本書討論超聲醫學圖像去噪方法的理論與應用，主要內容包括超聲去噪涉及的相關理論基礎和方法，重點闡述基於小波與雙邊濾波的超聲圖像去噪算法、基於自我調整小波與三邊濾波的超聲圖像去噪算法、基於小波域內分頻處理的超聲圖像去噪算法和基於平移不變性剪切波變換的超聲圖像去噪算法。本書討論的內容是作者和研究生們最近幾年在相關領域研究工作的總結。本書既包括超聲去噪理論探討、模擬研究，也包括實驗和應用案例。

第1章 緒論 1
1.1 超聲圖像去噪方法研究的背景與意義 1
1.2 超聲成像原理和斑點雜訊模型 4
1.2.1 超聲波概述 4
1.2.2 超聲成像的發展 6
1.2.3 超聲成像原理 8
1.2.4 B超成像原理 10
1.2.5 斑點雜訊的形成原理 11
1.2.6 斑點雜訊的模型 12
1.3 主要的超聲圖像去噪技術和
外研究現狀 15
1.3.1 需求分析 15
1.3.2 去噪算法的**外研究現狀 17
1.3.3 去噪算法的分類 19
1.4 本章小結 25

第2章 基本理論 28
2.1 小波變換 28
2.1.1 從傅裡葉變換講起 29
2.1.2 連續小波變換理論 33
2.1.3 離散小波變換理論 36
2.1.4 多解析度分析及Mallat算法 37
2.1.5 二維小波變換的分解與重構 39
2.2 引導濾波 41
2.2.1 加權濾波器 42
2.2.2 雙邊濾波器 43
2.2.3 高斯濾波和雙邊濾波的比較 44
2.2.4 快速雙邊濾波器 46
2.2.5 三邊濾波器 47
2.2.6 引導濾波器 48
2.3 剪切波理論 50
2.3.1 連續剪切波變換 50
2.3.2 離散剪切波變換 51
2.3.3 貝葉斯估計理論 53
2.3.4 剪切波係數的先驗模型 55
2.4 本章小結 58

第3章 基於小波與雙邊濾波的
超聲圖像去噪算法 59
3.1 基本理論 59
3.2 基於小波與雙邊濾波的圖像去噪 59
3.2.1 小波閾值函數改進 59
3.2.2 小波收縮算法改進 61
3.2.3 小波-雙邊濾波結合算法 68
3.2.4 本章算法的整體步驟 70
3.2.5 實驗結果 70
3.2.6 本節小結 76
3.3 小波-雙邊濾波法在超聲圖像
去噪中的應用 76
3.3.1 實驗方法分析 77
3.3.2 實驗結果與分析 77
3.3.3 本節小結 83
3.4 超聲圖像去噪算法的圖形化軟體設計 84
3.4.1 需求分析 84
3.4.2 方案設計 85
3.4.3 軟體實現 88
3.4.4 軟體測試 91
3.4.5 本節小結 91
3.5 本章小結 91

第4章 基於自我調整小波與三邊濾波的
超聲圖像去噪算法 94
4.1 基本理論 94
4.2 基於自我調整小波與三邊濾波的
圖像去噪算法 94
4.2.1 小波與自我調整去噪 95
4.2.2 小波-三邊濾波集成算法 100
4.2.3 本節小結 103
4.3 集成算法的實驗驗證 103
4.3.1 性能評估指標 103
4.3.2 實驗驗證 105
4.3.3 本節小結 109
4.4 小波-三邊濾波在超聲
圖像中的應用 109
4.4.1 性能評估指標 109
4.4.2 實驗驗證 110
4.4.3 本節小結 112
4.5 本章小結 112

第5章 基於小波域內分頻處理的
超聲圖像去噪算法 115
5.1 基本理論 115
5.2 基於小波域內分頻處理的超聲
圖像去噪算法概述 115
5.2.1 小波閾值函數改進 115
5.2.2 *大後驗和雙變數收縮算法 119
5.2.3 基於小波域內分頻處理的
超聲圖像去噪算法的提出 123
5.2.4 實驗驗證 124
5.2.5 本節小結 126
5.3 基於小波域內分頻處理的超聲
圖像去噪算法的應用 127
5.3.1 斑點雜訊模擬實驗 127
5.3.2 超聲圖像實驗 136
5.3.3 本節小結 142
5.4 本章小結 142

第6章 基於平移不變性剪切波
變換的超聲圖像去噪算法 144
6.1 基本理論 144
6.2 基於剪切波變換的超聲
圖像去噪算法 144
6.2.1 剪切波變換的性質 145
6.2.2 基於剪切波變換的基本流程 151
6.2.3 MAP和三變數收縮算法 152
6.2.4 基於剪切波變換去噪
算法的整體步驟 156
6.2.5 本節小結 157
6.3 基於平移不變性的剪切波算法
在超聲圖像中的應用 158
6.3.1 合成圖像模擬實驗 158
6.3.2 超聲圖像實驗 164
6.3.3 本節小結 169
6.4 本章小結 169

參考文獻 171