Volume 2,Issue 1
Fall 2025
基于注意力增强和结构信息蒸馏的超声图像斑点噪声抑制
现有方法虽能抑制斑点噪声，但在平滑图像的同时往往难以充分保护细节信息。本文提出一种结合注意力增强和结构信息蒸馏的超声图像去噪算法。首先，利用结合 UNet 和注意力增强机制的去噪网络对超声图像中的斑点噪声进行有效抑制；其次，利用预训练网络 ResNet-34从含噪超声图像和去噪后图像中提取多尺度特征。最后，基于这些多尺度特征构建结构信息蒸馏损失函数，该损失函数作为优化斑点噪声抑制网络的核心指导。所提方法在公开超声图像数据集上进行评估，实验结果验证了其有效性。
[1] 方宏道 , 周颖玥 , 林茂松 . 基于贝叶斯非局部平均滤波的超声图像斑点噪声抑制算法 [J]. 计算机应用 , 2018, 38(3): 848-853.
[2] 邵党国 , 邓阳阳 , 相艳 , 等 . 基于自适应高斯滤波的超声斑点降噪 [J]. 数据采集与处理 ,2017,32(04):746-753.
[3] 净亮 , 邵党国 , 相艳 , 等 . 基于支持向量机的自适应均值滤波超声图像降噪 [J]. 电子测量与仪器学报 ,2020,34(03):1-8.DOI:10.13382/j.jemi.B1902622.
[4] 刘春明 , 张相芬 , 陈武凡 . 基于小波的医学超声图像斑点噪声抑制方法 [J]. 中国医学物理学杂志 ,2006,(05):364-367+394.
[5] 郭业才 , 王绍波 . 基于维纳滤波与小波相融合的超声医学图像去噪方法 [J]. 中国医学影像技术 ,2009,25(08):1496-1499.
[6] 徐立 , 贾楠 , 高琦 , 等 . 基于小波变换与 SRAD 融合的医学超声图像斑点噪声抑制 [J]. 计算机测量与控制 ,2024,32(12):184-190.
[7] 郭业才 , 王绍波 . 基于维纳滤波与小波相融合的超声医学图像去噪方法 [J]. 中国医学影像技术 ,2009,25(08):1496-1499.
[8] 付晓薇 , 杨雪飞 , 陈芳 , 等 . 一种基于深度学习的自适应医学超声图像去斑方法 [J]. 电子与信息学报 , 2020, 42(7): 1782-1789.
[9] 熊晨辰 , 蒋卫丽 , 贾立中 , 等 . 基于双注意力机制的医学超声图像降噪模型 [J]. 激光与光电子学进展 ,2022,59(02):411-420.
[10] 曾宪华 , 李彦澄 , 高歌 , 等 . 基于残差编解码器的通道自适应超声图像去噪方法 [J]. 电子与信息学报 , 2022, 44(7): 2547-2558.
[11]Kokil, P., Sudharson, S.: Despeckling of clinical ultrasound images using deep residual learning. Comput. Methods Programs Biomed, 2020, 194, 105477 .
[12]Chen Y , Guo Z .TranSpeckle: An edge ‐protected transformer for medical ultrasound image despeckling[J].IET image processing, 2023, 17(14):4014-4027.
[13]Kavand A, Bekrani M. Speckle noise removal in medical ultrasonic image using spatial filters and DnCNN[J]. Multimedia Tools and Applications, 2024, 83(15): 45903-45920.
[14]Patil N, Deshpande M M, Pawar V N, et al. Enhanced U-net architecture for ultrasound image speckle reduction[C]//AIP Conference Proceedings. AIP Publishing, 2024, 3214(1).
[15]Sharif SMA, Naqvi RA, Biswas M. Learning Medical Image Denoising with Deep Dynamic Residual Attention Network. Mathematics, 2020, 8(12):2192.