本發(fā)明實(shí)施例涉及超聲圖像技術(shù)領(lǐng)域，尤其涉及一種四維超聲圖像優(yōu)化方法及系統(tǒng)。

背景技術(shù)：

由于超聲波在不同的組織內(nèi)(例如心臟、頭顱等)傳播產(chǎn)生的衰減、反射和偽像情況不同，因此，若采用同一套預(yù)設(shè)超聲四維成像參數(shù)對不同的組織進(jìn)行成像，將不能滿足不同組織的成像需求。例如不同孕周以及不同診斷部位的胎兒的超聲圖像的特征差異比較明顯，若采用同一套預(yù)設(shè)超聲四維成像參數(shù)更不能滿足成像的需求。然而，僅依靠醫(yī)生手動調(diào)節(jié)各類成像參數(shù)，不僅實(shí)時性低、操作繁瑣，而且不一定能達(dá)到理想的成像效果，進(jìn)而較大地影響了對異常病灶的檢出率。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明實(shí)施例提供了一種四維超聲圖像優(yōu)化方法及系統(tǒng)，實(shí)現(xiàn)了對四維超聲圖像進(jìn)行優(yōu)化，得到了圖像性能更優(yōu)、立體效果更好的四維超聲圖像。

第一方面，本發(fā)明實(shí)施例提供了一種四維超聲圖像優(yōu)化方法，所述四維超聲圖像包括目標(biāo)對象的切片圖像和三維圖像，該方法包括：

獲取目標(biāo)對象的切片圖像數(shù)據(jù)和三維圖像數(shù)據(jù)；

對每幀所述切片圖像數(shù)據(jù)進(jìn)行灰階優(yōu)化，并對灰階優(yōu)化后的切片圖像數(shù)據(jù)進(jìn)行增強(qiáng)處理，得到處理后的切片圖像；

對三維圖像數(shù)據(jù)進(jìn)行參數(shù)優(yōu)化，獲取優(yōu)化后的三維圖像。

進(jìn)一步地，所述對每幀所述切片圖像進(jìn)行灰階優(yōu)化的步驟包括：

從目標(biāo)對象的超聲回波數(shù)據(jù)中獲取解調(diào)后幅度數(shù)據(jù)；

計算解調(diào)后幅度數(shù)據(jù)的標(biāo)準(zhǔn)特征值；

沿深度方向計算標(biāo)準(zhǔn)特征值的代表值；

計算標(biāo)準(zhǔn)特征值與代表值之間的差值，得到增益補(bǔ)償曲線；

將增益補(bǔ)償曲線作用于切片圖像數(shù)據(jù)，得到灰階優(yōu)化后的切片圖像數(shù)據(jù)。

進(jìn)一步地，所述對所述灰階優(yōu)化后的切片圖像數(shù)據(jù)進(jìn)行增強(qiáng)處理，得到處理后的切片圖像的步驟包括：

將灰階優(yōu)化后的切片圖像數(shù)據(jù)進(jìn)行金字塔分解，得到多個頻率成份的圖像子層；

對每個子層圖像分別進(jìn)行各向異性擴(kuò)散處理，得到多個各向異性擴(kuò)散處理后的子層圖像；

對所述多個各向異性擴(kuò)散處理后的子層圖像進(jìn)行基于金字塔的圖像重構(gòu)，得到處理后的切片圖像，其中，所述基于金字塔的圖像重構(gòu)是所述金字塔分解的逆過程。

進(jìn)一步地，所述金字塔分解的步驟包括：

對輸入圖像數(shù)據(jù)進(jìn)行低通濾波；

對濾波后的輸入圖像數(shù)據(jù)按照橫縱方向進(jìn)行降采樣，得到降采樣圖像，其中每層的輸入圖像數(shù)據(jù)為上一層降采樣后的數(shù)據(jù)；

