在超声图像散斑噪声抑制领域,通过在传统散斑消散各向异性扩散(SRAD)的扩散系数中引入S形函数,提出了一种新的散斑消减各向异性扩散(NSRAD)。利用分段扩散系数对不同区域的图像特性进行分析,其中扩散系数在均匀区域中接近恒定的一,在过渡区域中Swift下降,然后在强边界区域中接近零。 与传统的SRAD相比,NSRAD在新的扩散函数中受益于S形函数,具有更好的噪声抑制能力,保留细节和弱边缘甚至锐化强边界的能力。 而且,均质区域的控制比和速度控制系数是可调的,通过解决超声图像中均质区域比例不同的问题,很好地满足了不同的应用要求。 在合成和临床图像的实验中验证了所提出模型的性能。 特别是,根据仿真数据对NSRAD和SRAD进行了定量比较,我们证明了NSRAD在同质区域中更有效地抑制斑点,从而失真较小,而在非均质区域中,与SRAD相比,NSRAD可以更有效地增强细节并锐化边缘。