标志“src=

国际生物医学影像杂志
PDF
国际生物医学影像杂志/2016/文章

研究文章|开放获取

体积 2016 |文章的ID 3636017 | https://doi.org/10.1155/2016/3636017

Nagashettappa Biradar, M. L. Dewal, ManojKumar Rohit, Sanjaykumar Gowre, Yogesh Gundge那 “消光滤波器性能评估的盲源参数"，国际生物医学影像杂志那 卷。2016那 文章的ID3636017那 12 页面那 2016． https://doi.org/10.1155/2016/3636017

消光滤波器性能评估的盲源参数

Nagashettappa Biradar.那1 m . l .该文那2 manojkumar rohit.那3. Sanjaykumar gowre.那1 和 优Gundge1

1bhemanna Khandre理工学院，印度Bhalki 58532

2印度理工学院，鲁尔基247667，印度

3.医学教育和研究研究生院，印度昌迪加尔16012

学术编辑器:Tiange壮族
收到了 07年9月2015年
修改后的 2016年2月06
公认 2016年2月16日
发表 2016年5月19日

摘要

散斑噪声是经胸超声心动图图像固有的噪声。标准的无噪声参考超声心动图图像是不存在的。基于峰值信噪比、均方误差、结构相似性指数等传统参数对滤波器进行评价，可能不能反映超声心动图图像滤波器的真实性能。因此，可以使用斑点抑制指数、斑点抑制和平均保存指数(SMPI)和beta度量等盲评估指标来评估斑点的性能。利用这三个参数克服了对参考图像无噪声的需求。本文从盲滤和传统滤光片的性能参数两方面对11种超声心动图滤光片进行了综合分析和评价，并进行了临床验证。采用嵌入Stein无偏风险估计(SURE)的对数邻域收缩(NeighShrink)算法有效地抑制了噪声。SMPI的有效性是基于小波的广义似然估计方法的三倍。定量评估和临床验证表明，非局部均值、基于后验抽样的贝叶斯估计、混合中值和基于概率patch的滤波器是可以接受的，而中值、各向异性扩散、模糊、和涟波非线性近似滤波器在超声心动图图像中的应用有限。

1.介绍

超声心动图常用于诊断瓣膜返流和狭窄。它是非侵入性的，安全的，而且便宜的技术;但是低对比度，阴影和斑点噪声使临床医生很难阅读。噪声掩盖了图像中更精细的临床细节，从而降低了人类检测异常的视觉能力。它降低了图像提供关键和重要信息的潜力[1］．解释和临床结论在很大程度上取决于图像质量和心脏病专家的经验[1那2］．因此，有必要抑制散斑噪声，而不改变来自Transthoracic超声心动图（TTE）图像的细节。

基于小波等概念的滤波技术[1那3.-6.]，各向异性扩散(AD) [1那4.那5.，一种先验统计资料[1那4.那7.那8.),多分辨率(9.-13]，非局部手段（NLM）[4.那14那15，总变异(TV) [16-18),两国(19那20.),中等(5.-7.],维纳[5.那13几何(),1那5.]、本地统计数字[5.，和模糊[21滤光片已被提倡用于超声图像的降噪。表中列出了研究人员使用的各种过滤技术和性能参数1．大多数研究人员采用标准的全参考指标，如峰值信噪比(PSNR)、均方误差(MSE)、结构相似性(SSIM)指数、对比噪声比(CNR)和均方根误差(RMSE)，如表所示1，用于评估过滤器性能。
参考 类型的过滤器 数量的过滤器 性能参数 类型的图像 β/ SMPI / SSI吗?
[1] Wlt, sar, ad, geo 15 FoM, SSIM, MSE, CNR, SNR 我们的心 没有
[4.] La, ad, mr, nlm, hyb 11 PSNR, MSE, SSIM, FoM 乳房我们 没有
[5.] 基于LS、WNR、MED、AD、GEO、HYBMED的DsF滤波器 10 MSE, SNR, PSNR, RMSE, QI, SSIM, AD, SC, NCC, MD, LMSE, NAE, Err 颈动脉我们 没有
[3.] Med, ad, wlt, wnr, avg, hyb 7. PSNR值 骨折 没有
[10] Wlt, amed, ad, map, ff, ls 7. 信噪比，ENL, CNR, EKI, CPU时间 10月视网膜 没有
[21] Wlt ff nlm tv rnla HFF 17 PSNR, MSE, SNR, FoM, CoC，β, SSIM 我们的心 β
[12] 阿米德，wnr, ls, mbr, ad, bs 17 PSNR, SNR, SSIM, FoM, EKI, MVR 美国前列腺癌 没有
[6.] MED，AMED，FIF，FBF，WLT，HFIF 10 β、mse、信噪比、PSNR 我们的肾脏 β
[7.] MED, Le-Sig, LR, Lee, Frost, MAP 07 Ssi, eei, fpi, idpc SAR图像 β, SSI
[8.] 李，弗罗斯特，MAP, WLT, BM3D, PPB 07 ENL, SSI, SMPI, CoC, ESI SAR图像 是的
这篇论文 WLT、MR、FF、NLM、DsF、AD、BLT、TV、GEO、SAR、FIF(11种) 45 18个参数以及视觉质量评估和临床验证 TTE的图片 是的
电缆测试:小波;洛杉矶:当地的适应性;我们:超声波;地理:几何;HYB:混合;地中海:中位数;HYBMED:混合中值;WNR:维纳;LS:当地统计;先生:多分辨率; AMED: adaptive median; FF: fuzzy filters; HFF: hybrid fuzzy filters; LLS: linear least square; FIF: Fourier ideal filter; FBF: Fourier Butterworth filter; HFIF: homomorphic FIF; LR: local region; Le-Sig: Lee-Sigma; MAP: maximum a posteriori; DsF: despeckling filter; BLT: bilateral; FoM: figure of merit; CoC: correlation coefficient; SC: structural content; LMSE: Laplacian mean square error; MD: maximum difference; Err3 and Err4: normalized error summation; NAE: normalized average error; NCC: normalized cross-correlation; OCT: optical computed tomography; SAR: synthetic aperture radar; AVG: average; RNLA: Ripplet nonlinear approximation; MBR: M-band ridgelet; BS: BlockShrink; PPB: probabilistic patch based; MAP: maximum a priori.
表1
概述了各种研究人员计算出的斑纹方法和质量指标。