對降采樣圖像按照橫縱方向進(jìn)行上采樣，得到上采樣圖像；

對上采樣圖像進(jìn)行低通濾波；

將輸入圖像數(shù)據(jù)減去濾波后的上采樣圖像，得到預(yù)定頻率成份的子層圖像。

進(jìn)一步地，對每個所述子層圖像進(jìn)行各向異性擴(kuò)散處理，得到多個各向異性擴(kuò)散處理后的子層圖像的步驟包括：

對子層圖像進(jìn)行低通濾波；

計算濾波后的子層圖像的橫梯度和縱梯度；

根據(jù)橫梯度和縱梯度構(gòu)造組織張量，并計算組織張量的特征值；

根據(jù)組織張量和特征值，計算擴(kuò)張張量；

根據(jù)擴(kuò)張張量對子層圖像進(jìn)行離散各向異性擴(kuò)散，得到各向異性擴(kuò)散處理后的子層圖像。

進(jìn)一步地，所述對三維圖像數(shù)據(jù)進(jìn)行參數(shù)優(yōu)化的步驟包括：

對三維圖像數(shù)據(jù)進(jìn)行直方圖分布統(tǒng)計，并對直方圖執(zhí)行自適應(yīng)均衡，得到均衡后的三維圖像數(shù)據(jù)；

統(tǒng)計均衡后的三維圖像數(shù)據(jù)的體素灰度值的均值、大律閾值以及邊界灰度值；

分別根據(jù)均值、大律閾值以及邊界灰度值與優(yōu)化參數(shù)之間的映射關(guān)系，確定優(yōu)化參數(shù)值；

利用優(yōu)化參數(shù)值和旋轉(zhuǎn)燈光角度對三維圖像數(shù)據(jù)進(jìn)行優(yōu)化，以獲取優(yōu)化后的三維圖像。第二方面，本發(fā)明實(shí)施例還提供了一種四維超聲圖像優(yōu)化系統(tǒng)，所述四維超聲圖像包括目標(biāo)對象的切片圖像和三維圖像，該系統(tǒng)包括：

獲取模塊，用于獲取目標(biāo)對象的切片圖像數(shù)據(jù)和三維圖像數(shù)據(jù)；

灰階優(yōu)化模塊，用于對每幀切片圖像數(shù)據(jù)進(jìn)行灰階優(yōu)化；

增強(qiáng)處理模塊，用于對灰階優(yōu)化后的切片圖像數(shù)據(jù)進(jìn)行增強(qiáng)處理，得到處理后的切片圖像；

參數(shù)優(yōu)化模塊，用于對三維圖像數(shù)據(jù)進(jìn)行參數(shù)優(yōu)化，獲取優(yōu)化后的三維圖像。

進(jìn)一步地，所述灰階優(yōu)化模塊包括：

獲取單元，用于從目標(biāo)對象的超聲回波數(shù)據(jù)中獲取解調(diào)后幅度數(shù)據(jù)；

標(biāo)準(zhǔn)特征值計算單元，用于計算解調(diào)后幅度數(shù)據(jù)的標(biāo)準(zhǔn)特征值；

代表值計算單元，用于沿深度方向計算標(biāo)準(zhǔn)特征值的代表值；

增益補(bǔ)償曲線獲取單元，用于計算標(biāo)準(zhǔn)特征值與代表值之間的差值，得到增益補(bǔ)償曲線；

灰階優(yōu)化單元，用于將增益補(bǔ)償曲線作用于切片圖像數(shù)據(jù)，得到灰階優(yōu)化后的切片圖像數(shù)據(jù)。

進(jìn)一步地，所述增強(qiáng)處理模塊包括：

分解單元，用于將灰階優(yōu)化后的切片圖像數(shù)據(jù)進(jìn)行金字塔分解，得到多個頻率成份的圖像子層；

各向異性擴(kuò)散處理單元，用于對每個子層圖像分別進(jìn)行各向異性擴(kuò)散處理，得到多個各向異性擴(kuò)散處理后的子層圖像；

圖像重構(gòu)單元，用于對所述多個各向異性擴(kuò)散處理后的子層圖像進(jìn)行基于金字塔的圖像重構(gòu)，得到處理后的切片圖像，其中，所述基于金字塔的圖像重構(gòu)是所述金字塔分解的逆過程。

進(jìn)一步地，所述分解單元包括：

第一濾波子單元，用于對輸入圖像數(shù)據(jù)進(jìn)行低通濾波；

降采樣子單元，用于對濾波后的輸入圖像數(shù)據(jù)按照橫縱方向進(jìn)行降采樣，得到降采樣圖像，其中每層的輸入圖像數(shù)據(jù)為上一層降采樣后的數(shù)據(jù)；

