新的各向异性扩散模型应用于超声斑点噪声滤波

简介：
本文提出了一种新颖的各向异性扩散模型，专门针对超声图像中的斑点噪声进行有效过滤。该方法在保持图像边缘清晰度的同时，显著提升了图像质量，为医学影像分析提供了新的技术手段。 由于扩散系数的局限性，原斑点噪声各向异性扩散模型（Speckle Reducing Anisotropic Diffusion, SRAD）存在产生板块效应、模糊弱边界与细节等问题。为此，本段落提出了一种新的斑点噪声各项异性扩散模型（New Speckle Reducing Anisotropic Diffuse, NSRAD）。在NSRAD中，采用了一个S型函数作为扩散系数：该方法能够在同质区域实现各向同性扩散以避免板块效应；而在结构性区域，则通过敏感变化的扩散速度和更快趋向于0的速度来增强细节及弱边界，并保持边界的锐利度。通过对仿真图像进行定量分析发现，新方法不仅比原SRAD模型更有效地去除噪声，而且提高了去噪后图像与原始图像之间的结构相似性，同时减少了形变的影响。真实图片的实验结果也表明了该方法在有效去除噪声的同时消除了黑板刷效应，并增强了边界及细节的表现力。