论文部分内容阅读
超声成像是医学成像领域的重要内容，其优点是无辐射，设备和使用成本低，三维超声成像提供了更加丰富的细节信息，降低了医生的专业技术要求和提高了判断的可靠性.同时，超声图像具有严重的噪声，噪声不但影响视觉效果，也一定程度上干扰医生的判断，因此，三维超声图像的滤波一直是医学超声成像中的一个热点问题.目前的滤波方法基本是基于Mean Shift 原理，通过对原始图像在一定范围内取平均，或者与一些平滑的模板做卷积，达到平滑的目的.一般而言，这些传统方法容易丢失图像的细节或者引起数据模型的整体变形；结果的鲁棒性差，与所使用的参数密切相关.因此，为了有效克服传统滤波算法存在的问题，提供了一种基于阈值分割和连通性的滤波方法，该方法先对三维体数据阈值分割，大致分为目标和背景，然后，在一定邻域定义的情况下，搜索任一目标点的连通域，直到所有目标点均被遍历完成，最后形成多个连通的区域；体积较小的目标通常是噪声，故在原始图像中，将小目标上的点以及二值化图像中的背景点赋值为0.在二值图像中，有一些灰度为0 的点散落在目标区域内部，这些可能是由于斑点噪声引起的，于是在结果图像中，将这些点邻域的均值作为其滤波结果.与其他滤波算法不同，本文是尽可能将噪声与目标分离开，而不是采取平滑的措施，本文算法对含有大量噪声的三维超声图像进行滤波，结果表明了本文算法的有效性.