上采樣子單元，用于對降采樣圖像按照橫縱方向進(jìn)行上采樣，得到上采樣圖像；

所述第一濾波子單元，還用于對上采樣圖像進(jìn)行低通濾波；

子層圖像獲取子單元，用于將輸入圖像數(shù)據(jù)減去濾波后的上采樣圖像，得到預(yù)定頻率成份的子層圖像。

進(jìn)一步地，所述各向異性擴(kuò)散處理單元包括：

第二濾波子單元，用于對子層圖像進(jìn)行低通濾波；

梯度計算子單元，用于計算濾波后的子層圖像的橫梯度和縱梯度；

組織張量構(gòu)造子單元，用于根據(jù)橫梯度和縱梯度構(gòu)造組織張量，并計算組織張量的特征值；

擴(kuò)張張量計算子單元，用于根據(jù)組織張量和特征值，計算得到擴(kuò)張張量；

離散各向異性擴(kuò)散子單元，用于根據(jù)擴(kuò)張張量對子層圖像進(jìn)行離散各向異性擴(kuò)散，得到各向異性擴(kuò)散處理后的子層圖像。

進(jìn)一步地，所述參數(shù)優(yōu)化模塊包括：

執(zhí)行單元，用于對三維圖像數(shù)據(jù)進(jìn)行直方圖分布統(tǒng)計，并對直方圖執(zhí)行自適應(yīng)均衡，得到均衡后的三維圖像數(shù)據(jù)；

統(tǒng)計單元，用于統(tǒng)計均衡后的三維圖像數(shù)據(jù)的體素灰度值的均值、大律閾值以及邊界灰度值；

優(yōu)化參數(shù)值確定單元，用于分別根據(jù)均值、大律閾值以及邊界灰度值與優(yōu)化參數(shù)之間的映射關(guān)系，確定優(yōu)化參數(shù)值；

優(yōu)化單元，用于利用優(yōu)化參數(shù)值和旋轉(zhuǎn)燈光角度對三維圖像數(shù)據(jù)進(jìn)行優(yōu)化，以獲取優(yōu)化后的三維圖像。

本發(fā)明實(shí)施例提供的一種四維超聲成像優(yōu)化方法，首先獲取目標(biāo)對象的切片圖像數(shù)據(jù)和三維圖像數(shù)據(jù)；然后對每幀所述切片圖像數(shù)據(jù)進(jìn)行灰階優(yōu)化，并對灰階優(yōu)化后的切片圖像數(shù)據(jù)進(jìn)行增強(qiáng)處理，得到處理后的切片圖像；最后對三維圖像數(shù)據(jù)進(jìn)行參數(shù)優(yōu)化，獲取優(yōu)化后的三維圖像；通過上述技術(shù)手段實(shí)現(xiàn)了對四維超聲圖像進(jìn)行優(yōu)化，得到了圖像性能更優(yōu)、立體效果更好的四維超聲圖像。

附圖說明

圖1是本發(fā)明實(shí)施例提供的一種四維超聲圖像優(yōu)化方法流程示意圖；

圖2是本發(fā)明實(shí)施例提供的一種對每幀切片圖像進(jìn)行灰階優(yōu)化的方法流程示意圖；

圖3是本發(fā)明實(shí)施例提供的一種對灰階優(yōu)化后的切片圖像數(shù)據(jù)進(jìn)行增強(qiáng)處理的方法流程示意圖；

圖4是本發(fā)明實(shí)施例提供的一種將切片圖像數(shù)據(jù)進(jìn)行金字塔分解的流程示意圖；

圖5是本發(fā)明實(shí)施例提供的將切片圖像數(shù)據(jù)進(jìn)行金字塔分解的另一種流程示意圖；

圖6是本發(fā)明實(shí)施例提供的一種對每個子層圖像進(jìn)行各向異性擴(kuò)散處理，得到多個各向異性擴(kuò)散處理后的子層圖像的流程示意圖；

圖7是本發(fā)明實(shí)施例提供的一種對子層圖像進(jìn)行金字塔重構(gòu)的流程示意圖；

圖8是本發(fā)明實(shí)施例提供的一種對三維圖像數(shù)據(jù)進(jìn)行參數(shù)優(yōu)化的方法流程示意圖；

圖9是本發(fā)明實(shí)施例提供的一種四維超聲圖像優(yōu)化系統(tǒng)結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面結(jié)合附圖和實(shí)施例對本發(fā)明作進(jìn)一步的詳細(xì)說明?？梢岳斫獾氖牵颂幩枋龅木唧w實(shí)施例僅僅用于解釋本發(fā)明，而非對本發(fā)明的限定。另外還需要說明的是，為了便于描述，附圖中僅示出了與本發(fā)明相關(guān)的部分而非全部結(jié)構(gòu)。

