超声图像去噪是医学图像处理的研究热点之一,基于小波域阈值去噪技术及阈值选取方法的分析,提出一种新的医学超声图像小波域阈值去噪方法.这种方法采用半-软阈值去噪技术和广义交叉确认函数寻找阈值,在有效去噪的同时较好地保留了图像边缘细节.首先, 把对数超声图像小波分解;然后,基于广义交叉确认函数寻找最小均方误差意义上的近似最优阈值,对所有的高频段采用半-软阈值去噪; 最后, 经小波反变换和指数变换获得去噪后的超声图像,文末对超声图像小波域阈值去噪方法作出定性比较,并对算法的去噪性能给出定量分析.仿真实验和实际测试结果表明此方法是有效的、可行的.

由于对比度低和噪声强等特点，超声图像分割很难达到满意的效果，针对这一状况，将Gabor滤波器结合形态学操作应用到超声图像中目标的边界提取。首先对原始图像做预处理，去噪增强，然后再利用Gabor滤波进行目标区域特征提取，再经形态学腐蚀、膨胀等操作平滑图像，最后由sobel算子提取最终的边界图像。该法的关键之处在于Gabor滤波器尺度参数的选择，通过实验和分析得出了一组最佳尺度参数，取得了良好的分割效果，同时也验证了这一方法在超声图像分割中的实用性。

针对超声C扫描图像中缺陷边缘的模糊问题,通过建立超声C扫描成像的数学模型,分析了异种材料结合界面超声波反射能量的分布情况.结果表明,由于聚焦探头焦点直径的存在,使得结合界面中缺陷边缘两侧反射声波能量发生变化,从而引起了超声C扫描图像中缺陷边缘的模糊现象.基如此,提出了一种快速确定C扫描图像缺陷边缘的方法.对平底孔超声C扫描图像边缘检测的试验结果表明,该方法适用于超声C扫描图像的边缘检测,明显优于Sobel算法和Canny算法,能够快速准确检测出缺陷边缘.