CN114511474B - 血管内超声图像的降噪方法、***、电子设备及存储介质 - Google Patents
血管内超声图像的降噪方法、***、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114511474B CN114511474B CN202210413426.4A CN202210413426A CN114511474B CN 114511474 B CN114511474 B CN 114511474B CN 202210413426 A CN202210413426 A CN 202210413426A CN 114511474 B CN114511474 B CN 114511474B
- Authority
- CN
- China
- Prior art keywords
- intravascular ultrasound
- sampling point
- ultrasound image
- logic
- signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000002608 intravascular ultrasound Methods 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000005070 sampling Methods 0.000 claims abstract description 62
- 230000009467 reduction Effects 0.000 claims abstract description 22
- 238000001914 filtration Methods 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 239000003550 marker Substances 0.000 claims description 9
- 230000005284 excitation Effects 0.000 description 6
- 238000012935 Averaging Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 210000004204 blood vessel Anatomy 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000036285 pathological change Effects 0.000 description 2
- 231100000915 pathological change Toxicity 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000002792 vascular Effects 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明公开了一种血管内超声图像的降噪方法、***、电子设备及存储介质,该方法包括获取多帧连续的血管内超声图像信号;将获取的所述血管内超声图像信号,根据的预设噪声门限值,先进行每个采样点的数据与噪声门限比较,大于噪声门限的记为逻辑1,小于噪声门限的记为逻辑0,同时与前一帧同位置采样点标记的逻辑判定值进行逻辑与运算,运算结果为1的输出取样点的真实数据,为0的话输出黑色背景,当前帧的每个取样点与噪声的比较判断逻辑结果记下来用于下一帧的逻辑判断,采用预设噪声门限值与相邻帧逻辑运算相结合的方法,滤除实际噪声和图像信号产生随机噪声,实现图像的降噪处理。
Description
技术领域
本发明涉及血管内超声技术领域,尤其涉及一种血管内超声图像的降噪方法***、电子设备及存储介质。
背景技术
血管超声是利用换能器将激励源产生的激励信号转换为声波信号,声波信号遇到血管内的组织障碍后被反射回再次被换能器接收转换回电信号,因组织结构和病变组织反射回声波的强弱不同,因此返回的信号强度不同,这样的信号再经过后期的算法处理最终通过显示设备把图像呈现出来,形成的视觉效果即可被医生诊断出病变程度,辅助医生进行接下来的疾病治疗便于更好的制定方案。因此换能器返回信号的真实性是非常重要的,然而现实设备工作中,设备自身以及设备所处的环境会有各种各样的电噪声,这些噪声会随着有用信号一同返回给图像处理机制,如果噪声严重的话图像会呈现非真实的效果会严重干扰医生的判断,因此对这种噪声的处理消除是血管超声***的技术难题。
目前血管超声设备消除噪声大概有以下几种方法:
1、中值滤波方法,是图像中某一点像素的灰度用其周围的多个像素灰度的中间值代替的图像处理方法,是统计排序滤波器的一种典型应用,利用图像内部相邻像素之间存在较强的相关性,中值滤波对于滤除脉冲干扰及图像扫描噪声最为有效,还可以克服线性滤波器(如领域简单平滑滤波)带来的图像细节模糊,中值滤波对孤立杂点的消除效果显著。
2、多图像平均降噪方法,是对同一景物重复采集多次相加后取平均值的方法来消除噪声的,这种噪声一般来说在空间域是互不相关的,并且是一种加性噪声,在实际运算过程中不需要图像的统计特性,可以克服线性滤波器所带来的图像细节模糊,对滤除脉冲干扰噪声最有效,在求平均值的过程中,图像的静止部分不会改变,而由于图像的噪声是随机性的,各不相同的噪声图案积累的很慢,因此可以通过多幅图像求平均值来降低随机噪声的影响。假定有由N幅图像组成的一个集合,通过对N幅图像进行平均,使图像中每一点的功率信噪比提高了N倍。而幅度信噪比是功率信噪比的平方根,所以,幅度信噪比也随着图像数目的增加而增大,从而达到降噪的目的。