在更加詳細(xì)地討論示例性實(shí)施例之前應(yīng)當(dāng)提到的是，一些示例性實(shí)施例被描述成作為流程圖描繪的處理或方法。雖然流程圖將各項(xiàng)步驟描述成順序的處理，但是其中的許多步驟可以被并行地、并發(fā)地或者同時實(shí)施。此外，各項(xiàng)步驟的順序可以被重新安排。當(dāng)其步驟完成時所述處理可以被終止，但是還可以具有未包括在附圖中的附加步驟。所述處理可以對應(yīng)于方法、函數(shù)、規(guī)程、子例程、子程序等等。

實(shí)施例

圖1為本發(fā)明實(shí)施例提供的一種四維超聲圖像優(yōu)化方法流程圖，該方法可適用于對不同的組織和/或器官進(jìn)行掃查，以采集超聲圖像的情況，可以由四維超聲圖像系統(tǒng)來執(zhí)行，該系統(tǒng)可通過硬件和/或軟件的方式實(shí)現(xiàn)。所述四維超聲圖像包括目標(biāo)對象的切片圖像和三維圖像，該方法具體包括如下步驟：

步驟110、獲取目標(biāo)對象的切片圖像數(shù)據(jù)和三維圖像數(shù)據(jù)。

具體地，所述目標(biāo)對象可以是不同的組織(例如心臟、頭顱等)，或者是不同孕周以及不同診斷部位的胎兒。每一幅四維超聲圖像都包括A、B和C(矢狀面、冠狀面和橫切面)三個平面的切片圖像和一個三維圖像。所述獲取目標(biāo)對象的切片圖像數(shù)據(jù)和三維圖像數(shù)據(jù)可以通過超聲成像系統(tǒng)對目標(biāo)對象進(jìn)行掃查得到。

步驟120、對每幀切片圖像數(shù)據(jù)進(jìn)行灰階優(yōu)化，并對灰階優(yōu)化后的切片圖像數(shù)據(jù)進(jìn)行增強(qiáng)處理，得到處理后的切片圖像。

具體對每幀切片圖像數(shù)據(jù)進(jìn)行灰階優(yōu)化可以通過首先計算切片圖像數(shù)據(jù)的增益補(bǔ)償曲線，然后基于計算得到的增益補(bǔ)償曲線對切片圖像數(shù)據(jù)進(jìn)行處理，即可得到灰階優(yōu)化后的切片圖像數(shù)據(jù)。

對灰階優(yōu)化后的切片圖像數(shù)據(jù)進(jìn)行增強(qiáng)處理具體是對灰階優(yōu)化后的切片圖像數(shù)據(jù)進(jìn)行信噪比以及邊緣清晰度的增強(qiáng)處理，目的是為了得到信噪比較大且邊緣清晰度較高的切片圖像數(shù)據(jù)。

對灰階優(yōu)化后的切片圖像數(shù)據(jù)進(jìn)行增強(qiáng)處理可以通過對灰階優(yōu)化后的切片圖像數(shù)據(jù)進(jìn)行金字塔分解，得到多個頻率成份的圖像子層；然后再對每個子層圖像進(jìn)行各向異性擴(kuò)散處理，得到多個各向異性擴(kuò)散處理后的子層圖像；最后對多個各向異性擴(kuò)散處理后的子層圖像進(jìn)行基于金字塔的圖像重構(gòu)，得到增強(qiáng)處理后的切片圖像。

步驟130、對三維圖像數(shù)據(jù)進(jìn)行參數(shù)優(yōu)化，獲取優(yōu)化后的三維圖像。

針對三維圖像數(shù)據(jù)自適應(yīng)調(diào)整對比度、亮度、平滑度、閾值、透明度等優(yōu)化參數(shù)，并調(diào)整梯度光等渲染方式下的燈光陰影位置，從而獲取細(xì)節(jié)分辨率和對比度更好、邊緣清晰、高性噪比、增益適中、一致性好和立體感強(qiáng)的圖像。

