3、超声医学图像去噪与形态神经网络模式分类研究

超声医学图像去噪与形态神经网络模式分类研究

超声医学图像去噪实验

在合成图像中表现良好的算法，接下来要在真实数据上进行测试。本次实验使用了一张产科超声图像，处理后将图像调整显示在显示单元上。图 1.8 展示了原始图像以及使用不同算法去噪后的图像。

超声图像中的斑点噪声具有非常复杂的统计特性，其特性取决于多个因素。实验结果表明，Lee 滤波器和 SRAD 滤波器在去除噪声的同时，对图像边缘的保留效果较为明显。

图 1.8 中的真实图像从左到右排列。第一行依次为原始产科图像、使用 3×3 中值滤波器和 5×5 中值滤波器恢复的图像；第二行是使用 7×7 中值滤波器、3×3 Lee 滤波器和 5×5 Lee 滤波器恢复的图像；第三行是使用 7×7 Lee 滤波器、迭代 15 次的 Kuan 滤波器和 Frost 滤波器恢复的图像；第四行是迭代 15 次的 SRAD 滤波器恢复的图像。

DM6437 处理器优势

使用 DM6437 处理器（C6000 系列）具有诸多优势。它具备指令调度能力，能够确保流水线的充分利用，支持并行处理，并且拥有高吞吐量。这些特性使得该数字信号处理器（DSP）适用于计算密集型的实时应用。

TI 的 C6000 内核采用超长指令字（VLIW）架构来实现高性能，与超标量架构相比，它在实现时所需的空间和功耗更小。该处理器有八个高度独立的功能单元，包括六个 32 位和 40 位的算术逻辑单元（ALU），以及 64 个 32 位的通用寄存器。

在本研究中，样本以 Q 格式（Q9.7）表示，相邻非整数之间的间隔仅为 0.0078125，最大小数为 0.9921875。可以看出，这种量化过程引