医学超声图像中会不可避免地产生斑点噪声。为有效去除医学超声图像中的噪声，本研究团队提出了一种基于双注意力机制的医学超声图像降噪模型。首先，针对医学超声图像数量有限的问题，对伯克利分割数据集中的400张图像进行旋转和缩放，获得23700张自然图像，再通过斑点噪声模型对其添加斑点噪声来模拟超声图像；接着，在构建降噪模型过程中，针对传统卷积神经网络在特征提取时存在的一些不足，分别引入位置注意力机制、通道注意力机制和全卷积网络对现有模型进行改进，构建更优的超声图像降噪模型；最后，在模型训练过程中，为防止梯度消失引入了批量归一化操作。实验结果表明：从视觉观察效果和客观评价指标来看，所提模型对11张模拟超声图像和2张真实超声图像（物理体膜超声图像和肝脏超声图像）的去噪效果均优于对比模型。所提模型是一种有效的医学超声图像降噪模型，不仅有效降低了斑点噪声，还较好地保留了图像的细节信息。

在医学超声成像技术中,成像设备、成像机制和检测对象的不均匀性等因素导致超声图像中存在斑点噪声和部分失真的问题,这不仅降低了超声图像的质量,也给临床医学的诊断增加了难度。为了有效地抑制超声图像中的斑点噪声,提出了一种基于反向传播(BP)神经网络的自适应双边滤波的超声图像降噪方法。该方法能够通过BP神经网络预测的局部区域与参考噪声区域之间的相似度值区分超声图像中的噪声区域与组织区域,再通过将BP神经网络预测的相似度值与双边滤波器相结合实现对超声图像的自适应滤波。该双边滤波器能够对超声图像中不同的区域进行有区别的滤波。对4幅超声图像(物理体膜超声图像、肝脏超声图像1、肝脏超声图像2和肾脏超声图像)进行实验,结果表明该方法可以较好地抑制超声图像中的斑点噪声并保留其边缘特征,也能够得到更高的信噪比和更优的视觉效果。

三维块匹配(BM3D)算法能够有效抑制平稳信号中的噪声。对于具有随机特性的合成孔径雷达影像斑点噪声,受限于三维变换阈值单一和在局部邻域寻找相似块,BM3D算法的滤波效果不佳。提出了基于K-Means聚类的BM3D算法,并将其应用于合成孔径雷达影像斑点噪声抑制。对图像块集合根据均值、方差和极差值构建的特征向量进行聚类,估计每一类块的噪声方差,根据类噪声方差估计自适应三维变换阈值;在每一个图像块类内部寻找相似块,实现全局相似块的快速查找。实验结果表明,同BM3D算法和非局部均值算法相比,所提算法具有更好的视觉效果和更高的峰值信噪比。

基于轮廓结构元素形态学(CB形态学)和广义多结构元素的数学形态学,构造了一种新颖的用于抑制图像中的散斑噪声的串并复合滤波器。首先采用全方位多结构元素的广义多刻度形态开最大滤波器与广义多刻度形态闭最小滤波器相并联的滤波器进行滤波,力求在滤波的同时图像几何细节损失尽可能少,然后通过级联的CB开和CB闭滤波器,再滤除剩余的斑点噪声,从而在有效抑制图像中的散斑噪声的同时更好地保持了图像的细节信息。分析和仿真表明了本文提出的滤波算法的有效性。

提出一种新的用于图像斑点噪声抑制的滤波算法.此算法应用了形态滤波和模糊逻辑理论,首先以一方向结构元素进行广义形态闭-开、开-闭操作,获得不同方向结构元素的滤波版本,然后根据设计的模糊规则计算所有版本像素的隶属度,以具有相应最大隶属度的像素构成最后的滤波结果.实验结果证明:本文算法优于Lee滤波算法、F.Safa算法和加权形态滤波算法.