[發(fā)明專利]基于Weibull分布的混合高階變分超聲圖像去噪方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010550145.4
• 申請(qǐng)日: 2020-06-16
• 公開（公告）號(hào): CN111815527B
• 公開（公告）日: 2023-10-27
• 發(fā)明（設(shè)計(jì)）人: 崔文超;邵良志;徐德偉;孫水發(fā);吳義熔
• 申請(qǐng)（專利權(quán)）人: 三峽大學(xué)
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00
• 代理公司: 宜昌市三峽專利事務(wù)所 42103
• 代理人: 吳思高

基于Weibull分布的混合高階變分超聲圖像去噪方法，對(duì)超聲圖像進(jìn)行噪聲分布擬合，采用Weibull概率密度函數(shù)，對(duì)選定的圖像局部均勻區(qū)域進(jìn)行灰度直方圖擬合，并對(duì)擬合分布參數(shù)采用最大似然法進(jìn)行估計(jì)；根據(jù)擬合的噪聲分布，推導(dǎo)對(duì)數(shù)真實(shí)無(wú)噪圖像的似然函數(shù)，將似然函數(shù)進(jìn)行負(fù)的對(duì)數(shù)變換，從而得到最小化能量函數(shù)的數(shù)據(jù)保真項(xiàng)；將對(duì)數(shù)真實(shí)無(wú)噪圖像一階正則化表達(dá)式和二階正則化表達(dá)式進(jìn)行加權(quán)融合，構(gòu)建最小化能量函數(shù)的混合高階正則化項(xiàng)；將數(shù)據(jù)保真項(xiàng)和混合高階正則化項(xiàng)形成最小化能量函數(shù)模型，采用Split?Bregman迭代方法進(jìn)行快速求解，迭代收斂后，利用指數(shù)變換得到去噪超聲圖像。本發(fā)明方法能有效降低散斑噪聲的同時(shí)更好地保留圖像的細(xì)節(jié)和邊緣信息，從而增強(qiáng)超聲圖像的視覺(jué)判讀性。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體涉及一種基于Weibull分布的混合高階變分超聲圖像去噪方法。

背景技術(shù)

目前，超聲影像已成為臨床多種疾病診斷的首選方法，并已發(fā)展成為一種能提供多種參數(shù)的系列診斷技術(shù)。超聲成像方法常用來(lái)判斷臟器的位置、大小、形態(tài)，確定病灶的范圍和物理性質(zhì)，提供一些腺體組織的解剖圖，鑒別胎兒的正常與異常，在婦產(chǎn)科及心血管系統(tǒng)、消化系統(tǒng)、泌尿系統(tǒng)的應(yīng)用十分廣泛。超聲成像采用回聲原理，由儀器探頭向人體發(fā)射一束超聲進(jìn)入體內(nèi)，并進(jìn)行線形、扇形或其它形式的掃描，遇到不同聲阻抗的兩種組織的交界面，即有超聲反射回來(lái)，由探頭接收后，經(jīng)過(guò)信號(hào)放大或信息處理，形成人體的斷層圖像。除了反射回波外，人體組織的微小結(jié)構(gòu)作為散射體使聲波產(chǎn)生散射后形成的散射回波也會(huì)被接收，但這部分回波相互干涉通常產(chǎn)生所謂的散斑噪聲。由于該類噪聲的存在，使得圖像分辨率和對(duì)比度嚴(yán)重下降，影響計(jì)算機(jī)輔助的臨床診斷，并為后續(xù)的組織或病灶體分割、識(shí)別、配準(zhǔn)或三維重建等造成極大困難。因此超聲圖像散斑噪聲去除一直是醫(yī)學(xué)成像領(lǐng)域研究的熱點(diǎn)問(wèn)題。

多年來(lái)，國(guó)內(nèi)外學(xué)者致力于超聲圖像的去噪研究，提出了多種不同類型的去噪方法，包括局部空域?yàn)V波、各項(xiàng)異性擴(kuò)散濾波、非局部均值濾波、總變分方法、多尺度方法以及同態(tài)濾波方法等。這些方法，有的去噪效果不夠理想，有的去噪算法復(fù)雜度較高。因此，尋求一種算法簡(jiǎn)單有效且去噪效果較理想的方案，是目前超聲圖像實(shí)時(shí)處理的必要條件，也是去噪算法移植到實(shí)際醫(yī)療設(shè)備的先決條件。

發(fā)明內(nèi)容

本發(fā)明提出了一種基于Weibull分布的混合高階變分超聲圖像去噪方法，通過(guò)擬合超聲圖像均勻區(qū)域得到整體噪聲分布參數(shù)，以此構(gòu)建最小化能量函數(shù)的數(shù)據(jù)保真項(xiàng)；并設(shè)計(jì)自適應(yīng)參數(shù)以及混合高階變分得到正則化項(xiàng)。兩者共同作用，能有效降低散斑噪聲的同時(shí)更好地保留圖像的細(xì)節(jié)和邊緣信息，從而增強(qiáng)超聲圖像的視覺(jué)判讀性。

本發(fā)明采取的技術(shù)方案為：

基于Weibull分布的混合高階變分超聲圖像去噪方法，包括以下步驟：

步驟1：對(duì)超聲圖像進(jìn)行噪聲分布擬合，采用Weibull概率密度函數(shù)，對(duì)選定的圖像局部均勻區(qū)域進(jìn)行灰度直方圖擬合，并對(duì)擬合分布參數(shù)采用最大似然法進(jìn)行估計(jì)；

步驟2：根據(jù)擬合的噪聲分布，推導(dǎo)對(duì)數(shù)真實(shí)無(wú)噪圖像的似然函數(shù)，將似然函數(shù)進(jìn)行負(fù)的對(duì)數(shù)變換，從而得到最小化能量函數(shù)的數(shù)據(jù)保真項(xiàng)；

步驟3：將對(duì)數(shù)真實(shí)無(wú)噪圖像一階正則化表達(dá)式和二階正則化表達(dá)式進(jìn)行加權(quán)融合，構(gòu)建最小化能量函數(shù)的混合高階正則化項(xiàng)，且權(quán)值能根據(jù)圖像邊緣特征自適應(yīng)調(diào)整；

步驟4：將步驟2的數(shù)據(jù)保真項(xiàng)和步驟3的混合高階正則化項(xiàng)形成最小化能量函數(shù)模型，采用Split-Bregman迭代方法進(jìn)行快速求解，迭代收斂后，得到對(duì)數(shù)去噪超聲圖像，最后通過(guò)指數(shù)變換得到去噪超聲圖像。

本發(fā)明一種基于Weibull分布的混合高階變分超聲圖像去噪方法，技術(shù)效果如下：