参考文献
[J].第三军医大学学报,2001,23(12):1457—1459．
[19]李奇等.数字图像清晰度评价函数研究.光子学报,2002,6
[20]侯涛,汪源源,郭翌.基于期望最大化框架的医学超声图像去斑.声学学报,2011,36(1):73-84.
[21]祝宇鸿.一种改进的数字图像中值滤波算法[J].长春邮电学院学报，2001,19(2)：23～27.
[22]刑藏菊,王守觉,邓浩江等．一种基于极值中值的滤波算法[J]．中国图象图形学报，2001，6A(6)：533～536.
[23]张红英，彭启琮．全变分自适应图像去噪模型[J]．光电工程，2006，33(3)：51-53． [24]刑占峰.基于小波变换的B超图像噪声抑制边缘提取及图像增强（理论)[D]:[硕士研究生学位论文]长江大学.2012.4.
[25]刘李鹂,高智勇,刘向明.基于小波分析的红外乳腺图像去噪与增强的实验研究.北京生物医学工程.2013,5第26卷第3期
[26]严壮志,刘书朋．基于小波的数字乳腺图像上肿块的处理[J]．上海大学学报(自然科学版)，2012(6)：538—540
[27] 罗丽芳,韦永南,郑小红,等.乳腺超声及钼靶摄影在乳腺疾病诊断中的应用[J]. 中国医药科学，2013，3（1）：119-120.
[28]林欢，林汉生，梁红. 超声和钼靶X 线联合诊断2 cm 以内乳腺癌的Meta 分析[J]. 南方医科大学学报，2013，33（11）：1699-1703.
[29]陈美娜，侯秀昆.B 超和钼靶X 线摄影术对乳腺疾病诊断的对照分析[J].大连医科大学学报，2004，26（3）：205-206.
[30]方晓义,赵英杰,高洪波，等. 乳腺肿块的影像学诊断及良恶性鉴别的研究现状及进展[J]..罕少疾病杂志,2013,20（4）:48-50.
[31]林欢,林汉生,梁红.超声和钼靶X 线联合诊断2 cm 以内乳腺癌的Meta 分析[J].南方医科大学学报，2013,33（11）:1699-1703.（1.2.2）
[32]李娜.钼靶X 线、超声诊断早期乳腺癌的价值[J].海南医学院学报，2013，17（5）：682-685.
[33]徐炜君,刘国忠.空间域和频域结合的图像增强技术及实现[J].中国测试,2009, 35(4) :52-54.
[34]冈萨雷斯.数字图像处理[M].第2版.阮秋奇,阮宇智等译.北京:电子工业出版社,2003:40-148.
35
参考文献
[35]张威.数字图像增强的研究及其实现[D]:[硕士研究生学位论文]长江大学.2014.4. [36]刑藏菊,王守觉,邓浩江等.一种基于极值中值的滤波算法[J]．中国图象图形学报，2001，6A(6)：533～536.
[37]程玉柱,华晋,李赵春.自适应滤波器的算法比较研究.大庆师范学院学报.第28卷第2期
[38]韩炎青.自适应滤波器仿真设计.实验科学与技术.第11卷 第3期 [34]吴正茂.自适应滤波器及其应用研究.南昌水专学报,2004,23(2):36-38 [39]王绍波.超声医学图像的去噪及增强研究.20100530.45.1;TP391．41 [40]王蓉.图像增强算法实现[D]:[硕士研究生学位论文]长江大学.2014.5. [41]袁懿弘,吴锡生.基于去噪阈值的图像平滑模糊算法方法研究.第17卷第2期.2005.7
[42]张威.数字图像增强的研究及其实现[D]:[硕士研究生学位论文]长江大学.2014.4.
36
综述
5. 综述
基于空间平滑的乳腺超声波图像去噪研究
本论文主要研究基于空间平滑的乳腺超声波图像的去噪，针对乳腺超
声波图像的具体特点，结合空间平滑技术进行了系统全面的研究工作。本论文选取乳腺超声图像作为主要研究对象，研究了乳腺图像的特征和去噪方法，在分析了传统的空间平滑去噪算法基础上，对乳腺超声图像去噪进行了研究，采用了基于卷积的平滑滤波、自适应中值滤波、基于阈值的平滑滤波方法对乳腺超声波图像进行了MATLAB仿真实验。本文完成的工作和取得的成果主要包括以下几个方面:
1、系统地介绍乳腺超声图像的成像机理，乳腺超声的去噪和去噪方法的研究现状，乳腺超声图像去噪的意义。
2、研究领域平均法、中值滤波、自适应滤波，三种经典的滤波的算法理论。
3、 分析研究了三种基于空域平滑的乳腺超声图像去噪方法：基于阈值的平滑滤波、基于卷积的平滑滤波、自适应中值滤波。并运用MATLAB编写代码进行仿真实验，并运用峰值信噪比和均方误差对乳腺超声图像进行去噪分析对比。
37
致谢
6. 致谢
时光荏苒，四年的本科学习生活即将结束，借着这次毕业论文，我要感谢母校XXXXX的栽培;感谢XX学院为我提供的良好成长环境;感谢学院各位老师的细心帮助和指导。感谢我论文的指导老师陆老师，在我的本科生论文的选题、研究的进展以及文章的修改等环节中对我进行细心指导，在论文的修改中给予了很多有用的建议，让我的论文能够如期完成。 同时也要感谢在四年本科生活中一直陪伴我的舍友，谢谢你们在学习、工作、生活方面给予我无微不至的关怀，也谢谢你们对我个人成长所做的一切，可以说我的每一步成长，每一点进步，都离不开你们对我的鼓励与信任。你们每个人身上都有我这一生都要去学习的优秀品格，你们是我终生学习的榜样。
最后,感谢各位专家在百忙之中评阅本篇论文,由于本人能力有限,论文中难免有考虑不周的地方,恳请专家们批评指正
7. 附录
38
致谢
图像性能评价指标代码：
[X]=imread('D:\\MATLAB\\work\\image\\卷积原图.jpg');%装载原图的图像 [Y]=imread('D:\\MATLAB\\work\\image\\卷积去噪图.jpg');%装载处理后的图像
mseij=double(zeros(240,320));%假定所处理的图像为8比特的灰度图像，L=255 for i=1:240 for j=1:320
mseij(i,j)=mseij(i,j)+(X(i,j)-Y(i,j))*(X(i,j)-Y(i,j)); mseij(i,j)=mseij(i,j)+(X(i,j)^2-Y(i,j)^2) end end
mse=(sum((mseij(:)))/(240*320))
psnr=10*log10(255*255/mse) %峰值信噪比 t(1)=0;%保存各个灰度值出现概率 for i=1:256 t(i)=0; end
for i=1:240 for j=1:320
t(X(i,j)+1)=t(X(i,j)+1)+1; end end
%计算各个灰度值出现的概率 for i=1:256
t(i)=t(i)/(240*320); end
entropy=0; for i=1:256 if t(i)>0
entropy=entropy-t(i)*log2(t(i)); end
end %增加 entropy %
39