[發明專利]基于稀疏表示的醫學超聲圖像濾波方法

有效

• 申請號: 201210002260.3
• 申請日: 2012-01-06
• 公開（公告）號: CN102592267A
• 公開（公告）日: 2012-07-18
• 發明（設計）人: 郭翌;汪源源
• 申請（專利權）人: 復旦大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 上海正旦專利代理有限公司 31200
• 代理人: 陸飛;盛志范

技術領域

本發明屬于圖像處理技術領域，具體為一種基于稀疏表示的醫學超聲圖像濾波方法。

背景技術

超聲成像因具有無創、實時、可重復性強、診療費用低廉等優點，在醫學臨床診斷中有著重要的應用。但是超聲圖像中存在著大量的斑點，掩蓋了某些細節信息，嚴重影響細微特征的分辨和圖像質量，尤其是使邊緣與細節變得模糊，增加了醫學診斷的難度。

常用的斑點噪聲濾波方法包括局部統計法[1]、中值濾波法[2]、各向異性濾波法[3]和小波濾波法[4]等。這些方法可以不同程度地降低噪聲影響，但仍存在一些問題。對于基于局部特征的濾波算法而言，窗的尺寸和形狀極大地影響濾波效果。此外，閾值的選取也十分關鍵，錯誤的閾值將導致邊緣和細節模糊。

根據上述要求，本發明采用圖像稀疏表示和基于子塊相似度的全局濾波的思想，為醫學超聲圖像濾波提供一種新的方法，可以有效地降低斑點噪聲，且保持其細微結構、邊緣和紋理特性。

發明內容

本發明的目的是提出一種可以有效降低醫學超聲圖像中斑點噪聲的醫學超聲圖像濾波方法。

本發明提出一種的醫學超聲圖像濾波方法，具體步驟為：

1、將二維超聲圖像分成子塊，使用KSVD過完備字典學習算法[5]，對其進行最稀疏分解，求得每個子塊的分解系數及灰度均值；

2、采用基于子塊相似度的全局濾波思想，利用每個子塊的稀疏分解系數，在整幅圖像尋找灰度值和結構相似的候選塊；

3、在所有候選塊中，進一步利用灰度均值矩陣去除那些完全不相關的圖像子塊。通過最終得到的所有最相似子塊，對原圖像子塊內全部像素點一同濾波。對于重疊區域多次濾波的像素點，對其進行均值處理，從而實現整幅圖像的濾波。

下面就本發明方法的各個步驟涉及的相關技術細節作進一步的具體描述。

1、超聲圖像中的斑點噪聲是一種乘性噪聲，服從瑞利分布。設噪聲圖像Y∈R^M×N，M×N為圖像尺寸，f(·)?和η(·)分別代表無噪聲圖像和噪聲，滿足：

Y(i,j)=f(i,j)*η(i,j),?i=1,…M,?j=1,…,N?????????????????????(1)

η(·)獨立于?f(·)，服從瑞利分布：

??????????????????????????(2)

其中σ_η為瑞利分布參數,?η(·)的均值為1。

我們使用KSVD字典學習算法[5]，利用過完備的冗余字典對超聲圖像進行稀疏分解，使得分解后的系數中大部分分量為零，只有少數的非零大系數。這些非零大系數揭示了圖像的內在結構與本質屬性，用較少的系數捕獲感興趣目標重要信息，從而簡化后續的處理任務。

如圖1所示，當噪聲圖像Y∈R^M×N，冗余字典D為L個K維原子的集合，經過稀疏分解后的系數為X，則圖像Y的稀疏表示為：

?????????????????(3)

其中T₀為稀疏度。

首先，對圖像Y進行分塊。利用b×b的滑動窗口(b∈[5,15]的整數)，從上到下，從左到右遍歷整幅圖像，依次提取圖像子塊，并將其轉開為b²×1的列向量。這樣，原圖像Y分成了L個圖像子塊y_i，L=(M-b+1)×(N-b+1)。因此L個圖像子塊的稀疏表示則為：

????????(4)

其中為初始化的隨機字典。系數矩陣X∈，其第i列x_i表示第i個圖像子塊y_i的稀疏分解系數。