3、除了上边说的2种,还有小波软阈值降噪方法、BM3D降噪、PCA降噪等。
上述降噪方法虽然能达到一定的降噪目的,但是每种降噪方法都有特定的使用场景才最有效,或者说存在这样那样的缺陷:
1、中值滤波方法对图像要求边界灰度不能过度太大,否则会出现界限模糊;
2、多图像平均降噪方法要求图像绝对静止,且需要多幅图像,对于连续动态图像显然起不到明显的降噪效果,且还会造成有用信息丢失严重;
3、算法实现过于复杂,比如小波软阈值降噪方法需要很多的数学理论,没有多年经验的算法工程师很难去明白其原理和去实现;
因此,如果能有通俗易懂且容易实现的方案,无疑是信号降噪的最有力工具。
发明内容
因此,本发明的目的在于提供一种血管内超声图像的降噪方法,采用预设噪声门限值与逻辑运算相结合的方法,过滤在连续获取的图像信号过程中,产生的底噪信号和随机噪声的图像。
为了实现上述目的,本发明的一种血管内超声图像的降噪方法,包括以下步骤:
S1、获取多帧连续的血管内超声图像信号;
S2、对每一帧血管内超声图像信号中的每个采样点返回信号的幅值,与预设噪声门限值,进行逐一比较,根据比较结果匹配逻辑标记值;
S3、将前一帧血管内超声图像信号与当前帧的血管内超声图像信号中,相同位置的采样点对应的逻辑标记值进行逻辑“与”运算;若运算结果为“1”则输出当前帧采样点返回信号的真实数据,若运算结果为“0”则将当前采样点的像素输出黑色背景;
S4、重复S2-S3,直至完成所有帧血管内超声图像信号的降噪,输出最终的血管内超声图像信号。
进一步优选的,在S2中,所述预设噪声门限值根据血管内超声信号采集过程中,返回的回传的底噪信号电压值设定。
进一步优选的,在S2中,所述根据比较结果匹配逻辑标记值,包括以下方法:
当采样点返回信号的幅值<预设噪声门限值时,将当前采样点的血管内超声图像信号的逻辑标记值设置为0;
当采样点返回信号的幅值≥预设噪声门限值时,将当前采样点的血管内超声图像信号的逻辑标记值设置为1。
进一步优选的,在S3中,还包括设置初始时刻的默认逻辑标记值为0。
本发明还提供一种血管内超声图像信号降噪***,包括图像获取模块、滤波模块、逻辑运算模块和输出模块;
所述图像获取模块,用于获取多帧连续的血管内超声图像信号;
所述滤波模块,对每一帧血管内超声图像信号中的每个采样点返回信号的幅值,与预设噪声门限值,进行逐一比较,根据比较结果匹配逻辑标记值;
所述逻辑运算模块,用于将前一帧血管内超声图像信号与当前帧的血管内超声图像信号中,相同位置的采样点对应的逻辑标记值进行逻辑“与”运算;若运算结果为“1”则输出当前帧采样点返回信号的真实数据,若运算结果为“0”则将当前采样点的像素输出黑色背景;
所述输出模块,用于输出最终的血管内超声图像信号。
进一步优选的,所述滤波模块中,所述预设噪声门限值根据血管内超声信号采集过程中,返回的回传信号底噪电压值设定。
进一步优选的,所述滤波模块根据比较结果匹配逻辑标记值,包括以下过程:
当采样点返回信号的幅值<预设噪声门限值时,将当前采样点的血管内超声图像信号的逻辑标记值设置为0;
当采样点返回信号的幅值≥预设噪声门限值时,将当前采样点的血管内超声图像信号的逻辑标记值设置为1。
进一步优选的,所述逻辑运算模块,设置初始时刻的默认逻辑标记值为0。
本发明提供一种电子设备,包括处理器与存储器,所述存储器,用于存储计算机程序;所述处理器,用于执行所述计算机程序时,实现如上述血管内超声图像的降噪方法的步骤。
本发明提供一种存储介质,所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述血管内超声图像的降噪方法的步骤。
本申请公开的一种血管内超声图像的降噪方法***、电子设备及存储介质,相比于现有技术,至少具有以下优点:
1、本申请采用预设噪声门限值与逻辑运算相结合的方法,过滤在连续获取的图像信号过程中,产生随机噪声的图像和环境底噪噪声,实现连续图像的降噪处理。
2、本申请原理简明,容易理解和实现,算法实现不需要复杂的数学理论基础,占用硬件资源少,不需要多么高端运算处理器,本发明创造直接从信号来源上除去了底噪的影响,接着根据噪声的随机临时性、有效图像的相对持久性特点,通过类似3D降噪的处理滤除不符合逻辑的图像噪声。
附图说明
图1为本发明提供的血管内超声图像的降噪方法的流程示意图。
图2为本发明提供的血管内超声图像的降噪***的结构示意图。
具体实施方式
以下通过附图和具体实施方式对本发明作进一步的详细说明。
如图1所示,本发明一方面实施例提供的一种血管内超声图像的降噪方法,包括以下步骤:
S1、获取多帧连续的血管内超声图像信号;
S2、对每一帧血管内超声图像信号中的每个采样点返回信号的幅值,与预设噪声门限值,进行逐一比较,根据比较结果匹配逻辑标记值;
S3、将前一帧血管内超声图像信号与当前帧的血管内超声图像信号中,相同位置的采样点对应的逻辑标记值进行逻辑“与”运算;若运算结果为“1”则输出当前帧采样点返回信号的真实数据,若运算结果为“0”则将当前采样点的像素输出黑色背景;
S4、重复S2-S3,直至完成所有帧血管内超声图像信号的降噪,输出最终的血管内超声图像信号。
进一步优选的,在S2中,所述预设噪声门限值根据血管内超声信号采集过程中,返回的回传信号底噪电压值设定。
进一步优选的,在S2中,所述根据比较结果匹配逻辑标记值,包括以下方法:
当采样点返回信号的幅值<预设噪声门限值时,将当前采样点的血管内超声图像信号的逻辑标记值设置为0;
