超声散斑降噪与桌面系统背景估计技术
在医学超声成像和桌面交互系统领域,分别存在超声散斑噪声干扰和背景估计不准确的问题。下面将为大家详细介绍相关的解决方法和技术。
超声散斑降噪:基于超分辨率和非线性扩散的方法
在超声成像中,散斑噪声会影响图像质量,降低对病变区域的识别精度。为了解决这个问题,研究人员提出了基于超分辨率(SR)和非线性扩散(ND)的方法。
评估指标
- 均方误差(MSE) :用于衡量图像估计值与真实值之间的差异。MSE值越小,说明估计值越接近真实值,图像质量越高。
- 对比度噪声比(CNR) :有时也被称为病变信噪比,其计算公式为:
[ CNR = \frac{|\mu_1 - \mu_2|}{\sqrt{\sigma_1^2 + \sigma_2^2}} ]
其中,(\mu_1) 和 (\sigma_1^2) 是感兴趣区域(ROI)像素强度的均值和方差,(\mu_2) 和 (\sigma_2^2) 是背景区域像素强度的均值和方差。
不同方法的MSE和CNR值对比
| 方法 | MSE |
|---|---|
| Noisy | 262.56 |
| P&M AD | 137.41 |
订阅专栏 解锁全文
363




被折叠的 条评论
为什么被折叠?



