[發(fā)明專利]超聲圖像混合噪聲自適應(yīng)抑制方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201310722532.1
• 申請(qǐng)日: 2013-12-24
• 公開(kāi)（公告）號(hào): CN104103041B
• 公開(kāi)（公告）日: 2017-12-22
• 發(fā)明（設(shè)計(jì)）人: 周智峰;白寶平;鄒慧玲;何剛
• 申請(qǐng)（專利權(quán)）人: 北京華科創(chuàng)智健康科技股份有限公司;北京新松佳和電子系統(tǒng)股份有限公司
• 主分類(lèi)號(hào): G06T5/00
• 分類(lèi)號(hào): G06T5/00
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

技術(shù)領(lǐng)域

本發(fā)明涉及到圖像處理技術(shù)，特別涉及超聲成像中的圖像數(shù)據(jù)處理技術(shù)，尤其是一種超聲去噪的方法。

背景技術(shù)

超聲圖像中存在的噪聲可分為加性噪聲和乘性噪聲。加性噪聲一般為高斯噪聲，乘性噪聲為散斑噪聲。在超聲成像中，當(dāng)人體組織結(jié)構(gòu)尺寸與入射超聲波波長(zhǎng)相近或者小于波長(zhǎng)時(shí)，超聲束發(fā)生散射。相位不同的散射回波相互干涉產(chǎn)生斑點(diǎn)噪聲。它降低了超聲圖像的質(zhì)量，使對(duì)比度較低的軟組織中的正常組織和腫瘤病變得不易分別。現(xiàn)有的針對(duì)超聲圖像的噪聲抑制方法主要分為空域?yàn)V波和變換域?yàn)V波兩類(lèi)。

空域?yàn)V波器主要包括Lee、Kun、Frost等人提出的一系列基于局部統(tǒng)計(jì)特性的空域?yàn)V波器，此類(lèi)濾波器利用了圖像局部統(tǒng)計(jì)參數(shù)，在抑制圖像中噪聲時(shí)，可在一定程度上保留圖像邊緣，Yu提出的斑點(diǎn)噪聲各向異性擴(kuò)散模型SARS算法，在圖像中平坦區(qū)進(jìn)行平滑濾波，而在圖像的邊緣細(xì)節(jié)區(qū)域算法對(duì)細(xì)節(jié)信息進(jìn)行保留。這類(lèi)濾波的效果需要依賴于濾波窗口大小和方向的選擇，且同質(zhì)區(qū)和異質(zhì)區(qū)的斑點(diǎn)特征不一，去噪效果不穩(wěn)定。同質(zhì)區(qū)能很好的抑制散斑噪聲，而異質(zhì)區(qū)會(huì)造成邊緣及現(xiàn)狀目標(biāo)的模糊，對(duì)邊緣和細(xì)節(jié)特種的保持不夠理想。

在基于變換域?yàn)V波的超聲圖像降噪方法中，最為廣泛應(yīng)用的方法是基于小波變換的降噪技術(shù)。應(yīng)用小波變換對(duì)圖像進(jìn)行多分辨率分析方法，改善了在空域和頻域中圖像信號(hào)與噪聲提取和分離的難題。小波變換軟閾值收縮法，利用軟閾值處理對(duì)噪聲的系數(shù)進(jìn)行濾除；基于貝葉斯估計(jì)的降噪方法針對(duì)對(duì)數(shù)變換后超聲圖像的小波系數(shù)，利用最小均方誤差檢測(cè)或最大后驗(yàn)概率檢測(cè)理論結(jié)合對(duì)信號(hào)和噪聲的分布概率模型作參數(shù)化近似，可在降噪濾波中盡可能好的保留圖像信號(hào)。

但是現(xiàn)有技術(shù)采用以上的方法對(duì)超聲圖像中的斑點(diǎn)噪聲進(jìn)行抑制時(shí)，很難保證在有效的抑制噪聲的同時(shí)能保證圖像中的細(xì)節(jié)信息不會(huì)被破壞。