当采样点返回信号的幅值≥预设噪声门限值时,将当前采样点的血管内超声图像信号的逻辑标记值设置为1。
进一步优选的,在S3中,还包括设置初始时刻的默认逻辑标记值为0。
在本申请一个具体实施例中,获取数据时以每秒30帧图像,每一帧图像以中心为原点整个圆周平均划分为512份,每一个分割线的长度为2304个采样点,每个采样点用2个字节存放有效的数据,这样每秒的数据量为2304x512x30x2≈71M Byte。
设备运行后的初始图像数据的默认值:***上电后,软件配置默认帧数据的512x2304个采样点逻辑标识an=cn=0(1bit), 512x2304个实际数据bn=0(2Byte),即默认背景没图像显示黑,n=512x2304;
第1帧数据的处理:开始采集数据时,第1帧数据,对每个采样点即每个激励的返回信号bn(1/(512x2304))做下滤波判断,比如低于20mV(可以多试几个值,且如果后面采用可控增益的话,这个阈值也要根据增益去调整)直接判为cn=0,高于20mv的不做改动逻辑上记为cn=1,这样的目的是滤除20mV的底噪噪声干扰,同时令an与cn相与,只有相与后为1的,输出Y=bn,否则Y=0(因an初始值=0,所以第一帧输出是黑屏,只作为过渡),再令an=cn,把这经过降噪处理的1帧数据共512x2304个采样点逻辑判断值存下来,a1、a2、a3……a512x2304(占用空间148KByte);
第2帧数据的处理:第2帧数据也同样按照如上方法处理下(b1、b2……b512x2304),同时将代表第n个激励信号bn逻辑标识的cn与上一帧存的n个激励信号逻辑标识an逻辑相与,只有相与后为1的,输出Y=bn,否则Y=0,再令an=cn,即将第2帧数据逻辑标识存起来,覆盖上1帧即可;
第3帧数据的处理:第3帧数据也同样按照如上方法处理下(b1、b2……b512x2304),同时将代表第n个激励信号bn逻辑标识的cn与上一帧存的n个激励信号逻辑标识an逻辑相与,只有相与后为1的,输出Y=bn,否则Y=0,再令an=cn,即将第3帧数据逻辑标识存起来,覆盖上1帧即可;
连续n帧数据的处理:依次类推……
第31帧数据补偿的逻辑:这样30帧数据实际有用的输出是29帧,需要补1帧数据即需要31帧数据才能达到有效30帧/S的要求,这里只是严格要求效果,如果图像一直激励采样,整个过程可以不管,只在停止时的最后1帧后再补上1帧。
以上这种处理是利用相邻两帧图像之间实物图像会一直存在,而噪声在两帧数据的时间1/30=33ms、1/60=16ms、80帧时1/80=12.5ms内还停留在原处的可能性很小,这样达到降噪的目的。
如图2所示,本发明还提供一种血管内超声图像信号降噪***,包括图像获取模块、滤波模块、逻辑运算模块和输出模块;
所述图像获取模块,用于获取多帧连续的血管内超声图像信号;
所述滤波模块,对每一帧血管内超声图像信号中的每个采样点返回信号的幅值,与预设噪声门限值,进行逐一比较,根据比较结果匹配逻辑标记值;
所述逻辑运算模块,用于将前一帧血管内超声图像信号与当前帧的血管内超声图像信号中,相同位置的采样点对应的逻辑标记值进行逻辑“与”运算;若运算结果为“1”则输出当前帧采样点返回信号的真实数据,若运算结果为“0”则将当前采样点的像素输出黑色背景;
所述输出模块,用于输出最终的血管内超声图像信号。
进一步优选的,所述滤波模块中,所述预设噪声门限值根据血管内超声信号采集过程中,返回的回传底噪信号电压值设定。
进一步优选的,所述滤波模块根据比较结果匹配逻辑标记值,包括以下过程:
当采样点返回信号的幅值<预设噪声门限值时,将当前采样点的血管内超声图像信号的逻辑标记值设置为0;
当采样点返回信号的幅值≥预设噪声门限值时,将当前采样点的血管内超声图像信号的逻辑标记值设置为1。
进一步优选的,所述逻辑运算模块,设置初始时刻的默认逻辑标记值为0。
在具体实施时,参考上述方法中提供的具体实施例,在此不再赘述。
本发明提供一种电子设备,包括处理器与存储器,所述存储器,用于存储计算机程序;所述处理器,用于执行所述计算机程序时,实现如上述血管内超声图像的降噪方法的步骤。
本发明提供一种存储介质,所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述血管内超声图像的降噪方法的步骤。
显然,上述实施例仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (8)
1.一种血管内超声图像的降噪方法,其特征在于,包括以下步骤:
S1、获取多帧连续的血管内超声图像信号;
S2、对每一帧血管内超声图像信号中的每个采样点返回信号的幅值,与预设噪声门限值,进行逐一比较,根据比较结果匹配逻辑标记值;所述根据比较结果匹配逻辑标记值,包括以下方法:
当采样点返回信号的幅值<预设噪声门限值时,将当前采样点的逻辑标记值设置为0;
当采样点返回信号的幅值≥预设噪声门限值时,将当前采样点的逻辑标记值设置为1;
S3、将前一帧血管内超声图像信号与当前帧的血管内超声图像信号中,相同位置的采样点对应的逻辑标记值进行逻辑“与”运算;若运算结果为“1”则输出当前帧采样点返回信号的真实数据,若运算结果为“0”则将当前采样点的像素输出黑色背景;
S4、重复S2-S3,直至完成所有帧血管内超声图像信号的降噪,输出最终的血管内超声图像信号。
2.根据权利要求1所述的血管内超声图像的降噪方法,其特征在于,在S2中,所述预设噪声门限值根据血管内超声信号采集过程中,返回的回传信号电压值设定。
