[發(fā)明專利]一種適用于超聲圖像去噪的自適應加權混合總變分方法

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（設計）人: 崔文超;邵良志;徐德偉;孫水發(fā);吳義熔
• 申請（專利權）人: 三峽大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 宜昌市三峽專利事務所 42103
• 代理人: 成鋼

一種適用于超聲圖像去噪的自適應加權混合總變分方法,包括通過超聲圖像成像模型和已知的乘性高斯噪聲分布，采用最大后驗概率估計理論推導出適用于超聲圖像去噪的通用最小化凸能量泛函；將通用凸能量泛函的正則化項采用一階總變分、二階總變分和自適應加權函數(shù)融合形成自適應加權混合總變分項，從而得到本發(fā)明方法的凸能量泛函。將凸能量泛函采用Split?Bregman算法進行最小化求解，迭代過程中交替實現(xiàn)超聲圖像的去噪和自適應加權函數(shù)的優(yōu)化，最終得到的去噪超聲圖像在有效降低散斑噪聲的同時能更好地保留超聲圖像細節(jié)和邊緣信息，從而有效提高超聲圖像的視覺判讀性。

技術領域

本發(fā)明涉及圖像處理技術領域，具體涉及一種適用于超聲圖像去噪的自適應加權混合總變分方法。

背景技術

超聲成像在醫(yī)學診斷、工業(yè)無損檢測、海洋探測以及現(xiàn)代海戰(zhàn)等諸多領域均有廣泛的且不可替代的重要應用。而在臨床診斷方面因其低風險、低成本、方便快捷等特性，一般被應用于確定占位病變的物理性質(zhì)，檢查臟器的形態(tài)大小及結構，檢測積液、血流，測定心功能，監(jiān)測胎兒生長發(fā)育，健康體檢、防癌普查等多個方面。其原理是利用超聲波的物理特性和人體器官組織聲學性質(zhì)上的差異，根據(jù)入射聲波的回波返回時間和產(chǎn)生振幅強弱來顯示和記錄人體的斷面超聲影像。由于人體各種器官與組織都有特定的聲阻抗和衰減特性，非目標區(qū)域作為散射體使聲波產(chǎn)生散射后形成的散射回波也會被接收，這部分回波相互干涉通常產(chǎn)生所謂的散斑噪聲，該噪聲在數(shù)學模型上往往比較復雜，對成像質(zhì)量影響更大，嚴重影響對診斷的判讀，并為后續(xù)的組織或病灶體分割、識別、配準或三維重建等造成極大困難。因此，有效去除散斑噪聲是超聲診斷的重要預處理環(huán)節(jié)。

在各種圖像去噪算法的研究中，基于偏微分方程的變分去噪算法具有強大的數(shù)學分析基礎，擁有完善的理論分析和數(shù)值計算體系等優(yōu)勢，能夠直接對圖像的梯度、法向矢量、切向矢量等幾何特征進行處理，適用于高維計算，滿足醫(yī)學圖像中對高維度研究的需求；且在去噪的同時具有良好的保持邊緣能力，因而得到廣泛應用。并且該方法具備良好的移植性，在算法復雜度與運行效率的考量下能夠移植實際醫(yī)療設備。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術問題是提供一種適用于超聲圖像去噪的自適應加權混合總變分方法，采用Split-Bregman算法進行最小化求解，迭代過程中交替實現(xiàn)超聲圖像的去噪和自適應加權函數(shù)的優(yōu)化，最終得到的去噪超聲圖像在有效降低散斑噪聲的同時能更好地保留超聲圖像細節(jié)和邊緣信息，從而有效提高超聲圖像的視覺判讀性。

為解決上述技術問題，本發(fā)明所采用的技術方案是：

一種適用于超聲圖像去噪的自適應加權混合總變分方法，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加權函數(shù)來構造，形成自適應加權混合總變分項，自適應加權混合總變分項包括三個子項，分別為一階加權總變分、二階加權總變分和自適應加權函數(shù)保真項；

Step3、將Step1中的數(shù)據(jù)保真項和Step2中的自適應加權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中的兩個自適應加權函數(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)估計和兩個自適應加權函數(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。

上述的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；