本實(shí)施例提供的一種四維超聲成像優(yōu)化方法，首先獲取目標(biāo)對象的切片圖像數(shù)據(jù)和三維圖像數(shù)據(jù)；然后對每幀切片圖像數(shù)據(jù)進(jìn)行灰階優(yōu)化，并對灰階優(yōu)化后的切片圖像數(shù)據(jù)進(jìn)行增強(qiáng)處理，得到處理后的切片圖像；對所述三維圖像數(shù)據(jù)進(jìn)行參數(shù)優(yōu)化，獲取優(yōu)化后的三維圖像。通過上述技術(shù)手段實(shí)現(xiàn)了對四維超聲圖像進(jìn)行快速優(yōu)化，得到了性能更優(yōu)，立體效果更好的四維超聲圖像。

在上述實(shí)施例的基礎(chǔ)上，進(jìn)行進(jìn)一步優(yōu)化，圖2為本發(fā)明實(shí)施例提供的一種對每幀切片圖像進(jìn)行灰階優(yōu)化的方法流程示意圖，具體參見圖2所示，所述灰階優(yōu)化方法包括：

步驟210、從目標(biāo)對象的超聲回波數(shù)據(jù)中獲取解調(diào)后幅度數(shù)據(jù)。

步驟220、計算解調(diào)后幅度數(shù)據(jù)的標(biāo)準(zhǔn)特征值。

由系統(tǒng)預(yù)設(shè)標(biāo)準(zhǔn)像素值standPixel(如70)，按照設(shè)定公式，逆向計算解調(diào)后幅度數(shù)據(jù)的標(biāo)準(zhǔn)特征值standValue，逆向計算可以只考慮LOG變化及系統(tǒng)的動態(tài)范圍變換等影響增益補(bǔ)償曲線的計算因素。

具體的，所述設(shè)定公式為：

其中，standValue表示標(biāo)準(zhǔn)特征值，standPixel為標(biāo)準(zhǔn)像素值，DRMax為超聲系統(tǒng)能支持的最大動態(tài)范圍值，DrtDB為用戶動態(tài)范圍值，round()表示四舍五入功能的函數(shù)。

步驟230、沿深度方向計算標(biāo)準(zhǔn)特征值的代表值。

在本實(shí)施例中，沿深度方向計算標(biāo)準(zhǔn)特征值的代表值包括以下步驟：

(1)計算解調(diào)后幅度數(shù)據(jù)在深度方向上的有效點(diǎn)。

具體的，目標(biāo)對象的超聲回波數(shù)據(jù)是由很多的像素點(diǎn)組成的，不同的像素點(diǎn)代表所述目標(biāo)對象的不同部位，每個目標(biāo)對象都是立體的，對應(yīng)地，組成該目標(biāo)對象的所有像素點(diǎn)也呈立體狀分布，且每個目標(biāo)對象都有一定的厚度，稱之為深度，可見每個深度方向由很多的深度點(diǎn)組成，同時每個深度點(diǎn)的水平方向也會有很多像素點(diǎn)，計算解調(diào)后幅度數(shù)據(jù)在深度方向上的有效點(diǎn)可以通過統(tǒng)計每個深度點(diǎn)的水平方向各點(diǎn)的幅度值的方差，取方差小于最大方差的設(shè)定比例閾值的點(diǎn)為有效點(diǎn)，例如，所述最大方差為50，所述設(shè)定比例閾值為(0.8)，則取方差小于50*0.8＝40的水平方向的點(diǎn)作為有效點(diǎn)?；蛘咭部梢杂嬎忝總€深度點(diǎn)的水平各點(diǎn)的幅度值的均值，取幅度值位于所述均值某一比例范圍(如0.8～1.2)的點(diǎn)為有效點(diǎn)，例如某一深度點(diǎn)的水平各點(diǎn)的幅度均值為10，取幅度值位于8-12內(nèi)的所有點(diǎn)為有效點(diǎn)。

(2)計算上述有效點(diǎn)的均值，將該均值作為該標(biāo)準(zhǔn)特征值在該深度方向上的代表值。

步驟240、計算標(biāo)準(zhǔn)特征值與代表值之間的差值，得到增益補(bǔ)償曲線。

計算標(biāo)準(zhǔn)特征值與代表值之間的差值，并將該差值歸一化到超聲成像系統(tǒng)的前端TGC設(shè)定有效動態(tài)范圍(DB)域，得到隨深度變化的增益補(bǔ)償曲線。

