[發明專利]一種量子啟發的醫學超聲圖像去斑方法

有效

• 申請號: 201410148010.X
• 申請日: 2014-04-14
• 公開（公告）號: CN103955894B
• 公開（公告）日: 2017-04-19
• 發明（設計）人: 付曉薇;王奕;陳黎;田菁;陳芳
• 申請（專利權）人: 武漢科技大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 杭州宇信知識產權代理事務所(普通合伙)33231
• 代理人: 張宇娟

技術領域

本發明屬于計算機圖像處理領域，尤其是涉及一種量子啟發的醫學超聲圖像去斑方法。

背景技術

超聲成像技術是被廣泛應用于醫學診療等領域的重要技術手段，因其相對于其他成像技術所獨有的成本低廉、實時性強、無損檢測等優點，獲得了廣泛應用。但超聲信號在體內的散射會使醫學超聲圖像被斑點噪聲所污染，超聲圖像質量的下降將影響臨床診斷。為了降低醫學超聲圖像的斑點噪聲，同時保持其反映的組織細節、形狀特征，良好的醫學超聲圖像去斑方法必不可少。近年來，醫學超聲圖像去斑方法的研究課題在醫學圖像處理領域受到廣泛關注。大量的代表性醫學超聲圖像去斑方法被提出，并應用于實際的診療中，例如：

Kuan濾波、Frost濾波、Lee濾波等局部統計濾波方法，以及非對數變換的小波域醫學圖像去斑方法GenLik均能夠取得較好的去斑效果，但是此類方法都無法很好地保持原始圖像的細節特征。

Perona、Malik等人提出的基于偏微分方程的各向異性擴散方法，利用偏微分方程模型迭代處理一幅圖像、一個曲面或一條曲線，通過方程的求解得到去噪后的結果。但是該方法需要迭代次數足夠多，計算復雜度大，且不恰當的迭代次數會損失圖像結構信息；而偏微分方程模型本身是病態的，不能保證解的存在性和唯一性。

另外，許多基于離散小波變換(Discrete Wavelet Transform，DWT)的方法通過應用對數變換，將乗性斑點噪聲轉化為獨立于圖像信號的加性白噪聲，再使用閾值法，最后進行對數變換，獲得去斑后的圖像。然而，離散小波變換中的下采樣操作所造成的變化使得小波域中原始圖像信號的非連續性難以保持，也無法提供對超聲圖像尤為重要的相位信息。

同時，2001年美國麻省理工學院的Eldar根據量子力學的理論，提出了量子信號處理理論(Quantum Signal Processing，QSP)，指出信號作為自然界中客觀存在的物理實體，它在物理上也是受量子力學原理約束。如何借鑒和利用量子力學的基本概念與基本理論，充分發揮量子力學具有的相干性、糾纏性以及量子態疊加性等特性，在經典計算機上實現解決圖像處理問題的新方法或改進方法，是基于量子理論的圖像處理的重要研究內容，但是現階段仍無同時應用量子信號處理理論和圖像的固有特征指標相結合來解決超聲圖像去斑問題的方法。

發明內容

本發明針對已有常見醫學超聲圖像去斑方法的不足，提供一種量子啟發的醫學超聲圖像去斑方法，其目的在于利用量子理論和量子信號處理的框架，克服已有醫學超聲圖像去斑方法在去斑能力、圖像細節保持能力、圖像參數無法自適應性確定等方面的不足，提高醫學超聲圖像的質量，提供更好的圖像視覺效果和圖像質量客觀評價指標，方便下一階段的醫學診療。

其具體技術方案如下：一種量子啟發的醫學超聲圖像去斑方法，包括以下步驟：

S1、對輸入的乘性含斑超聲圖像經過對數變換得到加性含噪圖像；

S2、對加性含噪圖像做復小波分解，得到小波系數；

S3、自適應性參數選取：計算噪聲方差、理想圖像信號小波系數概率密度函數的方差和平滑參數；

S4、選取自適應性參數計算量子啟發的自適應調整閾值，對小波系數進行軟閾值處理得到理想圖像信號的小波系數估計值；

S5、用理想圖像信號的小波系數估計值進行復小波重構，得到經過軟閾值處理后的小波系數估計值所對應的圖像灰度值；

S6、對圖像灰度值進行指數變換，補償步驟S1中的對數變換，獲得完整的去斑操作后的醫學超聲圖像。

進一步的，所述步驟S3中，

S31、計算噪聲方差σ_n包括：

所述加性含噪圖像的小波系數Y是理想圖像信號小波系數X和噪聲小波系數N的疊加，即Y＝X+N；

復數N服從方差為σ_n的高斯分布，對于不同的輸入圖像I，其噪聲小波系數N的概率密度函數不同，即N服從不同方差σ_n的高斯分布；用高頻子帶Y第一層45°方向上的小波系數的模得到噪聲方差σ_n；

進一步的，所述步驟S3中：

S32、使用最小二乘法計算理想圖像信號小波系數概率密度函數的方差σ和平滑參數S：

復數X服從帶平滑參數S、方差為σ的改進的拉普拉斯分布；X_r是X的實部，X_i是X的虛部：