这些全引用参数评估考虑输出处理和无噪音图像的过滤器性能。但是，遗憾的是，超声心动图图像不存在无噪声参考图像。因此，在超声心动图的情况下，这些传统参数不会反映真正的性能。此问题的可能解决方案是使用散斑抑制索引（SSI）等参数[7.那8.]、斑点抑制和平均保存指数(SMPI) [7.那8.)和度量(β) ［6.那21］．这些都是基于盲源的参数，不需要标准的无噪声参考图像来估计滤波器性能。超声心动图图像中的散斑噪声本质上是乘性噪声。这种噪声掩盖了诊断异常所必需的细节。许多过滤器导致图像平滑，从而抑制更细的细节。因此，有必要知道哪些滤波器可以在抑制噪声的同时保留更细的细节。

Mateo及Fernández-Caballero [6.和Biradar等[21]采用beta度量(β)以评估边缘保存情况。伊克巴尔等人[8.]使用SSI和SMPI度量散斑抑制量和边缘保持指数(EPI)，用于估计合成孔径雷达(SAR)图像的边缘保持量。本文评价了基于SSI、SMPI、SMPI的11种滤波器的性能。β影像质量指数(IQI)等11个参数，并结合视觉质量评估和临床验证。表中列出了过滤器类型及其组成方法的列表2快速参考。
各向异性扩散:广告(1那31]，
清洁能源(1那33], DPAD [4.那34], SRAD [1那32]		 特别行政区:李1那7.那8.那23], Kaun [1那7.那8.那36,霜4.那37] 小波阈值收缩: BayesShrink (21那25], OWT [21那26]，mpt [21那27], ProbShrink [21那30.，软阈值[3.那6.], NeighShrink [28], SURELET [21那29]
总变差:电视(12那18], AFTV [16]， 一台电视 [17] 外地的意思: OBNLM (14十亿分之],[15]
去除杂点过滤器: dsflsmminsc, DsFlsmv, DsFhomog, DsFwiener, DsFmedian, DsFhmedian [5.那9.那12] 模糊: tmed, tmav, atmed, tmav, htmav, htmed, hatmed, GWF [21那24] 多尺度方法：glm [1那4.那13那21], MBR [9.那38辆],[11那12], PSBE [10]
快速双边过滤器[12那20.] 几何过滤器(1那5.那35] 傅里叶: fif, fbf, hfif, HFBF [6.]
MPT:多尺度积阈值;BayesShrink:贝叶斯阈值;OWT:正交小波阈值;SURE: Stein不偏不倚的风险估计;LET:阈值线性扩展;NeighShrink:邻域收缩;PSBE:基于后验抽样的贝叶斯估计;GLM:广义似然比滤波方法;电视:总变异。
表2
类型的斑点技术。

2.材料和方法

散斑是一种乘性的局部相关噪声。斑点噪声来源于均匀组织中的点散射体，这是超声机器无法分辨的。比超声波波长小得多的点散射体将波散射。从这些散射体向扫描探针传播的两个或更多的波可能会相互干扰，产生建设性或破坏性的干扰，产生亮斑和黑斑，即通常所说的斑点。对于干扰，来自散射体的后向散射信号应该在时间和空间上重叠。当它们之间的距离在点扩展函数(PSF)支持范围内时，就会发生这种情况。值得注意的是，散斑的典型尺寸与PSF支持相似。散斑噪声的统计量随深度的变化而变化。为了寻找一个清晰的空间反射分布的近似，对成像系统的点扩散函数(PSF)进行了估计。噪声退化图像给临床医生在诊断过程中识别图像的细节带来了问题。 The speckle fluctuations would be proportional in magnitude to signal strength and the resultant image will have significant noise even in the bright sections of the image. The noise is modeled as 在哪里 为原始噪声图像， 为无噪声图像， 是乘法噪声吗 是每个图像中的像素位置[3.那6.那9.］．的变量 和 为空间像素位置。通过对(的两侧进行对数变换，将乘性噪声转化为近似的加性噪声1）： 方程(2)可以重写为 ,在那里 那 , ．

2．1．去除杂点过滤器

Loizou等人[5.那22比较了10种散斑滤波器在颈动脉超声图像中抑制散斑噪声的应用。本文研究了Loizou等人考虑的斑点滤波器(DsFs)的应用。5.那22为TTE图像。基于邻域均值和方差的消光滤波器简称DsFlsmv，其中DsF表示消光滤波器，ls、m、v分别表示局部统计量、均值和方差。

给出了一阶局部统计滤波器的输出 在哪里 为局部平均值， 给出窗口中估计的去噪像素值 是称重因素[5.那22), DsFlsmv滤波器中使用的称重因子定义为 在哪里 为移动窗口的方差， 是在整个图像上计算的方差和平均值之间的比率，以及 与 和 为窗口中选取的噪声的方差和均值[5.那22］．均匀掩模区域滤波技术缩写为DSFLSMINSC滤波器（DSF-LOCAL统计最小斑点索引）。它使用3×3窗口的子集在每个像素周围的最均匀5×5附近工作。Wiener滤波器基于均方错误，并且它被缩写为DSFWiener [5.那22］．DsFwiener滤波器的权重因子为 基于像素邻域最大同质性估计的滤波器称为DsFhomog滤波器。该滤波器通过考虑属于处理过的邻域的像素来估计每个像素周围的同质邻域。混合中位数缩写为DsFhmedian (dspeckling filter-hybrid median)。它是DsFmedian (dspeckling filter-median)的扩展。中值计算采用三个不同的窗口，即正常形状、x形状和十字形状[5.那22］．

2．2．合成孔径雷达(SAR)滤波器

本文分析了Lee, Kuan等人，Frost等人的标准自适应SAR滤波技术[1那7.那8.那23］．Lee和Kuan等人的滤波器公式相似，但加权函数不同。在Frost等人的滤波器中，无噪声图像是通过将原始噪声图像与掩模进行卷积来计算的。

2．3.快双边滤波器

双边滤波器中距离滤波器的非线性特性增加了计算量。使用提高的余弦核可以改善性能。给出了基于凸余弦核的滤波器的广义形式 与 ,在那里 为三角函数的系数， 是核度，和 和 表示辅助图像和距离核。

２.４.模糊滤波器

本文在对数域分析了基于中值三角函数(TMED)、非对称中值三角函数(ATMED)、三角形移动平均(TMAV)中心和非对称三角形移动平均(ATMAV)的模糊滤波器。给出了模糊滤波器的输出 在哪里 窗口功能是基于TMED、ATMED、TMAV还是ATMAV and 是面积[21那24］．这四个对数模糊滤波器都与维纳滤波器相结合，称为混合模糊滤波器。通过嵌入改进的几何滤波器，进一步提高了混合模糊滤波器的性能。这些滤波器被缩写为GWF滤波器，其中G代表几何滤波器，W代表维纳滤波器，F代表模糊滤波器[21那24］．

