專利名稱：基于多尺度各項異性擴(kuò)散的超聲醫(yī)學(xué)圖像散斑噪聲抑制方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種超聲圖像散斑噪聲抑制方法。
背景技術(shù)：
超聲成像技術(shù)現(xiàn)廣泛用于對諸如心臟的體內(nèi)結(jié)構(gòu)進(jìn)行成像。由于成像的物理因 素，相干波的疊加形成散斑噪聲，嚴(yán)重影響了圖像質(zhì)量，尤其是使邊緣和細(xì)節(jié)變得模糊，降 低了圖像的可觀性和分割精度，限制了超聲醫(yī)學(xué)圖像在臨床診斷中的進(jìn)一步應(yīng)用。對超聲 圖像進(jìn)行降噪處理，可以為圖像分割、斑點(diǎn)追蹤等后續(xù)處理提供更有利的條件。因此，研究 在保持圖像邊緣和細(xì)節(jié)信息的基礎(chǔ)上有效抑制散斑噪聲，有助于提高臨床診斷的準(zhǔn)確性， 具有重要意義。從目前在該領(lǐng)域內(nèi)對超聲醫(yī)學(xué)圖像進(jìn)行噪聲抑制的方法來看，主要有空域濾波、 小波變換和各向異性擴(kuò)散算法等?？沼驗V波主要指鄰域平均法和中值濾波等技術(shù)，其本質(zhì) 是根據(jù)像素點(diǎn)鄰域窗口內(nèi)的信息確定一個新值來取代原值，在抑制噪聲的同時往往會引起 圖像的模糊和重要細(xì)節(jié)的丟失，限制了處理的效果?；谛〔ㄗ儞Q的方法將超聲圖像變換 到小波域，通過閾值方法去除某些小波系數(shù)，再逆變換以去除噪聲，該方法主要用于加性噪 聲的去除，對于如散斑噪聲等乘性噪聲閾值難以確定。基于各向異性擴(kuò)散方程的降噪技術(shù) 使用選擇性擴(kuò)散方式，在圖像的噪聲處有較大的擴(kuò)散系數(shù)，有利于圖像的平滑，而在邊緣處 有較小的擴(kuò)散系數(shù)，保持了圖像的細(xì)節(jié)，但超聲圖像中，由于乘性噪聲的影響，難以從灰度 變化上準(zhǔn)確的區(qū)分圖像的邊緣和噪聲，加大了算法的難度。各項異性擴(kuò)散的過程可通過小波變換的方式來實(shí)現(xiàn)，過程如圖7所示，將分解得 到的小波系數(shù)逐一加權(quán)后再進(jìn)行逆變換輸出結(jié)果，相當(dāng)于在多個尺度下進(jìn)行各向異性擴(kuò) 散。該方法能夠在多尺度下對圖像進(jìn)行處理，結(jié)果更加精確，同時繼承了各向異性擴(kuò)散能夠 保持圖像細(xì)節(jié)的特點(diǎn)，不失為超聲圖像處理的好辦法。該方法中，如何針對超聲醫(yī)學(xué)圖像 的特點(diǎn)選用合適的邊緣檢測器，以及如何調(diào)整擴(kuò)散參數(shù)是關(guān)系到降噪質(zhì)量好壞的最關(guān)鍵問 題。

發(fā)明內(nèi)容
本發(fā)明為了解決現(xiàn)有基于各向異性擴(kuò)散方程的降噪技術(shù)使用梯度檢測邊緣的方 法易受乘性噪聲影響，難以從灰度變化上準(zhǔn)確區(qū)分圖像邊緣和噪聲的問題，而提出的基于 多尺度各項異性擴(kuò)散的超聲醫(yī)學(xué)圖像散斑噪聲抑制方法?；诙喑叨雀黜棶愋詳U(kuò)散的超聲醫(yī)學(xué)圖像散斑噪聲抑制方法，所述方法由如下步 驟完成步驟一使用Mallat定義的二次樣條小波濾波器對圖像進(jìn)行非抽樣小波分解，得 到三個尺度下的近似分量，水平方向的小波系數(shù)和豎直方向的小波系數(shù)，計算小波系數(shù)標(biāo) 準(zhǔn)模值M' / ；
