Page 115 - 《应用声学》2023年第3期
P. 115

第 42 卷 第 3 期            朋小秀等: 基于 Rician 分布散斑噪声的超声图像模拟算法                                     553


             2.2 实验材料                                          2.3.1 实验一:合成图像
                 本文用的无噪声图像即体模是含有不同几                                在作为体模的合成图像中,包括了三角形、圆
             何图形的合成图像,根据前人                 [8,20]  的研究,这       形、矩形、菱形和箭头图案,大小为 700 × 600,整个
             种设计是合理的。为了更加接近真实的超声图                              算法过程如图9所示,生成的图像如图10所示。
             像,来自 Field II Simulation Program 的肾脏图像            2.3.2 实验二:肾脏图像
             也作为体模加入到实验中。肾脏图像可以在网站
                                                                   在这个部分的实验,使用肾脏图像作为模型,
             (http://field-ii.dk/)上找到。
                                                               大小为522 × 469,整个算法过程如图11所示。生成
             2.3 实验结果                                          的图像如图12所示。

                 本文采用Microsoft Visual Studio 2019进行仿           2.3.3 与真实的超声图像的对比
             真实验,实验分为两组进行,第一组是人工合成                                 为了从视觉上证明本文算法的合理性,将上述
             的图像,第二组是肾脏图像,根据真实的超声成像                            实验的结果与真实的超声图像的细节进行对比,如
             过程,探头发射超声波的数量一般为 128,即这里                          图 13 所示,其中图 13(a)、图 13(b) 中伪超声图像的
             扇形的扫描条数 n 取 128,散射分量的数量 N 服从                      参数为 N 服从 [10,1000] 的均匀分布,其中 σ 为1.0。
             [10, 1000] 的均匀分布,其中 σ 分别取 0.5、1.0、1.5、            本文实验用到的真实超声图像来自于重庆医科大
             2.0。另外这里还把生成的伪超声图像与真实的超                           学附属医院,是高强度聚焦超声导航的子宫肌瘤
             声图像进行了对比。                                         图像。





                                                ᧔ನ         ҫ٪         ଣϙ
                                                ᧘౞



                                     图 9  本文算法以合成图像为体模的流程图 (以 δ = 1.0 为例)
                        Fig. 9 The flow chart of using the synthetic image as the phantom in the algorithm in this
                        paper (take δ = 1.0 as an example)













                                   (a) Ԕڏ          (b) Զፃ᣿᧔ನ֗ଣϙᏫళҫ٪            (c) δ=0.5











                                  (d) δ=1.0              (e) δ=1.5              (f) δ=2.0
                                                   图 10  本文算法处理结果
                                         Fig. 10 The results of the algorithm in this paper
   110   111   112   113   114   115   116   117   118   119   120