2．5．傅里叶滤波

在傅里叶滤波器中，图像从空间域转换到频域，反之亦然。傅里叶巴特沃斯滤波器(FBF)在保留边缘的同时降低了噪声。同态傅里叶理想滤波器(HFIF)和同态傅里叶巴特沃斯滤波器(HFBF)是通过将输入图像投影到对数空间，应用快速傅里叶变换，使用理想滤波器或巴特沃斯滤波器对图像进行滤波，然后进行FFT反变换，实现的。并将图像投影回非对数空间[6.］．

2．6．小波阈值收缩方法

小波收缩技术可以在对数域内进行运算，从而应用于斑点处理。输入投影到对数空间，去噪后投影回非对数空间。这个过程可以用数学表示为 ,在那里 是小波收缩技术[25-29］．在对数域中的小波收缩的实现期间，假设已知噪声方差，使得​​讨论的焦点将是对滤波器本身的评估。贝叶斯阈值接近是一种数据驱动子带自适应小波收缩技术[25］．多尺度产品阈值平衡（MPT）的概念基于相邻尺度的离散小波变换（DWT）的乘法增强边缘并有效地抑制噪声[27］．在对数概率收缩(ProbShrink)滤波方法中，将小波系数与信号的估计概率相乘[21那30.］．在SURELET [29，点态阈值的实现是基于最小的SURE和LET。尺度间标准正交小波阈值化(IOWT)是一种参数化去噪技术，它减轻了统计设计模型的必要性[26］．通过将SURE与NeighShrinkSURE (NSS)合并，克服了块阈值的限制。[28］．通过计算最优阈值和邻域大小，然后使用NeighShrink进行阈值化，提取子带的细节信息，增强子带阈值化。

2.7。多分辨率技术

基于多分辨率的滤波技术，如M带脊（MBR）[9.那21，涟波非线性近似(RNLA) [11那12]，广义似然估计法[1那4.那13]，以及基于后验抽样的贝叶斯估计[10]是本文考虑的绩效评估。m -带小波和脊波的结合称为m -带脊波(MBR)。使用MBR过滤器保存纹理[9.那21］．在基于GLM的滤波器中，基于各分辨率尺度上显著特征之间的相关性，非迭代地对系数进行初始分类。初步分类是用来估计有关特征的统计分布[1那4.那13］．在对数PSBE中，使用条件后验抽样的贝叶斯最小二乘误差计算估计无噪声图像细节，然后最小化平均平方误差[10］．被称为涟波变换的曲波的推广是通过合并支持和度参数实现的[11那12］．离散域的涟波变换定义为 其中涟波系数用 [11那12］．

2.8。基于全变差(TV)的滤波器

基于电视的去噪基于噪声图像的绝对梯度的积分基于高度总变化的概念[18］．让 是一个有噪声的图像;去噪图像 可以用TV正则化使二次项最小化得到 二次数据项在哪里 适合 在 根据最小二乘拟合， 是正则化项(去噪函数)，和 为度量平滑度的权重参数。保真度项通过测量自适应保真度电视(AFTV)中图像的局部方差来控制去噪量[16］．各向异性电视(ATV)基于分裂Bregman算法。去噪过程中采用Bregman迭代[17］．

2.9。基于各向异性扩散的滤波器

AD是基于非线性偏微分方程（PDE）的滤波技术，其在均匀区域中促进在边缘处的同时在均匀区域中的扩散[1那31］．在散斑减少各向异性扩散(sad)滤波器中，扩散函数由瞬时变差系数(ICOV)控制[1那32］．sad中扩散函数的形式为 在哪里 表示“散斑尺度函数”。相干增强扩散采用结构张量矩阵分析梯度向量的局部分布[1那33］．详细保留各向异性扩散(DPAD)方法通过对sad滤波器进行修改，估计控制扩散水平的阈值和噪声系数变化之间的等价性[4.那34］．

2.10。几何过滤器

几何滤镜的工作假设图像是由山谷和狭窄的墙壁组成。将位于3 × 3窗口中心的像素强度与8个邻域进行比较。根据邻域像素的强度值，该值或增或减，以便与邻域像素的强度值相比突出[1那35］．

2.11。非局部均值滤波

非局部均值去噪方法是由每个像素点周围的小块来控制的。图像中的冗余信息被用于优化贝叶斯非局部均值(OBNLM) [4.那14］．比较围绕每个像素的图案而不是强度比较。在基于NLM的去噪中，在贴片之间计算欧几里德距离。使用基于概率贴剂（PPB）方法提倡该距离的概括[15］．重量 在基于概率patch (PPB)的patch之间的滤波 和补丁 与 迭代次数定义为 其中噪声抑制和保真度估计之间的权衡是通过参数实现的 和 ; 和 是 第Th像素振幅，其中它们以前的值 和 的补丁 和 ,分别。

3.对滤光片的评价

对临床TTE图像中的斑点滤光片进行了分析和评价。这些图像是有噪声的;没有无噪声的参考图像可用。因此，使用原始散斑输入进行滤波器的评估。性能分析基于盲评估和全参考图像质量指标。盲目评估参数，例如“策略性污水指标”[7.那8.], SMPI [7.那8.]， 和β[6.那21)用于绩效评估。这些参数分别根据原始图像的噪声和去噪后的图像进行性能评价。SSIM、IQI、FoM等参数[1那4.那21]用于测量图像的整体质量、结构和边缘保存。利用原始TTE图像计算PSNR、MSE、SNR、LMSE、RMSE、平均差和最大差(MD)等传统参数。传统的参数可能不能反映滤波器在真实临床图像上的真实性能;因此，绩效评估正在被实践临床医生验证。所有实验均使用MATLAB R2008a实现。各种论文的作者提供的源代码也被使用，并适当地选择参数[5.那11那13-17那20.那25-30.］．

3．1.临床超声心动图图片

检测到过滤器应用于由主动脉瓣和心脏腔室的TTE图像组成的临床数据库。该数据库由横轴长轴（PLAX），旁柱短轴（PSAX），顶端五室（A5C），顶端四室（A4C）和顶端双室（A2C）视图中获取的图像组成。TTE图像数据库已完全匿名，提供患者信息。共有1000次从20名患者中获取的1000次图像和2个窗户用于评估和分析机除滤波器的性能。

3．2．图像质量指标

信噪比、PSNR、MSE、相关系数( )、RMSE、SC、LMSE、MD、Err3、Err4、NAE、NCC和SSIM分别使用噪声和无噪声图像计算[5.那22］．部分性能参数定义如下: 在哪里 那 那 在哪里 为采用标量乘子作为惩罚因子，典型值为1/9， 和 分别为原始图像和处理后图像中的像素数， 是欧几里德距离， 和 代表原始和处理图像的过滤版本，并在该区域中的像素意味着强度 和 由 和 分别为(1那6.-8.］．

结果

过滤器实现中使用的参数列在表中3.．每一种类型的过滤器的结果都被制成表格，这样就可以分析内部和内部过滤器类型的性能。应用各种滤波器得到的图像质量度量值如表所示4.-6.．小波收缩和多分辨率技术的结果在表中制表4.．对斑纹、傅立叶和SAR滤波器的实验结果列于表中5.．
方法(年代) 参数
DsFlsminsi和DsFlsmv [5.那22] 窗口大小= 5 × 5;迭代= 2，也有3 × 3,7 × 7和9 × 9
FBL [20.] 空间高斯宽度= 10;宽度范围高斯= 20
模糊滤波器(21那24] 窗口大小= 3 × 3;填充，也有5 × 5, 7 × 7和9 × 9
FIF/HFIF及FBF/HFBF [21那24] = 500, with order = 2, also with = 100和1000
HDWT及HDTDWT [3.] 窗口大小= 3 × 3;水平= 2
DsFhomog [5.那22] 窗口= 3 × 3
OBNLM [4.那14] 搜索区域= 23 × 23;块尺寸= 15 × 15;平滑值 = 0.4
李、考恩和弗罗斯特[1那37] 窗口大小= 5 × 5
ProbShrink [30.] 窗口大小= 3 × 3;水平= 2;sym8
AFTV [16] 迭代= 3;λ= 0;时间步ΔT.= 0.2
SURELET [29] 降采样 = 4;重叠因子 = 3;冗余 = 3
辆(11那12] 支持 = 1;学位 = 3
NSS [28] 水平= 3;sym8
MBR (9.] 波段M = 3; = 5000
ATV (17] 迭代= 2;λ= 1;时间步ΔT.= 0.2
DsFad [1] 扩散常数= 30;扩散速率= 0.25;迭代= 20
DsFsrad [1那5.] 迭代= 30;时间步ΔT.= 0.02; ＝ 1
清洁能源(1] 迭代= 20;时间步ΔT.= 0.02;扩散常数= 20
DPAD [4.那34] 迭代= 30;时间步ΔT.= 0.02;铜噪声估计
DsFgf4d [5.那22那35] 窗口= 3 × 3;迭代= 2
DsFmedian [5.那22] 窗口= 5 × 5;迭代= 3
磅(4.那15] 迭代= 4;α= 0.8; = 2;搜索面积= 23×23;补丁尺寸= 7×7
DsFhmedian [5.那22] 窗口= 5 × 5;迭代= 2
混合模糊[21] 模糊维纳窗尺寸= 3 × 3
学院(18] 时间步ΔT.= 0.25;迭代= 5
PSBE [10] 空间标准差= 0.01;窗口大小= 21 × 21;样品= 100
MPT [27] 刻度数= 2; = 12
BayesShrink [25] wtype = db4;水平= 2
全球语言监测机构(13] 窗口大小= 3 × 3;水平= 2; = 3
DsFwiener [5.那22] 窗口大小= 5 × 5, 3 × 3, 7 × 7
空间标准差是指初始概率分布的空间方差;Wtype为小波类型。
表3
输入斑点技术参数。
方法 IQI β 流分布 SMPI SSI 软阈值 IQI β 流分布 SMPI SSI
MPT 0.9332 0.8601 0.8937 2.806 0.9868 RBIO4.4 0.3678 0.0084 0.7991 58.59 0.9719
辆 0.4156 0.8428 0.8122 2.976 0.9627 DB2 0.5527 0.0226 0.8271 58.95 0.9672
OWT 0.4045. 0.4477 0.9147 3.070 1.0409 DB4 0.3999 0.0129 0.8045 58.74 0.9638
MBR 0.5793 0.2312 0.7853 2.538 0.9341 DB8 0.1583 0.0253 0.7561 59.91 0.9481
NSS 0.5668 0.4259. 0.8223 0.962 0.6904 DB45 0.0054 0.0091 0.5825 54.38 0.9152
BSHRINK 0.4358 0.9996 0.9995 2.589 0.9999 COIF1 0.5036 0.0302 0.8359 59.17 0.9650
SURELET 0.4119 0.8958 0.9692 3.967 0.9887 COIF5 0.0420 0.0029 0.7161 58.71 0.9454
全球语言监测机构 0.7277 0.9866 0.8963 2.238 0.9963 SYM2 0.5527 0.0226 0.8271 58.95 0.9672
PSBE 0.9246 0.9805 0.9923 2.504 0.9960. SYM8 0.1250 0.0177 0.7694 55.92 0.9750
PS (DB2) 0.5026 0.1939 0.8321 27.61 0.7266 DMEY 0.0158 0.0072 0.5832 52.73 0.9293
PS (DB4) 0.3623 0.1530 0.8366 20.55 0.7281 BIOR1.1 0.6619 0.2762 0.8785 59.52 0.9588
PS (DB8) 0.2244 0.1350 0.8368 17.44 0.7287 BIOR1.5 0.3929 0.0019 0.8033 58.54 0.9754
PS (SYM2) 0.4547 0.1939 0.8321 27.61 0.7266 BIOR6.8 0.1598 0.0136 0.7634 57.11 0.9692
PS (SYM4) 0.3479 0.1530 0.8366 20.55 0.7281 RBIO1.1. 0.6619 0.2762 0.8785 59.52 0.9588
PS（SYM8） 0.2223 0.1350 0.8368 17.44 0.7287 RBIO2.2 0.5927 0.0359 0.8252 58.73 0.9581
表4
小波收缩和多分辨率滤波器性能指标的比较。
方法 IQI β 流分布 SMPI SSI
DsFlsmv 0.9433 0.9301 0.9628 2.364 0.9810
DsFwiener 0.8580 0.9744 0.9515 2.292 0.9884
DsFmedian 0.9403 0.7116 0.9277 2.922 0.9899
DsFlsminsi 0.8179 0.1045 0.8553 2.960 0.9781
DsFls 0.7042 0.4583 0.7112 4.364 0.8695
DsFhomog 0.7352 0.6839 0.7305 5.849 1.0749.
DsFhomogydF4y2Ba 0.8101 0.1698 0.7901 3.597 0.9886
DsFgf4d 0.8588 0.5519 0.8802 7.308 0.9645
DsFwaveltc 0.5576 1.0000 1.0000 2.588 1.0000
DsFsrad 0.7705 0.9848 0.9272 2.663 0.9955.
DsFlecasort 0.8771 0.5258 0.8978 4.002 0.9941.
DsFca 0.8372 0.5899 0.8247 3.154 0.9261
DsFad 0.5093 0.8111 0.8799 3.358 0.9608
分形插值 0.4109 0.9511 1.0000 2.587 0.9994
巴西利亚足协收入囊中 0.4242 0.9747 0.9955. 2.575 0.9934
HFIF 0.3904 0.8045 0.9944. 3.733 0.9756
HFBF 0.3961 0.9205 0.9682 3.381 0.9645
清洁能源 0.9769 0.8964 0.9785 2.516 0.9803
李 0.9265 0.9906. 0.9432 6.201 1.1604.
霜 0.7923 0.6164 0.7615 6.019 1.1044
Kaun 0.9241 0.9829 0.9432 6.399 1.1704
DPAD 0.5824 0.9837 0.9797 2.325 0.9966.
FBL 0.7712 0.9714 0.8079 2.292 0.9927
磅的 0.3951 0.9409 0.9882 2.931 0.9701.
NLM 0.5869 0.8891 0.8034 2.367 0.9853
地中海 0.8403 0.0460 0.8523 3.378 0.9884
表5
比较DsF、傅立叶和SAR滤波器的性能参数。
方法 IQI β 流分布 SMPI SSI
AFTV 0.2443 0.6672 0.6343 2.044 0.9583
电视 0.8488 0.4390 0.8348 3.085. 0.9462
ATV 0.2916 0.9433 0.8338 2.162 0.9766
tm 0.7539 0.0666 0.8869 3.790 1.0001
自动取款机 0.8785 0.4438 0.9514 2.881 0.9865
Tmav. 0.8174 0.1681 0.9145 3.767 0.9999
htm 0.7616 0.0074 0.8620. 4.015 0.9974.
HATMED 0.8470 0.4467 0.9171 3.082 0.9834
htmav. 0.8008 0.2127 0.8883 3.905 0.9978.
GWF 0.8375 0.9634 0.9407 2.831 0.9804
GWF1 0.7462 0.1349 0.8608 2.804 0.9675
GWF2 0.8119 0.4145 0.9035 2.234 0.9682
表6
全变差滤波器与模糊滤波器性能参数的比较。

小波阈值收缩方法．与SAR滤波器相比，MPT、BayesShrink、OWT、BlockShrink、SURELET和NSS等小波收缩技术可以更好地保存纹理。小波软阈值法在性能方面较差β和SMPI。利用DB45和DMEY母小波抑制最大散斑噪声。SMPI值非常高(≤40)，表明小波软阈值没有对散斑进行抑制。所有的小波软收缩技术都使FoM值在0.4 ~ 0.8之间。 软阈值的计算值<0.01，反映了边缘信息的丢失。

利用对数NSS滤波器有效地抑制了噪声。在多尺度技术中，log NSS滤波器和ProbShrink (PS)滤波器的SSI值最高。基于IOWT的去噪结果在SSI≥1.1时，表明散斑噪声没有被抑制。

多分辨率技术．与大多数收缩技术相比，多分辨率滤波技术，如MBR、RNLA、PSBE和基于GLM的滤波器表现良好。基于GLM的滤波方法在抑制噪声和保持边缘方面是有效的，如IQI(0.7)所示。β(0.9)， FoM (0.9)， SMPI (2.5)， SSI(0.99)。对数PSBE和对数MPT滤波器可以有效地抑制噪声和保持边缘，类似于基于GLM的滤波器。还观察到PSBE、GLM、RNLA和MBR的SMPI值优于ProbShrink。基于PSBE和GLM的滤波器结果是β近似等于1

去除杂点过滤技术．DsFlsmv、DsFwiener、DsFmedian和dsfsad滤波器在IQI、FoM、SMPI和SSI方面性能相似。DsFgf4d滤波器的SMPI是DsFwiener、DsFmedian和dsfsad滤波器的两倍，这反映了DsFgf4d滤波器在散斑抑制方面的劣势。DsFhomog滤波器的SMPI几乎是DsFlsmv和dsfsad滤波器的4倍。所有DsFs (DsFhomog除外)的SSI都小于1,DsFls滤波器的值最低。使用dsflsmsc和DsFhomo时，边缘不会被保留，而DsFlsmv、DsFwiener和dsfwavetc滤波器会保留边缘，如下图所示 ．

傅里叶那SAR和模糊滤波器．在SSI方面，HFIF和HFBF滤波器的性能优于FIF和FBF滤波器。与SAR滤波器相比，这些结果在SMPI值方面优于两个因子。FoM大于1，表明去噪性能更好。同态傅里叶滤波器导致的值更小β与傅里叶滤波器相比。傅里叶过滤器 说的是边缘保护。关注的问题是使用基于傅里叶的技术的更小的IQI。使用FIF和FBF滤波器可以观察到IQI小于0.4。SAR滤波器对TTE图像中的纹理进行过平滑处理。利用Lee、Kaun等人和Frost等人的滤波器，SSI值大于1，表明散斑噪声没有被抑制。在SMPI方面，SAR滤波器的性能较差。使用SAR滤波器的主要问题是SMPI和SSI值过高。模糊滤波器在IQI、FoM和SSI方面表现良好，SMPI略高(≤4)，但beta度量较差。在所有模糊和混合模糊滤波器中，GW滤波器的SSI值最小。与对数模糊滤波器相比，混合模糊滤波器具有更小的SMPI。 All fuzzy and hybrid fuzzy filters have FoM greater than 0.8. The modified geometric filter preserves the edges as exhibited by ．

总变差那扩散和非局部均值滤波器．电视基于电视的过滤器的性能在IQI和SMPI方面适度。AFTV和ATV过滤器导致差IQI（≤0.3）和中等β、FoM和SMPI。这些过滤器的SSI <1。除了AFTV滤波器外，所有的电视滤波器的FoM都大于0.8。像AFTV和TV这样的过滤器β≤0.5。应用PPB和NLM滤波器输出图像的SSI≤1。与SAR滤波器相比，DPAD、FBL、NLM和PPB滤波器具有更小的SMPI，证明了它们优越的散斑抑制能力。使用DPAD和PPB滤波器的FoM几乎等于1，远远优于SAR和OBNLM滤波器。使用PPB(0.4)、NLM(0.6)和DPAD(0.6)滤波器的IQI相对较低，而FBL(0.7)略高。

在IQI方面的表现β1000张TTE图像的FoM、SMPI、SSI和MD列于表中7.．过滤器的性能也根据传统参数进行评估，值列在表中8.．结果以平均±标准差的形式表示。DsFwiener、DsFsard、GLM、PPB、GWF、DPAD和PSBE在表中比较突出8.．
方法 IQI β 流分布 SMPI SSI 医学博士
DsFlsmv 0.947±0.003 0.939±0.006 0.962±0.007 2.661±0.260 0.974±0.005 92.167±6.873
DsFwiener 0.865±0.005 0.973±0.004 0.946±0.016 2.573±0.259 0.989±0.001. 28.493±2.104
DsFmedian 0.938±0.004 0.707±0.009 0.939±0.010 2.957±0.292 0.984±0.006 212.16±4.13
DsFgf4d 0.867±0.015 0.555±0.011 0.903±0.015 7.356±0.436 0.962±0.006 245.00±10.00
DsFsrad 0.785±0.032 0.987±0.003 0.947±0.011. 2.682±0.290 0.994±0.001 12.770±0.319
分形插值 0.389±0.048 0.950±0.001 1.000±0.000 2.628±0.292 0.999±0.000 42.002±5.115
巴西利亚足协收入囊中 0.404±0.048 0.974±0.000 0.996±0.001 2.597±0.295 0.991±0.002 64.09±2.00
全球语言监测机构 0.727±0.019 0.991±0.006 0.924±0.032 2.571±0.258 0.997±0.002 38.21±0.02
MPT 0.950±0.011 0.868±0.008 0.926±0.020 2.790±0.272 0.984±0.002 162.00±20.45
辆 0.410±0.016 0.843±0.014 0.810±0.024 3.041±0.276 0.950±0.008 122.50±11.46
MBR 0.599±0.022 0.228±0.009 0.802±0.021. 2.498±0.240 0.907±0.020 214.97±12.2
ATV 0.281±0.025 0.947±0.005 0.841±0.035 2.447±0.253 0.969±0.005 45.698±0.514
磅的 0.379±0.045 0.947±0.004 0.984±0.012 3.279±0.263 0.963±0.007 96.639±0.400
自动取款机 0.876±0.005 0.443±0.010 0.948±0.011 3.165±0.264 0.978±0.009 202.93±10.12
HATMED 0.845±0.008 0.449±0.007 0.917±0.016 3.354±0.265 0.972±0.011 212.29±0.07
GW过滤器 0.837±0.007 0.968±0.005 0.921±0.025 3.137±0.284 0.974±0.003 30.80±1.68
GWF2 0.810±0.010 0.418±0.009 0.898±0.020 2.549±0.265 0.954±0.010 207.98±0.06
DPAD 0.577±0.026 0.989±0.003 0.990±0.005 2.639±0.264 0.997±0.000 29.825±4.202
PSBE 0.923±0.002 0.980±0.001. 0.991±0.002 2.817±0.269 0.993±0.003 89.276±6.414.
FBL 0.766±0.019 0.973±0.002 0.818±0.039 2.638±0.260 0.992±0.001 51.058±14.409
表7
性能参数比较(平均±标准差)。
方法 均方误差 RMSE Err3 Err4 MSSIM NCC LMSE 美国国家工程院 信噪比(dB) PSNR (dB)
DsFlsmv 23.73±1.81 4.86±0.18 9.09±0.23 13.44±0.38 0.994±0.001 0.965±0.007 0.206±0.015 0.070±0.004 39.91±1.39 34.39±0.34
DsFwiener 6.46±1.01 2.55±0.19 3.86±0.21 5.04±0.21 0.994±0.001 0.990±0.001 0.055±0.008 0.049±0.002 51.04±0.68 40.07±0.68
DsFmedian 60.51±2.41 7.77±0.15 18.26±0.24 29.88±0.34 0.978±0.002 0.950±0.013 0.500±0.013 0.064±0.007 31.53±2.24 30.32±0.17
DsFgf4d 267.5±18.9 16.34±0.57 33.47±0.78 50.94±0.83 0.927±0.007 1.005±0.006 0.801±0.015 0.171±0.017 18.63±2.07 23.86±0.31
DsFsrad 2.65±0.62 1.61±0.19 2.36±0.21 2.98±0.21 0.996±0.001 0.998±0.001 0.027±0.006 0.034±0.002 58.93±0.96 44.00±1.03
分形插值 3.21±0.12 1.79±0.04 3.44±0.04 5.26±0.08 1.00±0.00 0.999±0.000 0.098±0.002 0.035±0.006 57.05±2.18 43.07±0.21
巴西利亚足协收入囊中 4.87±0.22 2.20±0.04 4.56±0.05 7.04±0.04 1.00±0.00 0.991±0.002 0.088±0.001 0.027±0.003 53.44±2.19 41.27±0.17
全球语言监测机构 2.52±1.78 1.48±0.57 2.28±0.73 3.24±0.65 0.992±0.006 0.997±0.002 0.018±0.011 0.030±0.012 61.86±7.56 45.37±3.77
MPT 32.14±4.36 5.65±0.38 10.84±0.25 16.84±0.17 0.986±0.006 0.966±0.004 0.248±0.015 0.076±0.002 37.12±1.24 33.11±0.59
辆 43.82±7.31. 6.59±0.54 9.89±0.67 13.48±0.75 0.890±0.012 0.975±0.004 0.292±0.024 0.156±0.014 34.43±1.44 31.76±0.71
MBR 179.84±8.52 13.40±0.31 24.69±0.31 36.13±0.34 0.924±0.008 0.891±0.026 0.964±0.001 0.209±0.026 22.07±2.12 25.58±0.21
ATV 19.73±2.49 4.43±0.27 6.98±0.25 9.35±0.17 0.964±0.008 0.971±0.005 0.128±0.010 0.086±0.006 41.54±1.19 35.21±0.56
磅的 6.54±0.44 2.55±0.08 5.31±0.06 9.04±0.09 0.928±0.007 1.003±0.000 0.106±0.008 0.060±0.008 51.09±1.46 39.98±0.29
自动取款机 103.95±3.42 10.19±0.16 22.65±0.26 35.48±0.25 0.973±0.002 0.920±0.018 0.804±0.009 0.098±0.010 27.05±2.02 27.96±0.14
HATMED 123.06±4.92 11.09±0.22 23.59±0.29 36.38±0.33 0.961±0.003 0.899±0.022 0.804±0.005 0.123±0.012 25.59±1.96 27.23±0.17
GW过滤器 10.14±1.44 3.17±0.23 4.69±0.23 5.86±0.23 0.988±0.002 1.001±0.001 0.068±0.009 0.066±0.004 47.34±0.95 38.11±0.63
GWF2 102.35±3.36 10.15±0.16 21.78±0.21 34.04±0.24 0.967±0.003 0.935±0.017 0.826±0.008 0.121±0.011 27.18±1.94 28.03±0.14
DPAD 2.33±0.93 1.49±0.31 2.82±0.46 4.17±0.58 0.999±0.001 1.000±0.000 0.022±0.007 0.018±0.002 60.72±1.83 44.82±1.87
PSBE 8.31±0.36 2.83±0.06 6.63±0.09 10.65±0.13 0.998±0.000 0.977±0.005 0.060±0.001 0.025±0.003 48.99±2.09 38.97±0.19
FBL 11.64±1.95 3.41±0.28 5.09±0.26 6.55±0.18 0.971±0.008 0.985±0.003 0.055±0.004 0.071±0.005 46.17±0.93 37.52±0.78
表8
对比传统性能参数(平均值±标准差)(数值由1000张TTE图像计算)。

视觉质量评估．去噪后的A5C TTE图像的视觉质量如图所示1．块状效应出现在Lee和Kaun等人的过滤图像中。SAR滤波器在平滑图像的同时降低了图像的对比度。平滑也观察到使用AD, NSS，电视，和ATV滤波器。使用小波收缩、TMED、ATMED和GLM等滤波器，去噪后的图像会出现噪声。如DsFls、DsFlsminsc、DsFca、HATMAV、FBF、FIF和AD等滤波器会导致图像的一些模糊和纹理信息的丢失。


图1
TTE图像的视觉质量对各种滤波器的应用。

临床验证．经过预处理的图像的临床验证是通过征求昌迪加尔市PGI的4名执业心脏病专家的意见来进行的。本文的作者之一是一名资深的执业心脏病专家，他最初对处理后的图像的质量进行分级。图像的分级是基于临床医生的视觉感知。评分的过程包括在1到10的范围内给予评分值，其中1表示处理后的图像质量较差，10级分配给视觉质量最好的图像。对这些等级的分析表明，DsFgf4d、DsFhomog、DsFlsmv、DsFhmedian、DPAD、GLM、PSBE、NLM和PPB等滤波图像是可以接受的，而DsFhomo、DsFmedian、DsFad、TMED、HTMED和RNLA滤波图像在临床上是不合适的。

5.结论

本文从盲参数和全参考参数两方面分析了11种滤波器的消斑应用。在没有无噪声参考图像的情况下，传统的参数往往不能反映滤波器的真实性能。利用散斑抑制指数、散斑抑制和平均保持指数以及beta度量等参数研究了各滤波器的散斑抑制和边缘保持能力。采用SMPI、FoM、IQI和SSI对图像质量和结构保存进行分析。各种类型的基准过滤器是可用的，很难选择最好的临床可接受的过滤器。在保留斑点边缘的情况下，也需要去除斑点噪声。本文的主要贡献如下:它有助于在11种类型的滤波器及其组成中选择适合临床TTE图像的最佳滤波器，它从盲和全参考参数方面研究和评估性能，并由临床医生验证基于滤波器的图像质量指标的评价。通过定量评价和临床验证，DsFgf4d、DsFhomog、DsFlsmv、DsFhmedian、DPAD、GLM、PSBE、NLM、PPB过滤器的性能均可接受。

伦理批准

所遵循的所有程序都符合负责任的人体实验委员会(机构和国家)的道德标准，并符合2000年修订的《1975年赫尔辛基宣言》 ．

所有患者均知情同意纳入本研究。

相互竞争的利益

两位作者宣称他们没有相互竞争的利益。

参考文献

  1. S. Finn, M. Glavin和E. Jones，“超声心动图散斑减少比较”，《IEEE超音波、铁电和频率控制汇刊》，第58卷，第2期1，页82-101,2011。视图:出版商的网站|谷歌学者
  2. S. G. Antunes, J. S. Silva, J. B. Santos, P. Martins, E. Castela，“相位对称方法应用于儿童心室分割:比较研究”，生物医学工程学报，第58卷，第2期8, pp. 2264-2271, 2011。视图:出版商的网站|谷歌学者
  3. I. Elamvazuthi, M. L. B. Muhd Zain和K. M. Begam，“使用多重滤波算法对骨折超声图像进行脱脂处理”，数学和计算机建模(第57卷)1-2, pp. 152-168, 2013。视图:出版商的网站|谷歌学者
  4. J. Zhang，C. Wang和Y. Cheng，“乳房超声图像的去斑过滤器比较”电路、系统和信号处理第34卷第3期1, pp. 185 - 208,2015。视图:出版商的网站|谷歌学者
  5. C. P. Loizou, C. Theofanous, M. Pantziaris，和T. Kasparis，“颈总动脉超声成像的deseckle过滤软件工具箱”，生物医学的计算机方法和程序，第114卷，第2期。1, pp. 109-124, 2014。视图:出版商的网站|谷歌学者
  6. J. L. Mateo和A. Fernández-Caballero，“找出超声图像中斑点噪声降低的一般趋势，”专家系统与应用第36卷第2期4, pp. 7786-7797, 2009。视图:出版商的网站|谷歌学者
  7. 盛勇、张志刚。夏，“雷达散斑抑制滤波器的综合评价”国际地球科学和遥感研讨会论文集(IGARSS '96)“可持续未来的遥感”，PP。1996年5月，美国林肯，林肯1559-1561。视图:谷歌学者
  8. 杨伟，王鹏，孙博，“基于压缩重建图像的Sar图像的选择性三维滤波”，光子学报，vol . 32, no . 1, no . 3, no . 3电磁学研究进展，第134卷，第209-226页，2013。视图:出版商的网站|谷歌学者
  9. D. Gupta, R. Anand和B. Tyagi，“使用m波段脊波变换的骨折超声图像的斑点化”，国际光电子光学杂志，第125卷，第5期3, pp. 1417-1422, 2014。视图:谷歌学者
  10. A. Wong, A. Mishra, K. Bizheva，和D. A. Clausi，“光学相干层析成像视网膜图像散斑噪声降低的一般贝叶斯估计”，光学表达第18卷第2期8, pp. 8338-8352, 2010。视图:出版商的网站|谷歌学者
  11. Xu j, Yang l, and D. Wu， " ripple: a new transform for image processing， "视觉传达与图像再现学报第21卷第2期7，页627-639,2010。视图:出版商的网站|谷歌学者
  12. D. Gupta, R. S. Anand和B. Tyagi，“用于超声医学图像散斑减少的涟波域非线性滤波”，生物医学信号处理和控制，第10卷，第5期。1, pp. 79-91, 2014。视图:出版商的网站|谷歌学者
  13. A. Pižurica, W. Philips, I. Lemahieu，和M. Acheroy，“用于医学成像的多功能小波域噪声滤波技术”，IEEE医学影像汇刊第22卷第2期3，页323 - 331,2003。视图:出版商的网站|谷歌学者
  14. P.Coupé，P. Hellier，C.Kervrann和C.巴西特派团，“超声图像的非局部意味着基于散斑滤波，”IEEE图像处理汇刊第18卷第2期10，pp。2221-2229,2009。视图:出版商的网站|谷歌学者|MathSciNet
  15. C.-A.DELEDALLE，L. Denis和F.Tupin，“迭代加权最大似然因概率基于补丁的权重，”IEEE图像处理汇刊第18卷第2期12, pp. 2661-2672, 2009。视图:出版商的网站|谷歌学者|MathSciNet
  16. G. Gilboa, N. Sochen，和Y. Y. Zeevi，“使用自适应保真度术语的纹理保持变分去噪”，发表于计算机视觉中的变分、几何和水平集方法IEEE研讨会论文集，法国尼斯，2003年。视图:谷歌学者
  17. T. Goldstein和S. Osher，“l1正则化问题的分裂Bregman方法”，SIAM影像科学杂志，卷。2，不。2，pp。323-343,2009。视图:出版商的网站|谷歌学者|MathSciNet
  18. L. I. Rudin, S. Osher，和E. Fatemi，“基于非线性总变分的噪声去除算法”，物理学D:非线性现象，第60卷，第2期1-4，页259-268,1992。视图:出版商的网站|谷歌学者|MathSciNet
  19. 科恩普罗斯特和汤布林，双边滤波:理论与应用， Now Publishers, 2009。
  20. K. N. Chaudhury, D. Sage，和M. Unser，“快O.(1)使用三角距离核的双边滤波图像处理学报，第20卷，第2期。12, pp. 3376-3382, 2011。视图:出版商的网站|谷歌学者
  21. N. Biradar, M. L. Dewal, M. K. Rohit，“一种用于减少散斑噪声的新型混合同态模糊滤波器”，生物医学工程的信，第4卷，第4期。2, pp. 176 - 185,2014。视图:出版商的网站|谷歌学者
  22. C. P. Loizou和C. S. Pattichis，“超声成像的deseckle滤波算法和软件”工程中的算法和软件综合讲座，第1卷，第1 - 166页，2008。视图:谷歌学者
  23. J.-S.Lee，“合成孔径雷达图像的散斑分析和平滑，”计算机图形和图像处理，第十七卷，第二期1，第24-32页，1981。视图:出版商的网站|谷歌学者
  24. N. Biradar, M. L. Dewal，和M. K. Rohit，“使用集成模糊滤波器的边缘保留散斑噪声降低”，国际学术研究通知， 2014年第4期，文章编号876434,11页，2014。视图:出版商的网站|谷歌学者
  25. 张绍国，“自适应小波阈值算法在图像去噪和压缩中的应用”，IEEE图像处理汇刊，第9卷，第5期。9、2000年。视图:出版商的网站|谷歌学者|Zentralblatt数学|MathSciNet
  26. F. Luisier, T. Blu, M. Unser，“一种新的图像去噪方法:尺度间标准正交小波阈值化”，IEEE图像处理汇刊，第16卷，第5期。3，页593-606,2007。视图:出版商的网站|谷歌学者|MathSciNet
  27. “基于自适应多尺度产品阈值的磁共振图像降噪技术”，IEEE医学影像汇刊第22卷第2期9, pp. 1089-1099, 2003。视图:出版商的网站|谷歌学者
  28. 邓文和文刚，“基于最优阈值和相邻窗口的图像去噪”，模式识别的字母，第29卷，第2期11，页1694-1697,2008。视图:出版商的网站|谷歌学者
  29. T. Blu和F. Luisier，《图像去噪的SURE-LET方法》，IEEE图像处理汇刊，第16卷，第5期。11，页2778 - 2786,2007。视图:出版商的网站|谷歌学者|MathSciNet
  30. a . Pizurica和W. Philips，“在多分辨率单波段和多波段图像去噪中估计感兴趣的信号存在的概率”，IEEE图像处理汇刊，第15卷，第5期。3，页654-665,2006。视图:出版商的网站|谷歌学者
  31. P. Perona和J. Malik，“使用各向异性扩散的尺度空间和边缘检测”，模式分析与机器智能学报，第12卷，第2期7，第629-639页，1990。视图:出版商的网站|谷歌学者
  32. Y. Yu和S. T. Acton，《散斑减少各向异性扩散》，IEEE图像处理汇刊，第11卷，第5期。11页，1260-1270,2002。视图:出版商的网站|谷歌学者|MathSciNet
  33. J.韦克特，《相干增强扩散滤波》，国际计算机视觉杂志第31卷第1期2，页111-127,1999。视图:出版商的网站|谷歌学者
  34. S. Aja-Fernández和C.Alberola-López，“关于各向异性扩散斑点滤波的变异系数的估计，”IEEE图像处理汇刊，第15卷，第5期。9，pp。2694-2701,2006。视图:出版商的网站|谷歌学者
  35. t。r。克里明斯，“减少散斑的几何滤波器”，应用光学，第24卷，第2期10，第1438-1443页，1985。视图:出版商的网站|谷歌学者
  36. D. T. Kuan, A. A. Sawchuk, T. C. Strand，和P. Chavel，“信号相关噪声图像的自适应噪声平滑滤波器”，模式分析与机器智能学报，第7卷，第5期2，页165-177,1985。视图:谷歌学者
  37. S. Frost, J. A. Stiles, K. S. Shanmugan，和J. C. Holtzman，“雷达图像模型及其在乘性噪声自适应数字滤波中的应用”，模式分析与机器智能学报，第4卷，第4期。2，页157-166,1982。视图:出版商的网站|谷歌学者
  38. 杨绍明。关铭乔,彭译葶。歌,学术界。基于m波段脊波变换的纹理分类，模式识别的字母第31卷第1期3，页244 - 249,2010。视图:出版商的网站|谷歌学者

版权所有©2016 Nagashettappa Biradar等。这是一篇发布在知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。

更多相关文章

PDF 下载引用 引用
下载其他格式更多的
ePub
XML
订单打印副本订单
的观点1445
下载651
引用

相关文章

年度文章奖:由主编评选的2020年杰出研究贡献。阅读获奖文章．