《表1 各算法参数的设置及降噪效果比较》
将两组实验超声图像中的(b)、(c)、(d)的结果进行分析对比,本文利用BP神经网络滤波过后的超声图像,既做到了噪声区域的最大程度平滑,又没有忽略其边缘细节特征的保留。根据表1中的各项实验评价指标可以看出,在算法的迭代次数和平滑窗口大小相同的情况下,本文算法对超声图像处理的SNR值和CNR值的提高程度都要好于其他两种算法;通过比较图像的up SNR值和up CNR值,可以明显看出本文方法对图像的SNR值和CNR值的提高效率也是最高,说明了本文算法对图像的斑点噪声抑制效果优于其他两种算法。为了更加客观的分析各算法对图像边缘特征的处理情况,我们在包括原始图像在内的每副图像的同一个坐标区域,如图上图中每个(a)中的亮线条所示,沿着此线条区域采集其切面灰度值,用各算法处理后的结果的切面灰度值变化情况和原图比较,本文方法的组织边缘处的灰度值变化情况和原图基本保持一致,表明了本文方法对图像组织区域边缘特征做了比较好的保留。从这两方面综合比较,本文算法有效的抑制了超声图像的斑点噪声,并且较好的保留了其边缘特征。
图表编号 | XD00111177300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.28 |
作者 | 净亮、邵党国、相艳、马磊、杨朝强、朱小方 |
绘制单位 | 昆明理工大学信息工程与自动化学院、昆明理工大学信息工程与自动化学院、昆明理工大学信息工程与自动化学院、昆明理工大学信息工程与自动化学院、昆明理工大学信息工程与自动化学院、昆明理工大学信息工程与自动化学院 |
更多格式 | 高清、无水印(增值服务) |