35、超声肝脏图像斑点噪声处理与图像分割算法研究

超声肝脏图像斑点噪声处理与图像分割算法研究

在医学超声图像领域，斑点噪声的存在会影响图像质量，进而干扰医生的诊断。同时，图像分割作为图像处理的重要环节，其算法的优劣也直接关系到后续分析的准确性。本文将介绍一种用于超声肝脏图像斑点噪声去除的改进方法，以及两种图像分割算法的比较。

超声肝脏图像斑点噪声去除

改进的拉普拉斯金字塔非线性扩散（MLPND）

在超声肝脏图像中，斑点噪声是一个常见的问题。为了解决这个问题，研究人员提出了改进的拉普拉斯金字塔非线性扩散（MLPND）方法。该方法通过选择合适的扩散函数和梯度阈值，能够在去除斑点噪声的同时，尽可能保留图像的边缘和小结构。

梯度阈值 $\lambda$ 的选择至关重要。如果 $\lambda$ 值设置过高，扩散将起到平滑滤波器的作用，囊肿信息可能会被斑点噪声掩盖；如果 $\lambda$ 值设置过低，扩散将起到锐化滤波器的作用，一些大的噪声可能会被保留。目前，梯度阈值 $\lambda$ 是使用稳健的中位数绝对偏差（MAD）估计器来估计的。

实验数据集与评估指标

为了验证 MLPND 的性能，研究人员使用了从医院收集的 2D 超声肝脏数据集，该数据集包含 60 个囊肿、45 个海绵状血管瘤、66 个正常肝脏、41 个肝癌、40 个脂肪肝和 48 个肝硬化肝脏图像。图像大小为 512 x 512 像素，每个像素以 12 位灰度级保存。

评估指标主要包括对比度噪声比（CNR）和峰值信噪比（PSNR）：
- 对比度噪声比（CNR） ：用于评估超声成像过程生成临床有用图像对比度的能力。计算公式为：
$