《表1 各算法参数的设置及降噪效果比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《BP神经网络在医学超声图像去噪中的应用研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。