《表1 模拟斑点肝脏超声图像1不同方法PSNR结果(dB)》
本文进行了大量样本图像实验,分别训练了含噪声标准差为0.5~0.9的训练模型。图4和图5分别是两张含标准差为0.7的模拟斑点肝脏超声图像去斑效果图。图4(a)和图5(a)为含有较少斑点噪声的肝脏超声原始图像,图4(b)和图5(b)为模拟加斑点噪声后的超声图像,图4(c)—图4(i)、图5(c)—图5(i)分别为BI-DTCWT,NPSM,NL_means,BM3D,Local_entropy_qsp,DnCNN及本文方法的去斑视觉效果。由此可知,本文方法取得了较好的主观去斑效果,且保持了更多的原始图像细节,与原图像更接近。图4(c)—图4(e)、图4(g)以及图5(c)—图5(e)、图5(g)中图像仍含有明显的斑点噪声。图4(f)、图4(h)和图5(f)、图5(h)虽然取得了较好的效果,但较本文方法,细节损失较多。为了客观评价不同方法的抑噪的性能,表1—表4分别给出模拟斑点噪声标准差为0.5~0.9的肝脏图像1和2不同方法的峰值信噪比PSNR、边缘保持度β的客观评价指标值。如表1—表4所示,本文方法可获得较大的峰值信噪比、边缘保持度,相较于其他方法,PSNR指标值提高了0.5~6d B,β的指标值提高了0.1~0.4 d B。其客观评价结果与主观视觉效果基本一致,本文方法抑斑效果较好。
图表编号 | XD00151381800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.01 |
作者 | 付晓薇、杨雪飞、陈芳、李曦 |
绘制单位 | 武汉科技大学计算机科学与技术学院、智能信息处理与实时工业系统湖北省重点实验室、华中科技大学材料成形与模具技术国家重点实验室、武汉科技大学计算机科学与技术学院、智能信息处理与实时工业系统湖北省重点实验室、武汉科技大学校医院超声影像科、华中科技大学人工智能与自动化学院 |
更多格式 | 高清、无水印(增值服务) |