基于PCNN的小波域超声医学图像去噪方法技术

本发明专利技术公布了一种基于ＰＣＮＮ的小波域超声医学图像去噪方法，该方法首先，对噪声图像进行对数变换和小波变换，并对小波系数进行相应的预处理；其次，应用ＰＣＮＮ方法处理小波系数，再对小波系数进行相应的后处理；最后，对处理后的小波系数进行小波逆变换和指数变换得到去噪图像。本发明专利技术同小波去噪相比，去噪后图像的边缘更清晰，并且能够更好的保留图像细节，提高了信号／均方误差比；同ＰＣＮＮ相比，改善了在ＰＣＮＮ在去除斑点噪声时难以确定模型参数和步长的缺点，去噪后图像的信号／均方误差比更高。

【技术实现步骤摘要】

【技术保护点】
一种基于ＰＣＮＮ的小波域超声医学图像去噪方法，其特征在于包括如下步骤：　第一步：将噪声图像经过对数变换得到对数图像，使噪声图像中的斑点噪声变为加性噪声；　第二步：将第一步所述的对数图像经过小波变换得到小波系数，提取小波系数绝对值 的最大值ｗ↓［ｍａｘ］，并建立绝对值最大值矩阵Ｗ，下同。同时提取高频小波系数的符号建立水平方向高频系数符号矩阵ｓｉｇｎ（Ｈ）、垂直方向高频系数符号矩阵ｓｉｇｎ（Ｖ）和对角方向高频系数符号矩阵ｓｉｇｎ（Ｄ），其中ｓｉｇｎ（.）表示取符号函数，Ｈ、Ｖ和Ｄ分别表示水平方向、垂直方向和对角方的高频小波系数矩阵，下同；　第三步：将第二步所述的三个方向的高频系数矩阵经过绝对值变换得到水平方向绝对值矩阵ａｂｓ（Ｈ）、垂直方向绝对值矩阵ａｂｓ（Ｖ）和对角方向绝对值矩阵ａｂｓ（Ｄ），将第 二步所述的小波系数绝对值最大值矩阵Ｗ分别与水平方向、垂直方向和对角方向绝对值矩阵作差得到新的绝对值矩阵ａｂｓ（Ｈ１）＝Ｗ－ａｂｓ（Ｈ）、ａｂｓ（Ｖ１）＝Ｗ－ａｂｓ（Ｖ）和ａｂｓ（Ｄ１）＝Ｗ－ａｂｓ（Ｄ），其中，ａｂｓ（.）表示取绝对值，下同；　第四步：将第三步所述的新的绝对值矩阵ａｂｓ（Ｈ１）、ａｂｓ（Ｖ１）和ａｂｓ（Ｄ１）经过脉冲耦合神经网络ＰＣＮＮ迭代处理，对每次迭代满足条件的小波系数增加阈值δ的倍数（倍数取０～１之间的值）来改变小波系数，当改变后的小波系数超过绝对 值最大值ｗ↓［ｍａｘ］，则将该小波系数变为小波系数绝对值的最大值ｗ↓［ｍａｘ］；　第五步：采用第二步所述的小波系数绝对值的最大值矩阵Ｗ分别减去第四步所述的经过脉冲耦合神经网络ＰＣＮＮ处理后的绝对值矩阵ａｂｓ（Ｈ１）、ａｂｓ（Ｖ１）和ａ ｂｓ（Ｄ１）得到绝对值矩阵ａｂｓ（Ｈ２）＝Ｗ－ａｂｓ（Ｈ）、ａｂｓ（Ｖ２）＝Ｗ－ａｂｓ（Ｈ）和ａｂｓ（Ｄ２）＝Ｗ－ａｂｓ（Ｈ），将第二步所述的水平方向高频系数符号矩阵ｓｉｇｎ（Ｈ）与绝对值矩阵ａｂｓ（Ｈ２）进行向量相乘；垂直方向高频系数符号矩阵ｓｉｇｎ（Ｖ）与绝对值矩阵ａｂｓ（Ｖ２）进行向量相乘；对角方向高频系数符号矩阵ｓｉｇｎ（Ｄ）与绝对值矩阵ａｂｓ（Ｄ２）进行向量相乘得到更新的小波系数；　第六步：将第五步所述的更新后的小波系数经过小波逆变换和指数变换得到去噪图像。...

【技术特征摘要】

【专利技术属性】
技术研发人员：郭业才，王绍波，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：84[中国|南京]