3.根据权利要求1所述的血管内超声图像的降噪方法,其特征在于,在S3中,还包括设置初始时刻的默认逻辑标记值为0。
4.一种血管内超声图像信号降噪***,其特征在于,包括图像获取模块、滤波模块、逻辑运算模块和输出模块;
所述图像获取模块,用于获取多帧连续的血管内超声图像信号;
所述滤波模块,对每一帧血管内超声图像信号中的每个采样点返回信号的幅值,与预设噪声门限值,进行逐一比较,根据比较结果匹配逻辑标记值;所述滤波模块根据比较结果匹配逻辑标记值,包括以下过程:当采样点返回信号的幅值<预设噪声门限值时,将当前采样点的血管内超声图像信号的逻辑标记值设置为0;当采样点返回信号的幅值≥预设噪声门限值时,将当前采样点的血管内超声图像信号的逻辑标记值设置为1;
所述逻辑运算模块,用于将前一帧血管内超声图像信号与当前帧的血管内超声图像信号中,相同位置的采样点对应的逻辑标记值进行逻辑“与”运算;若运算结果为“1”则输出当前帧采样点返回信号的真实数据,若运算结果为“0”则将当前采样点的像素输出黑色背景;
所述输出模块,用于输出最终的血管内超声图像信号。
5.根据权利要求4所述的血管内超声图像信号降噪***,其特征在于,所述滤波模块中,所述预设噪声门限值根据血管内超声信号采集过程中,返回的回传信号伴随的噪声电压值设定。
6.根据权利要求4所述的血管内超声图像信号降噪***,其特征在于,所述逻辑运算模块,设置初始时刻的默认逻辑标记值为0。
7.一种电子设备,包括处理器与存储器,所述存储器,用于存储计算机程序;所述处理器,用于执行所述计算机程序时,实现如权利要求1至3中任一项所述血管内超声图像的降噪方法的步骤。
8.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至3中任一项所述血管内超声图像的降噪方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210413426.4A CN114511474B (zh) | 2022-04-20 | 2022-04-20 | 血管内超声图像的降噪方法、***、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210413426.4A CN114511474B (zh) | 2022-04-20 | 2022-04-20 | 血管内超声图像的降噪方法、***、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114511474A CN114511474A (zh) | 2022-05-17 |
CN114511474B true CN114511474B (zh) | 2022-07-05 |
Family
ID=81555219
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210413426.4A Active CN114511474B (zh) | 2022-04-20 | 2022-04-20 | 血管内超声图像的降噪方法、***、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114511474B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1047946A (zh) * | 1989-04-03 | 1990-12-19 | 雷·M·杜比 | 家用和半专业用的音频压缩器、扩展器和降噪线路 |
US5752226A (en) * | 1995-02-17 | 1998-05-12 | Sony Corporation | Method and apparatus for reducing noise in speech signal |
CN101822548A (zh) * | 2010-03-19 | 2010-09-08 | 哈尔滨工业大学(威海) | 基于相关性分析与经验模态分解的超声信号去噪方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5474072A (en) * | 1993-10-29 | 1995-12-12 | Neovision Corporation | Methods and apparatus for performing sonomammography |
JP3747492B2 (ja) * | 1995-06-20 | 2006-02-22 | ソニー株式会社 | 音声信号の再生方法及び再生装置 |
US5921931A (en) * | 1997-04-08 | 1999-07-13 | Endosonics Corporation | Method and apparatus for creating a color blood flow image based upon ultrasonic echo signals received by an intravascular ultrasound imaging probe |
CN106409317B (zh) * | 2016-09-29 | 2020-02-07 | 北京小米移动软件有限公司 | 梦话提取方法、装置及用于提取梦话的装置 |
CN110136085B (zh) * | 2019-05-17 | 2022-03-29 | 凌云光技术股份有限公司 | 一种图像的降噪方法及装置 |
-
2022
