[發(fā)明專利]基于bitonic濾波與分解框架的醫(yī)學(xué)超聲圖像去噪方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201811111944.0
• 申請(qǐng)日: 2018-09-21
• 公開(kāi)（公告）號(hào): CN109360162A
• 公開(kāi)（公告）日: 2019-02-19
• 發(fā)明（設(shè)計(jì)）人: 張聚;呂金城;陳堅(jiān);周海林
• 申請(qǐng)（專利權(quán)）人: 浙江工業(yè)大學(xué)之江學(xué)院
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00
• 代理公司: 杭州天正專利事務(wù)所有限公司 33201
• 代理人: 王兵;黃美娟

1.基于bitonic濾波與分解框架的醫(yī)學(xué)超聲圖像去噪方法，步驟如下：

步驟1)將圖像通過(guò)分解框架分解；

對(duì)超聲圖像I進(jìn)行分解，分解后能得到三個(gè)分量C1,C2,C3，分解的公式如下：

分量C1與C3是將圖像不同的信息分開(kāi)來(lái)，分別包含了圖像的細(xì)節(jié)和近似信息，C2始終為0分量，其中算子K的定義公式如下：

上式中λ為平滑參數(shù)，I_x為圖像I在(x,y)點(diǎn)關(guān)于x的偏導(dǎo)，I_y為圖像I在(x,y)點(diǎn)關(guān)于y的偏導(dǎo)，▽I為圖像I在(x,y)點(diǎn)的梯度，經(jīng)實(shí)驗(yàn)得出λ最合適的值為0.001，在I_x與I_y都為零的點(diǎn)，K設(shè)為單位矩陣；上式中，圖像I位于(x,y)點(diǎn)的梯度值計(jì)算公式如下：

步驟2)構(gòu)造一個(gè)rank濾波器；

將先構(gòu)造一個(gè)將要用在下面的步驟中的rank濾波器，該濾波器的作用是將圖像的局部區(qū)域所有的像素值排序后選定需要的位置的像素代替圖像局部區(qū)域中心的像素值，其計(jì)算公式如下：

rank_w,c(x)＝c^thcentile{x_i},i∈w (4)

上式中參數(shù)w為局部窗口大小，參數(shù)c為排序后選取的序號(hào)，局部窗口大小w的選擇影響著圖片被濾波器平滑的程度，而參數(shù)c大小的選擇是決定了對(duì)圖像細(xì)節(jié)的保留程度，一般最好的效果是c選在10的時(shí)候，較低的c可以以一些輕微的非線性失真為代價(jià)來(lái)保持孤立的精細(xì)細(xì)節(jié)，20或更高的值對(duì)修復(fù)含有椒鹽噪聲的圖像十分有效，不過(guò)也會(huì)更多的丟失圖像原本的細(xì)節(jié)部分；對(duì)C1,C3兩個(gè)分量w的值選為3，對(duì)于C1分量，c的值選為10，而對(duì)于C3分量，c的值選為20；

步驟3)對(duì)C1,C3分量進(jìn)行形態(tài)學(xué)開(kāi)、閉操作；

用步驟2)中構(gòu)造的rank濾波對(duì)兩個(gè)分量進(jìn)行形態(tài)學(xué)開(kāi)操作和閉操作來(lái)得到一個(gè)開(kāi)變量Open和閉變量Close，計(jì)算開(kāi)變量公式如下：

Open_w,c(x)＝rank_w,100-c(rank_w,c(x)) (5)

計(jì)算閉變量的公式如下：

Close_w,c(x)＝rank_w,c(rank_w,100-c(x)) (6)

式(5)，(6)中變量x即輸入的圖像，參數(shù)w，c即為步驟2)中介紹的rank濾波器的參數(shù)；將分量圖像C1,C3作為上式中的變量x代入上式可得開(kāi)變量OC1、OC3,和閉變量CC1,CC3；

步驟4)計(jì)算開(kāi)、閉誤差并對(duì)其進(jìn)行平滑；

計(jì)算出經(jīng)過(guò)開(kāi)、閉操作后的圖片與原圖相減后取絕對(duì)值作為開(kāi)、閉操作誤差值，分別為開(kāi)誤差EOpen和閉誤差EClose，并將這兩個(gè)變量與適當(dāng)長(zhǎng)度的高斯核進(jìn)行卷積，得到平滑后的開(kāi)、閉誤差，高斯核的長(zhǎng)度與前面選定的rank濾波的窗口大小相關(guān)，開(kāi)誤差計(jì)算式如下：

EOpen(x)＝|G(x-Open_w,c(x))| (7)

閉誤差的計(jì)算式如下：

EClose(x)＝|G(Close_w,c(x)-x)| (8)

上式中x為輸入圖像，函數(shù)G(.)為高斯平滑函數(shù)；將步驟3)中得到的開(kāi)變量OC1、OC3,和閉變量CC1,CC3帶入式(6)、(7)，得到分別對(duì)應(yīng)于C1,C3變量的平滑后的開(kāi)誤差EOC1、EOC3和閉誤差ECC1、ECC3；

步驟5)對(duì)經(jīng)過(guò)開(kāi)閉運(yùn)算后的C1，C3通過(guò)分量開(kāi)、閉誤差加權(quán)求和公式得到bitonic濾波后的分量Crec1，Crec3；

根據(jù)bitonic濾波的最后一步的計(jì)算公式：

將以上步驟中計(jì)算得到的開(kāi)閉變量OC1,OC3,CC1,CC3，和開(kāi)閉誤差EOC1,EOC3,ECC1,ECC3代入上式中，可得到分量C1,C3經(jīng)過(guò)bitonic濾波后的分量Crec1,Crec3；

步驟6)對(duì)分量Crec1，Crec3進(jìn)行逆變換得到最后的去噪圖像；

經(jīng)過(guò)濾波之后的各分量可經(jīng)過(guò)逆變換合并成最終的去噪圖像，逆變換的公式如下：

上式中，K是步驟1)中由圖像梯度和偏導(dǎo)構(gòu)成的算子，將其與濾波后的分量中的像素值組成的矩陣相乘，得到包含最終去噪圖像像素的矩陣，公式是將每個(gè)圖像中的某點(diǎn)像素代入，計(jì)算出合成后的該點(diǎn)的像素值，最終得到的去噪圖像的像素值即為上式中的I(x,y)。