Ultrasound image de-noising using modified multilevel threshold

NONG Jing-hui¹，WANG Jin-li¹，LIU Ai-lin²，WANG Xiu-xin¹

1.College of Computer Science and Information Technology，Guangxi Normal University，Guilin，Guangxi 541004，China
2.Department of Electronic Engineering and Physics，Hunan University of Science and Engineering，Yongzhou，Hunan 425100，China

Received:2009-02-02 Revised:2009-04-01 Online:2009-08-01 Published:2009-08-01
Contact: NONG Jing-hui

摘要/Abstract

摘要： 医学超声图像存在特有的斑点噪声，大大降低了图像质量，必须进行降噪处理。多小波具有比单小波分解更加精确、去噪效果更好的特点。对超声图像进行分形插值多小波分解，根据多小波分解后的能量分布特性，提出了改进多层阈值与模糊聚类相结合方法，将小波系数模糊聚类分成噪声和信号两类，然后在不同尺度对信号小波系数进行不同阈值萎缩处理，实现降噪目的。结果表明该方法优于硬阈值和软阈值法，可有效地降低图像斑点噪声并保留图像细节。

关键词: 图像降噪, 分形插值多小波, 改进多层阈值, 模糊聚类

Abstract:

There are inherent speckle noises in the medical ultrasound image.Image denoising is necessary for lower image quality.Multiwavelet has higher resolution and better denoising effect than scalar wavelet.Therefore，the modified multilevel threshold with fuzzy clustering is proposed based on the energy distribution of multiwavelet coefficients.First the ultrasound image is discomposed to multiwavelet domain.Then its coefficients are separated into noise and signal classes with fuzzy clustering.The signal coefficients are shrunk with different thresholds for image de-noising on the different scales.The result indicates the method is more effective than hard threshold and soft threshold.The speckle noise in the original image is removed efficiently and at the same time the image details are reserved.

Key words: image denoising, fractal interpolation multiwavelet, modified multilevel threshold, fuzzy clustering

农京辉¹，王锦莉¹，刘爱林²，王修信¹. 利用多小波的改进多层阈值对超声图像降噪[J]. 计算机工程与应用, 2009, 45(22): 138-139.

NONG Jing-hui¹，WANG Jin-li¹，LIU Ai-lin²，WANG Xiu-xin¹
. Ultrasound image de-noising using modified multilevel threshold[J]. Computer Engineering and Applications, 2009, 45(22): 138-139.

[1]	严加展，陈华，李阳. 改进的模糊C-均值聚类有效性指标[J]. 计算机工程与应用, 2020, 56(9): 156-161.
[2]	王燕，亓祥惠，段亚西. 基于马尔科夫随机场的改进FCM图像分割算法[J]. 计算机工程与应用, 2020, 56(4): 197-201.
[3]	王永贵，刘凯奇. 一种优化聚类的协同过滤推荐算法[J]. 计算机工程与应用, 2020, 56(15): 66-73.
[4]	崔芳怡1，荆晓远2，董西伟2，3，吴飞2，孙莹2. 自适应蝙蝠算法优化的模糊聚类及其应用[J]. 计算机工程与应用, 2019, 55(7): 16-22.
[5]	吴会会1，高淑萍1，彭弘铭2，赵怡1. 自适应模糊[C]均值聚类的数据融合算法[J]. 计算机工程与应用, 2019, 55(5): 26-35.
[6]	雷乐，王丽珍，肖清. 空间co-location模式挖掘中的模糊技术初探[J]. 计算机工程与应用, 2019, 55(21): 158-166.
[7]	余炳光，刘冬梅. 特征逐减的可能性模糊聚类算法[J]. 计算机工程与应用, 2019, 55(19): 58-65.
[8]	徐小来，房晓丽. 基于改进的直觉模糊核聚类的图像分割方法[J]. 计算机工程与应用, 2019, 55(17): 227-231.
[9]	张岭军，李聪，段云龙. 结合空间邻域信息的SAR图像变化检测[J]. 计算机工程与应用, 2019, 55(15): 185-192.
[10]	陈勇1，2，3，周晓锋2，3，李帅1，2，3. 铝电解关键指标预测方法的研究与应用[J]. 计算机工程与应用, 2019, 55(12): 250-258.
[11]	孙佳美，吴成茂. 正则化图形模糊聚类及鲁棒分割算法[J]. 计算机工程与应用, 2019, 55(11): 179-186.
[12]	姚明海1，齐妙2. 基于模糊聚类规则的图像去雾方法研究[J]. 计算机工程与应用, 2018, 54(6): 26-29.
[13]	宋凯，冯翔，虞慧群. 基于群进化策略的模糊聚类算法[J]. 计算机工程与应用, 2018, 54(4): 36-43.
[14]	祖颖，朱平，马冲. 检验双重性质特征的基因模糊聚类分析方法[J]. 计算机工程与应用, 2018, 54(19): 216-220.
[15]	邹积涛1，徐兰2，曾祥春1，王友正1，王超1. 考虑多专业协同的装配线平衡问题研究[J]. 计算机工程与应用, 2017, 53(7): 263-270.

利用多小波的改进多层阈值对超声图像降噪

Ultrasound image de-noising using modified multilevel threshold

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics