1、超聲影象
超聲醫學成像與其它醫學成像方法相比，具有對人體無損害、能夠實時顯示器官或組織運動情況等特點。近年來，超聲醫學成像技術得到了迅猛的發展，彩色多普勒成像(CDI，ColorDopplerImagi-ng)、組織多普勒成像(TDI，TissueDopplerImaging)、組織諧波成像(THI，TissueHarmonicImaging)、閃爍回聲成像(FEI，FlashEchoImaging)、造影劑成像等一系列新技術接連出現並應用於臨床，帶動和促進了超聲相關領域的研究和發展。由於成像機制的限制，影象質量相對較差一直是超聲影象主要的缺點，特別是由於所成像器官或組織結構上的不均勻性，一些微小的結構不能為超聲所分辨，加上聲波訊號的干涉現象，在超聲影象中形成了特有的斑點(Speckle)，它大大降低了超聲影象的質量，也使得對影象細節的識別與分析更加困難。隨著食道超聲成像技術(TEE)與心內超聲成像技術(ICE)等新技術的出現，影象的質量有了很大的提高，但是相對於後期的影象分析、多維重建等工作的要求而言，影象的質量仍有較大的差距，所以必須進行濾波去噪等處理。
由於超聲影象的上述特點，超聲影象濾波演算法的研究工作主要集中於對其斑點的抑制上。研究表明，超聲影象中的原始斑點訊號具有瑞利(Rayleigh)分佈特徵(X～R(u))，其均值(E(X))與標準偏差(σ)成比例，可視為一種與影象訊號無關的乘法噪聲，而經訊號處理後的斑點訊號統計特性被改變，其均值與方差(σ2)成比例[1～3]。對超聲影象濾波工作的一般要求，是要在有效抑制斑點的同時，很好地保留影象中對後期的分析和診斷有用的細節資訊。對於超聲影象中的一些微小的結構資訊，如器官之間高亮度的介面(如肝與膈)、與斑點尺度相近的微小結構(如小的血管)、灰度相近區域的邊界等，必須在濾波時很好地保留，所以超聲影象的濾波有其特殊性，是一項要求較高的工作。如何在對斑點充分抑制的同時很好地保留影象的細節，是濾波演算法首先考慮的問題。傳統的線性濾波方法不能滿足超聲影象濾波的要求，近年來發展了多種非線性自適應濾波方法(NonlinearAdaptiveFiltering)，出現了一些新的發展方向，下面將分別加以介紹和分析。
2、幾種主要的濾波方法
傳統的濾波方法[4]可以概括為:對影象中的每一個點f(x，y)，取一個以該點為中心的小視窗(通常為矩形視窗)W(x，y)，然後對視窗內的每一點賦予一定的權值，最終的輸出g(x，y)為視窗內各點的某種加權平均。即:g(x，y)=F(f，(x，y)，W(x，y))(1)其實質是根據所取視窗內的資訊確定一個新值來取代原值，以使它符合某種預定義的規則。濾波方法的改進主要集中在以下幾個方面:(1)從幾個主要方向上對影象進行處理，再對結果加以綜合，以保留影象的方向資訊;(2)在空間上根據區域性特徵自適應地調節濾波器的權值;(3)採用區域生長等方法自適應地調整濾波視窗的大小和形狀;(4)採用先對噪聲進行檢測再根據檢測結果對影象進行濾波;(5)一些其它的方面。
2.1多方位濾波方法
這類方法的基本思想是:用某種濾波方法沿幾個主要方向(通常為0°，45°，90°，135°四個方向)對影象進行濾波，得到幾幅子影象，然後對這些子影象進行加權組合，以得到最後的輸出影象。文獻[5]中採用低通濾波方法(時域或頻域)對上述四個方向進行處理，得到四幅子影象，然後計算它們與原影象的差異，根據這些差異來確定其加權組合的權值，由此得到輸出影象。根據同樣的道理，還可以再次應用高通濾波方法對輸出影象作增強處理以進一步提高影象的質量。低通濾波方法處理時的公式如下:x10=1dk1xl1+1dk2x12+1dk3x13+1dk4x141dk1+1dk2+1dk3+1dk4(2)其中，xl0為輸出值，xli為某方向的低通濾波得到子影象的結果，di為第i幅子影象與原影象的差異，k為一可調的常數。高通增強方法的公式與此相似。
該方法思想簡單，濾波效果較好，而且結構上高度並行化，特別適合於多處理器系統，以實現影象的實時處理。文獻[6]中的演算法有所不同，作者稱之為“全方位多尺度形態濾波”，其方法可描述為:在(2N+1)(2N+1)視窗內取4N個方位的結構元，然後採用形態學的閉運算加權組合與開運算加權組合，得到最終結果(圖略)。該方法能較好地抑制影象中的鹽椒噪聲，但其組合的加權係數選取較為簡單，還有待改進。這類方法的共同特點是演算法的高度並行化，因此可用硬體來高速實現[5]，適用於對實時性要求較高的場合。但其基於幾個方向的較簡單的出發思想也限制了其對影象中複雜細節(醫學影象中很重要的部分)的保留能力。
2.2自適應權值調節濾波方法
自適應權值調節濾波方法的主要思想，是認為對整幅影象採用同一固定的濾波器來進行濾波不能反映和保留影象的細節資訊，因此應該根據影象的區域性資訊來自適應地調節濾波器，以更好地濾除噪聲和保留影象中重要的細節資訊。這類方法中以自適應中值濾波(AMF，AdaptiveMedianFilter)為代表，如文獻[2]中提出的自適應權重調節中值濾波(AWMF，AdaptiveWeightedMedianFilter)。AWMF是建立在對超聲影象中斑點統計特性的分析基礎之上，採用均值與方差之比作為調節權值的根據，自適應地調節中值濾波器中各點的權值。首先根據斑點的統計特性建立下述噪聲模型:y=x+x12n(3)其中y為實測訊號，x為無噪聲時的訊號，n為噪聲。在此模型基礎之上，得到自適應權值調節中值濾波的公式:w(i，j)=[w(K+1，K+1)-cdσ2/m](4)其中，c為調節因子，m、σ2分別為均值和方差，d為點(i，j)與視窗w(K+1，K+1)中心點的距離，方括號[]為取整運算子。實驗結果表明，該方法能夠有效地抑制超聲影象中的斑點噪聲，同時能夠較好地保留影象中對後期診斷有用的解剖結構資訊，是一種針對超聲影象比較有效的自適應濾波方法。由於自適應權值調節濾波演算法是根據影象的區域性資訊來自適應地調節濾波引數，因此在對影象細節保留上表現較好，如果演算法採用的區域性特徵有很好的代表性(現多采用影象區域性的統計特徵)，則能較好地滿足超聲影象濾波的要求。自適應濾波演算法涉及到計算量比較大，而演算法往往不具有並行特徵，所以速度較慢，適用於影象的後處理部分，要應用於對實時性要求高的場合還有待改進。
2.3自適應視窗選取濾波方法
自適應視窗選取濾波方法的基本思想是根據影象中所處理部分的區域性特徵來自適應地確定濾波視窗的大小或(和)形狀，以求在一個均勻區域內進行濾波操作，儘可能地保留影象細節和抑制噪聲。文獻[7]中的HRGMF(HomogeneousRegionGrowingMeanFilter)方法是通過分裂、合併的方法來獲得濾波視窗，視窗仍限制為矩形，然後通過標準的求取均值的方法進行濾波。文獻[3]中的ASSF(Adap-tiveSpeckleSuppressionFilter)方法是通過區域生長的方法來確定濾波視窗，視窗的形狀不受限制，然後採用求均值(ASSF-MEAN)或中值(ASSF-ME-DIAN)的方法來進行濾波。這兩種方法中都採用了斑點的均值與方差之比作為判據，即定義局域均值μi，j與方差σ2i，j之比αi，j為:αi，j=σi，jμi，j(5)以αi，j為判據進行區域生長或區域的分裂與合併，這同樣是建立在對超聲影象中斑點噪聲統計特徵的分析基礎之上。使用一幅模擬超聲影象和一幅肝的超聲影象對HRGMF、AWMF、ASSF(MEAN&MED-IAN)三種相似的濾波方法進行的比較表明，三種方法在對斑點的抑制上表現相似(因為它們採用了同樣的斑點統計特徵)，而在對細節的保留上ASSF-MEAN表現最好，AWMF與ASSF-MEDIAN相似，HRGMF較差。計算複雜度上，AWMF最小，其餘的幾種相近[3]。總的來說，自適應視窗選取濾波方法的計算量比較大(尤其是加入區域生長等演算法後)，因此演算法的速度比較慢，同時與自適應權值調節濾波方法相似，不適於通過並行處理的方式來提高處理的速度，因此應用主要限於超聲影象的後處理部分。但是演算法複雜度的`提高帶來了令人滿意的處理結果，這是自適應視窗選取濾波演算法可取的一面。
2.4兩步法