- 2022-04-20 CN CN202210413426.4A patent/CN114511474B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1047946A (zh) * | 1989-04-03 | 1990-12-19 | 雷·M·杜比 | 家用和半专业用的音频压缩器、扩展器和降噪线路 |
US5752226A (en) * | 1995-02-17 | 1998-05-12 | Sony Corporation | Method and apparatus for reducing noise in speech signal |
CN101822548A (zh) * | 2010-03-19 | 2010-09-08 | 哈尔滨工业大学(威海) | 基于相关性分析与经验模态分解的超声信号去噪方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114511474A (zh) | 2022-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zong et al. | Speckle reduction and contrast enhancement of echocardiograms via multiscale nonlinear processing | |
US5987347A (en) | Method for removing streak artifacts in medical images | |
CA2338724C (en) | Method and apparatus for spatial and temporal filtering of intravascular ultrasonic image data | |
US5476096A (en) | Analysis and measurement of temporal tissue variations | |
US6246783B1 (en) | Iterative filter framework for medical images | |
CN102306377B (zh) | 一种超声图像去噪的方法和装置 | |
US20110125030A1 (en) | Medical diagnostic device and method of improving image quality of medical diagnostic device | |
JPS62267880A (ja) | 像を補正する装置と方法 | |
JPS62179443A (ja) | 超音波検査による可動物体検査装置 | |
Joseph et al. | Mammogram image denoising filters: A comparative study | |
CN114092355A (zh) | 自适应红外图像对比度增强方法及装置 | |
Choubey et al. | A hybrid filtering technique in medical image denoising: Blending of neural network and fuzzy inference | |
Shedbalkar et al. | A comparative analysis of filters for noise reduction and smoothening of brain MRI images | |
CN114511474B (zh) | 血管内超声图像的降噪方法、***、电子设备及存储介质 | |
Li et al. | Research on image denoising based on median filter | |
US7379615B2 (en) | Method for space-time filtering of noise in radiography | |
CN111766306B (zh) | 一种全聚焦成像方法及装置 | |
Subbuthai et al. | Reduction of types of noises in dental images | |
CN117115133A (zh) | 一种基于人工智能的医学图像质量快速提升*** | |
Boccignone | A multiscale contrast enhancement method | |
Chawla et al. | Hybrid filtering technique for image denoising using artificial neural network | |
CN112263279B (zh) | 高帧率平面波远场噪声抑制方法、设备及存储介质 | |
Saoji et al. | Speckle and rician noise removal from medical images and Ultrasound images | |
CN111192220A (zh) | 基于连通域分割的医疗图像降噪方法、装置及存储介质 | |
Long et al. | Denoising of images with multiplicative noise corruption |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |