Speckle Muster ultraschall
a) Original-Ultraschallbild (b) Verleumdertes Bild mit der Contourlet-Transformation mit Zyklusspinnen (c) Denoisiertes Bild mit dem vorgeschlagenen linearen Regressionsmodell. Das Feld Zeigt den Bildbereich in (b) und (c) an, der aufgrund des Entpecklings eine prominente visuelle Verbesserung zeigt. Die Frequenzbänder, die mit optimaler Ebene L2-11 der Contourlet-Zersetzung erhalten werden, sind wie folgt: Die 2. Ebene hat 1 Annäherungsband der Größe 128 x128 und 4 Detailkomponenten (2 von 128 x 256, 2 von 256 x 512). Das rekonstruierte Bild ist das verdeinte Bild. Die harte Schwellenwertierung ist besser als andere Schwellenwertmethoden, da kleine Koeffizienten entfernt werden, während andere in HT unberührt bleiben, während in ST- oder SST-Koeffizienten oberhalb des Schwellenwerts um den absoluten Schwellenwert geschrumpft sind. Darüber hinaus wird festgestellt, dass die Aufspechtung auf Basis der Contourlet-Transformation bessere Ergebnisse liefert als die Speckle-Reduktionsmethode, die insbesondere auf Derinl-Transformation basiert. Die Wavelet-basierte Schrumpfschwellenmethode von Bayes basiert auf trennbarer 2D-Wellenlettransformation, die begrenzte Richtungen hat (Horizontal, Vertikal und Richtung). Speckle-Rauschen in medizinischen Ultraschallbildern erzeugt signifikante Koeffizienten in der Wavelet-Domäne genau wie echte Detailmerkmale wie Kanten.
Das Speckle-Rauschen ist jedoch weniger wahrscheinlich, signifikante Koeffizienten in der Contourlet-Methode zu erzeugen, und führt daher direkt zu einer besseren Leistung bei der Unterdrückung von Rauschen als das Schrumpfschwellenschema der Wellen. Der Speckkanne kann auch einige nützliche Informationen darstellen, insbesondere wenn er mit dem Laserspeck und dem dynamischen Speckelphänomen verbunden ist, bei dem die Veränderungen des Speckle-Musters mit der Zeit eine Messung der Aktivität der Oberfläche darstellen können. Despeckled Bilder mit Wiener Filter und Wavelet-Filter Mehrere verschiedene Methoden werden verwendet, um Speckle zu beseitigen, basierend auf verschiedenen mathematischen Modellen des Phänomens. [5] Eine Methode verwendet z. B. multi-look-Verarbeitung (auch Multi-Look-Verarbeitung genannt), wobei der Speckle durch mehrere “Looks” auf ein Ziel in einem einzigen Radar-Sweep mittelgemittelt wird. [3] [4] Der Durchschnitt ist der inkohärente Durchschnitt der Looks. [4] In der zweiten Alternative erfolgt die Entschärfung medizinischer Ultraschallbilder entweder mit Wavelet-Transformation, Laplacian-Pyramidentransformation oder Konturlet-Transformation und dann folgt eine Nachbearbeitungsphase, in der Gauß-Filter Gauß-Rauschen aus dem verdorrenden Bild entfernt. Die zweite Alternative geht jedoch von dem vom Eq gegebenen Geräuschmodell aus.(36) Die Nützlichkeit der Ultraschallbildgebung wird durch das Vorhandensein von signalabhängigem Rauschen, das als Speckle bekannt ist, beeinträchtigt. Speckle-Lärm ist multiplikativ in der Natur. Diese Art von Rauschen ist eine inhärente Eigenschaft der medizinischen Ultraschall-Bildgebung und aufgrund dieses Rauschens werden die Bildauflösung und der Kontrast reduziert, was den diagnostischen Wert dieser bildgebenden Modalität beeinflusst [3].