步驟250、將增益補(bǔ)償曲線作用于切片圖像數(shù)據(jù)，得到灰階優(yōu)化后的切片圖像數(shù)據(jù)。

將上述步驟獲取的增益補(bǔ)償曲線作用到前端TGC模塊，得到灰階優(yōu)化后的切片圖像數(shù)據(jù)。本實(shí)施例提供的對切片圖像進(jìn)行灰階優(yōu)化的方法，能夠得到細(xì)節(jié)分辨率更好的切片圖像。

在上述實(shí)施例的基礎(chǔ)上，繼續(xù)進(jìn)行優(yōu)化，圖3是本發(fā)明實(shí)施例提供的一種對灰階優(yōu)化后的切片圖像數(shù)據(jù)進(jìn)行增強(qiáng)處理的方法流程示意圖，具體參見圖3所示，所述方法包括：

步驟310、將灰階優(yōu)化后的切片圖像數(shù)據(jù)進(jìn)行金字塔分解，得到多個頻率成份的圖像子層。

對灰階優(yōu)化后的切片圖像數(shù)據(jù)ImgCom進(jìn)行金字塔分解，例如，依次經(jīng)過高斯金字塔分解和拉普拉斯金字塔分解，分成若干層(如4層)不同頻率成份的圖像子層。

步驟320、對每個子層圖像分別進(jìn)行各向異性擴(kuò)散處理，得到多個各向異性擴(kuò)散處理后的子層圖像。

對各子層圖像分別進(jìn)行各向異性擴(kuò)散處理，得到多個各向異性擴(kuò)散處理后的子層圖像。

步驟330、對所述多個各向異性擴(kuò)散處理后的子層圖像進(jìn)行基于金字塔的圖像重構(gòu)，得到處理后的切片圖像。

對各擴(kuò)散結(jié)果進(jìn)行金字塔重構(gòu)，得到信噪比高，邊緣增強(qiáng)的切片圖像。在本實(shí)施例中，基于金字塔的圖像重構(gòu)是金字塔分解的逆過程。

示例性地，如圖4和5所示將所述灰階優(yōu)化后的切片圖像數(shù)據(jù)進(jìn)行金字塔分解的步驟包括：

步驟402，對輸入圖像數(shù)據(jù)進(jìn)行低通濾波。

對輸入的圖像數(shù)據(jù)Img進(jìn)行低通濾波處理，消除圖像中的噪聲，抗混疊。

步驟404，對濾波后的輸入圖像數(shù)據(jù)按照橫縱方向進(jìn)行降采樣，得到降采樣圖像，其中每層的輸入圖像數(shù)據(jù)為上一層降采樣后的數(shù)據(jù)。

對濾波后的輸入圖像數(shù)據(jù)按照橫縱方向進(jìn)行抽取率為N降采樣(N可取2,3,4等)，得到降采樣圖像，此圖像代表輸入原圖的低頻成分。對于二維圖像，每一層圖像由上一層分辨率的N*N分之一的像素組成。

步驟406，對降采樣圖像按照橫縱方向進(jìn)行上采樣，得到上采樣圖像。

降采樣圖像橫縱方向進(jìn)行插值為N的上采樣(N取值與下采樣對應(yīng))，得到上采樣圖像，其大小與輸入圖像數(shù)據(jù)等大。

步驟408，對上采樣圖像進(jìn)行低通濾波。

對上采樣圖像進(jìn)行低通濾波器平滑，抗鏡像。

步驟410，將輸入圖像數(shù)據(jù)減去濾波后的上采樣圖像，得到預(yù)定頻率成份的子層圖像。

輸入圖像數(shù)據(jù)Img減去濾波后的上采樣圖像，得到預(yù)定頻率成份的子層圖像。

按照步驟402至步驟410，對輸入圖像數(shù)據(jù)進(jìn)行多次金字塔分解，可以得到一系列不同頻帶的圖像，例如圖5的HP1，HP2，HP3，LPD3，所有圖像的總頻率范圍覆蓋輸入圖像數(shù)據(jù)頻率范圍。

示例性地，如圖6所示，對每個子層圖像進(jìn)行各向異性擴(kuò)散處理，得到多個各向異性擴(kuò)散處理后的子層圖像，包括：

步驟602、對子層圖像進(jìn)行低通濾波。

子層圖像進(jìn)行低通濾波處理，以去除每個子層圖像的斑點(diǎn)噪聲。

步驟604、計算濾波后的子層圖像的橫梯度和縱梯度。

分別計算濾波后的子層圖像的橫、縱梯度I_x和I_y。在本實(shí)施例中，梯度計算可以采用中心差分，前后差分或sobel算子得到，還可以采用其他算法計算，這里不再贅述。

