减少超声散斑各向异性扩散的新散斑

在超声图像散斑噪声抑制领域，通过在传统散斑消散各向异性扩散（SRAD）的扩散系数中引入S形函数，提出了一种新的散斑消减各向异性扩散（NSRAD）。利用分段扩散系数对不同区域的图像特性进行分析，其中扩散系数在均匀区域中接近恒定的一，在过渡区域中Swift下降，然后在强边界区域中接近零。 与传统的SRAD相比，NSRAD在新的扩散函数中受益于S形函数，具有更好的噪声抑制能力，保留细节和弱边缘甚至锐化强边界的能力。 而且，均质区域的控制比和速度控制系数是可调的，通过解决超声图像中均质区域比例不同的问题，很好地满足了不同的应用要求。 在合成和临床图像的实验中验证了所提出模型的性能。 特别是，根据仿真数据对NSRAD和SRAD进行了定量比较，我们证明了NSRAD在同质区域中更有效地抑制斑点，从而失真较小，而在非均质区域中，与SRAD相比，NSRAD可以更有效地增强细节并锐化边缘。