步驟二 判斷是否為首次迭代；是，則用混合瑞利模型來模擬圖像扇形掃描區(qū)內(nèi) 小波系數(shù)標(biāo)準(zhǔn)模值M' jf的分布，并設(shè)定出每個尺度下模型參數(shù)的值，執(zhí)行步驟三；否，則 跳到步驟四；步驟三使用極大似然分類的方法得出各尺度下的噪聲平穩(wěn)區(qū)域；步驟四通過計算每個尺度下噪聲區(qū)域內(nèi)W jf的均值確定擴(kuò)散閾值；并將該擴(kuò) 散閾值代入擴(kuò)散函數(shù)求得擴(kuò)散參數(shù)Pj ；步驟五用步驟四求得的擴(kuò)散參數(shù)h對步驟一分解得到的小波系數(shù)進(jìn)行加權(quán)計 算，然后對圖像進(jìn)行小波逆變換，完成一次多尺度各向異性擴(kuò)散過程；步驟六比較相鄰兩次迭代過程中的擴(kuò)散閾值，判斷它們之間相差的百分比是否 小于閾值th ；是，則抑制完成；否，則返回步驟一進(jìn)行下次迭代。本發(fā)明排除了乘性噪聲影響，可以從圖像灰度變化上更加準(zhǔn)確地區(qū)分圖像邊緣和 噪聲。本發(fā)明所述方法在多尺度下對圖像進(jìn)行處理，結(jié)果更加精確，同時繼承了各向異性擴(kuò) 散能夠保持圖像細(xì)節(jié)的特點(diǎn)。本發(fā)明可廣泛適用于各種需要對超聲圖像進(jìn)行處理的場合。


圖1為本發(fā)明所述方法的流程圖2為實(shí)際圖像中相同尺度下標(biāo)準(zhǔn)模值的分布直方圖與混合瑞利分布模型曲線的 比較示意圖，圖中實(shí)心點(diǎn)為標(biāo)準(zhǔn)模值的分布直方圖，曲線為混合瑞利分布概率密度曲線； 圖3為擴(kuò)散閾值隨迭代次數(shù)的變化情況； 圖4為原始未處理的超聲圖像； 圖5為采用本發(fā)明所述方法當(dāng)k = 0. 5時輸出的圖像； 圖6為采用本發(fā)明所述方法當(dāng)k = 2時輸出的圖像； 圖7為用小波變換實(shí)現(xiàn)一次多尺度各向異性擴(kuò)散的示意框圖。
具體實(shí)施例方式具體實(shí)施方式
一結(jié)合圖1至圖7至說明本實(shí)施方式，所述方法由如下步驟完成步驟一使用Mallat定義的二次樣條小波濾波器對圖像進(jìn)行非抽樣小波分解，得 到三個尺度下的近似分量，水平方向的小波系數(shù)和豎直方向的小波系數(shù)，計算小波系數(shù)標(biāo) 準(zhǔn)模值M' / ；步驟二 判斷是否為首次迭代；是，則用混合瑞利模型來模擬圖像扇形掃描區(qū)內(nèi) 小波系數(shù)標(biāo)準(zhǔn)模值M' jf的分布，并設(shè)定出每個尺度下模型參數(shù)的值，執(zhí)行步驟三；否，則 跳到步驟四；步驟三使用極大似然分類的方法得出各尺度下的噪聲平穩(wěn)區(qū)域；步驟四通過計算每個尺度下噪聲區(qū)域內(nèi)W jf的均值確定擴(kuò)散閾值；并將該擴(kuò) 散閾值代入擴(kuò)散函數(shù)求得擴(kuò)散參數(shù)Pj ；步驟五用步驟四求得的擴(kuò)散參數(shù)Pj對步驟一分解得到的小波系數(shù)進(jìn)行加權(quán)計 算，然后對圖像進(jìn)行小波逆變換，完成一次多尺度各向異性擴(kuò)散過程；步驟六比較相鄰兩次迭代過程中的擴(kuò)散閾值，判斷它們之間相差的百分比是否 小于閾值th ；是，則抑制完成；否，則返回步驟一進(jìn)行下次迭代。
步驟一中小波系數(shù)標(biāo)準(zhǔn)模值M' /采用如下算法得到首先計算小波系數(shù)模
權(quán)利要求