針對(duì)相同圖像不同算法存在不同的優(yōu)缺點(diǎn)，將圖像按平穩(wěn)程度分為不同子圖，分別對(duì)不同子圖進(jìn)行不同的處理，充分的利用算法的優(yōu)越性，達(dá)到更好的效果。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種去除超聲圖像中噪聲的混合算法處理圖像中的加性噪聲和乘性噪聲，利用K近鄰加權(quán)均值濾波保護(hù)邊緣、空域?yàn)V波在同質(zhì)區(qū)域能夠有效抑制噪聲以及小波變換在降噪中能夠很好的保護(hù)細(xì)節(jié)等特點(diǎn)，通過(guò)設(shè)計(jì)鄰域的范圍和權(quán)值，對(duì)圖像中像素點(diǎn)進(jìn)行計(jì)算和劃分并進(jìn)行不同的處理，以自適應(yīng)地實(shí)現(xiàn)對(duì)圖像噪聲的充分抑制和對(duì)細(xì)節(jié)信息的有效保留。

一種超聲圖像混合噪聲自適應(yīng)抑制方法，該方法包括：

步驟1.讀取超聲圖像，獲得超聲圖像數(shù)據(jù)；

步驟2.K近鄰加權(quán)均值濾波；

步驟3.對(duì)濾波后的圖像進(jìn)行對(duì)數(shù)變換；

步驟4.對(duì)對(duì)數(shù)圖像中的每個(gè)像素點(diǎn)進(jìn)行特征判斷；

步驟5.根據(jù)像素點(diǎn)的特征信息將圖像分成平穩(wěn)區(qū)域和細(xì)節(jié)區(qū)域，并標(biāo)記為A和B；

步驟6.分別對(duì)A、B兩個(gè)部分進(jìn)行不同的濾波處理；

步驟7.對(duì)處理后的圖像進(jìn)行指數(shù)變換；

步驟8.輸出處理后的超聲圖像數(shù)據(jù)，顯示圖像。

作為本發(fā)明的進(jìn)一步技術(shù)方案，步驟4進(jìn)一步包括，

步驟41.計(jì)算各個(gè)像素點(diǎn)與周?chē)茍A形鄰域的加權(quán)均值差異；

步驟42.計(jì)算各個(gè)像素點(diǎn)與周?chē)茍A形鄰域加權(quán)均值差異的方差。

作為本發(fā)明的進(jìn)一步技術(shù)方案，步驟5進(jìn)一步包括，

步驟51.像素點(diǎn)與周?chē)茍A形鄰域的加權(quán)均值差異小于閾值T1，加權(quán)均值差異方差大于T2,則認(rèn)為是平穩(wěn)點(diǎn)，標(biāo)記圖像中所有平穩(wěn)點(diǎn)為平穩(wěn)區(qū)域A；

步驟52.圖像中除了平穩(wěn)點(diǎn)外，剩余的點(diǎn)都為細(xì)節(jié)點(diǎn)，將所有細(xì)節(jié)點(diǎn)標(biāo)記為細(xì)節(jié)區(qū)域B。

作為本發(fā)明的進(jìn)一步技術(shù)方案，步驟6進(jìn)一步包括，

步驟61.對(duì)平穩(wěn)區(qū)域A進(jìn)行空域各向同性濾波處理；

步驟62.對(duì)平穩(wěn)區(qū)域B進(jìn)行小波變換軟閾值濾波處理。

步驟63.對(duì)處理后的區(qū)域A和區(qū)域B相加合成新圖像。

附圖說(shuō)明

圖1.本發(fā)明超聲圖像去噪方法的一種實(shí)施流程圖；

圖2.本發(fā)明超聲圖像去噪方法的另一種實(shí)施流程圖；

圖3.像素點(diǎn)鄰域計(jì)算權(quán)值的示意圖；

圖4.K近鄰加權(quán)均值濾波模板(像素3×3，K＝5)。

具體實(shí)施方式

本發(fā)明的具體實(shí)施方式如圖2所示：

101.讀取超聲圖像，獲得圖像數(shù)據(jù)；

獲取的圖像中存在著加性噪聲和乘性噪聲，設(shè)沒(méi)有經(jīng)過(guò)噪聲污染的原圖像為g(x,y)，噪聲n(x,y)可看作對(duì)每個(gè)像素點(diǎn)灰度的干擾，噪聲干擾后的圖像f(x,y)可表示為：