[發(fā)明專利]一種適用于超聲圖像去噪的自適應(yīng)加權(quán)混合總變分方法

有效

• 申請?zhí)枺?/td>: 202011496815.5
• 申請日: 2020-12-17
• 公開（公告）號: CN112561820B
• 公開（公告）日: 2023-10-27
• 發(fā)明（設(shè)計）人: 崔文超;邵良志;徐德偉;孫水發(fā);吳義熔
• 申請（專利權(quán)）人: 三峽大學(xué)
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 宜昌市三峽專利事務(wù)所 42103
• 代理人: 成鋼

1.一種適用于超聲圖像去噪的自適應(yīng)加權(quán)混合總變分方法，其特征在于，包括以下步驟：

Step1、根據(jù)超聲圖像成像模型，采用最大后驗概率準則，推導(dǎo)出適用于超聲圖像去噪的通用第一凸能量泛函，該通用第一凸能量泛函包括一個數(shù)據(jù)保真項和一個待定的正則化項；

Step2、將Step1中待定的正則化項采用一階總變分、二階總變分和兩個自適應(yīng)加權(quán)函數(shù)來構(gòu)造，形成自適應(yīng)加權(quán)混合總變分項，自適應(yīng)加權(quán)混合總變分項包括三個子項，分別為一階加權(quán)總變分、二階加權(quán)總變分和自適應(yīng)加權(quán)函數(shù)保真項；

Step3、將Step1中的數(shù)據(jù)保真項和Step2中的自適應(yīng)加權(quán)混合總變分項組合成第二凸能量泛函，第二凸能量泛函包括3個變量，分別為對數(shù)真實無噪圖像和Step2中的兩個自適應(yīng)加權(quán)函數(shù)；

Step4、采用Split Bregman迭代方法對Step3中的第二凸能量泛函作全局最小化求解，迭代收斂后得到對數(shù)真實無噪圖像的最優(yōu)估計和兩個自適應(yīng)加權(quán)函數(shù)的最優(yōu)值，最后將對數(shù)真實無噪圖像的最優(yōu)估計作指數(shù)變換即得到最終的去噪超聲圖像。

2.根據(jù)權(quán)利要求1所述的一種適用于超聲圖像去噪的自適應(yīng)加權(quán)混合總變分方法，其特征在于，所述的Step1中超聲圖像成像模型表達式為：

其中f表示觀察圖像(或含噪圖像)，u表示真實無噪圖像，n表示乘性噪聲，則對于圖像域Ω中的像素點(x,y)∈Ω；

定義乘性噪聲n為零均值、方差為σ²的高斯噪聲，則概率密度函數(shù)p_N(n)滿足表達式為：

其中，exp()為指數(shù)函數(shù)；

假定超聲圖像所有像素滿足獨立同分布，則超聲圖像去噪可建模為真實無噪圖像u的最大后驗概率估計問題，即：

其中表示連乘符號，p(u|f)為真實無噪圖像u的后驗概率；

由貝葉斯準則可得：

其中∝為正比符號，p(f|u)為觀察圖像的條件概率，p(u)為真實無噪圖像u的先驗概率；

利用負對數(shù)變換，上式的最大化問題轉(zhuǎn)化成最小化表達式為：

由超聲圖像的成像模型和已知的乘性高斯噪聲分布，可推導(dǎo)觀察圖像的條件概率p(f|u)滿足表達式為：

真實無噪圖像u的先驗概率p(u)滿足吉布斯分布，表達式為：

其中，Z為分布函數(shù)歸一化常數(shù)，φ(u)為待定的凸特征函數(shù)，α為正則化參數(shù)；

將觀察圖像f的條件概率p(f|u)和真實無噪圖像u的先驗概率p(u)代入最小化表達式，忽略常數(shù)項后可得通用能量泛函：

其中E(u)為非凸能量泛函，表達式為：

其中第一項為數(shù)據(jù)保真項，記為F(u)，具有非凸性，第二項為待定的正則化項，記為R(u)，具有凸性；

作為非凸能量泛函E(u)，最小化過程易陷入局部最優(yōu)解，采用變量代換z＝logu，可將非凸能量泛函E(u)變?yōu)檫m用于超聲圖像去噪的通用第一凸能量泛函：

其中，E(z)為凸能量泛函，其表達式為：

其中，z稱為對數(shù)真實無噪圖像，F(xiàn)(z)為關(guān)于z的數(shù)據(jù)保真項，其具有凸性，R(z)為關(guān)于z的待定的正則化項，也具有凸性。