1.基于多尺度各項異性擴(kuò)散的超聲醫(yī)學(xué)圖像散斑噪聲抑制方法，其特征在于所述方法 由如下步驟完成步驟一使用Mallat定義的二次樣條小波濾波器對圖像進(jìn)行非抽樣小波分解，得到三 個尺度下的近似分量，水平方向的小波系數(shù)和豎直方向的小波系數(shù)，計算小波系數(shù)標(biāo)準(zhǔn)模
2.根據(jù)權(quán)利要求1所述的基于多尺度各項異性擴(kuò)散的超聲醫(yī)學(xué)圖像散斑噪聲抑制方 法，其特征在于步驟一中歸一化小波系數(shù)標(biāo)準(zhǔn)模值M' /采用如下算法得到首先計算小波系數(shù)模
3.根據(jù)權(quán)利要求2所述的基于多尺度各項異性擴(kuò)散的超聲醫(yī)學(xué)圖像散斑噪聲抑制 方法，其特征在于步驟二中用混合瑞利模型來模擬圖像扇形掃描區(qū)內(nèi)小波系數(shù)標(biāo)準(zhǔn)模值 M' /分布的方法為邊緣和噪聲處的標(biāo)準(zhǔn)模值M' /分別服從方差為<和σ 2的瑞利分布，概率密度函數(shù)分別由Pe(X)和Pn(X)表示
4.根據(jù)權(quán)利要求3所述的基于多尺度各項異性擴(kuò)散的超聲醫(yī)學(xué)圖像散斑噪聲抑制方 法，其特征在于步驟三使用極大似然分類的方法得出各尺度下的噪聲平穩(wěn)區(qū)域的方法如 下利用極大似然分類，錯誤概率最小時得到分類閾值
5.根據(jù)權(quán)利要求4所述的基于多尺度各項異性擴(kuò)散的超聲醫(yī)學(xué)圖像散斑噪聲抑制方 法，其特征在于步驟四中擴(kuò)散參數(shù)的求得方法如下選擇非線性擴(kuò)散函數(shù)
6.根據(jù)權(quán)利要求5所述的基于多尺度各項異性擴(kuò)散的超聲醫(yī)學(xué)圖像散斑噪聲抑制方 法，其特征在于步驟五中通過擴(kuò)散參數(shù)對小波系數(shù)進(jìn)行加權(quán)計算的方法如下將小波系數(shù)W/乘以擴(kuò)散參數(shù)ρ"得到新的小波系數(shù)W' jf ； Wff = P] · W)fW f = Pj · Wj2/公式 9。
全文摘要
基于多尺度各項異性擴(kuò)散的超聲醫(yī)學(xué)圖像散斑噪聲抑制方法，它涉及一種醫(yī)學(xué)超聲圖像噪聲抑制方法。它為解決將現(xiàn)有各項異性擴(kuò)散技術(shù)應(yīng)用于超聲圖像時，用梯度作為邊緣檢測算子難以準(zhǔn)確區(qū)分圖像邊緣和噪聲的問題而提出。一對圖像進(jìn)行小波分解，計算標(biāo)準(zhǔn)模值；二若為首次迭代，估計標(biāo)準(zhǔn)模值的分布參數(shù)，否則跳到步驟四；三分類得到各尺度下的噪聲平穩(wěn)區(qū)域；四用噪聲區(qū)域內(nèi)標(biāo)準(zhǔn)模值的均值確定擴(kuò)散閾值；并代入擴(kuò)散函數(shù)得到擴(kuò)散參數(shù)；五用擴(kuò)散參數(shù)對小波系數(shù)進(jìn)行加權(quán)后，進(jìn)行小波逆變換；六比較相鄰兩次迭代中的擴(kuò)散閾值，判斷是否終止。本發(fā)明在多尺度下對圖像進(jìn)行處理，結(jié)果更加精確，可廣泛適用于各種需要對超聲圖像進(jìn)行處理的場合。
文檔編號G06T5/00GK102073994SQ201010617508
公開日2011年5月25日 申請日期2010年12月31日 優(yōu)先權(quán)日2010年12月31日
發(fā)明者于瀟, 崔兆宇, 谷延鋒 申請人:哈爾濱工業(yè)大學(xué)