步驟606、根據(jù)橫梯度和所述縱梯度構(gòu)造組織張量，并計算組織張量的特征值。

由橫縱梯度構(gòu)造組織張量，組織張量定義為其中I_xx，I_xy分別為橫梯度I_x的x，y方向梯度，I_yy為縱梯度I_yy方向梯度。

利用組織張量的特征向量V₁，V₂及對應(yīng)的特征值μ₁，μ₂表征子層圖像的局部結(jié)構(gòu)特征。根據(jù)線性代數(shù)，組織張量的特征值為：

其中，

步驟608、根據(jù)組織張量和特征值，計算得到擴(kuò)張張量。

進(jìn)一步地，由組織特征值計算擴(kuò)張張量假設(shè)擴(kuò)張張量的特征值λ₁，λ₂為：

λ₁＝alpha

λ₂＝alpha+(1-alpha)*exp(-c./di.^(2*m))。

進(jìn)一步計算出擴(kuò)張張量：

di＝μ₁-μ₂

tmp＝sqrt((I_xx-I_yy).^2+4*I_xy.^2)

v2x＝2*I_xy

v2y＝I_yy-I_xx+tmp

mag＝sqrt(v2x*v2x+v2y*v2y)，

v2x＝v2x/mag

v2y＝v2y/mag

v1x＝-v2y

v1y＝v2x

其中，alpha，c，m為預(yù)設(shè)常數(shù)，則擴(kuò)張張量為：

D_xx＝λ₁.*v1x.^2+λ₂.*v2x.^2

D_xy＝λ₁.*v1x*v1y+λ₂.*v2x*v2y，

D_yy＝λ₁.*v1y.^2+λ₂.*v2y.^2

步驟610、根據(jù)擴(kuò)張張量對子層圖像進(jìn)行離散各向異性擴(kuò)散，得到各向異性擴(kuò)散處理后的子層圖像。

根據(jù)計算所得的擴(kuò)張張量，對濾波后的子層圖像進(jìn)行離散各向異性擴(kuò)散。將擴(kuò)散系數(shù)離散可以為8個方向，例如：擴(kuò)散算法可以采用托馬斯快速算法。

示例性地，對所述多個各向異性擴(kuò)散處理后的子層圖像進(jìn)行基于金字塔的圖像重構(gòu)是金字塔分解的逆過程。

具體的圖像重構(gòu)流程可以參見圖7所示的金字塔重構(gòu)示意圖，其中，圖7中的圖像LPD3Proc、HP3Proc、HP2Proc以及HP1Proc分別表示對上述各圖像子層進(jìn)行各向異性擴(kuò)散處理后得到的圖像，參見圖7所示。

首先對圖像LPD3Proc進(jìn)行上采樣和低通濾波處理，得到圖像ImgCmp4，通過乘以對應(yīng)的權(quán)值w4與對圖像HP3Proc進(jìn)行上采樣和低通濾波處理后的圖像進(jìn)行加權(quán)融合，得到的圖像再與對圖像HP2Proc進(jìn)行上采樣和低通濾波處理后的圖像進(jìn)行加權(quán)融合，最后與圖像HP1Proc進(jìn)行加權(quán)融合，其中權(quán)重值w4、w3、w2以及w1可以根據(jù)實(shí)際進(jìn)行設(shè)定。

通過本實(shí)施例提供的對灰階優(yōu)化后的切片圖像數(shù)據(jù)進(jìn)行增強(qiáng)處理的方法，可以得到信噪比以及邊緣清晰度滿足預(yù)設(shè)條件的切片圖像數(shù)據(jù)。

在一個實(shí)施例中，還提供的一種對三維圖像數(shù)據(jù)進(jìn)行參數(shù)優(yōu)化的方法，如圖8所示，該方法具體包括：

步驟810、對三維圖像數(shù)據(jù)進(jìn)行直方圖分布統(tǒng)計，并對直方圖執(zhí)行自適應(yīng)均衡，得到均衡后的三維圖像數(shù)據(jù)。

具體的，所述均衡后的三維圖像數(shù)據(jù)指灰階分布均勻，對比度滿足預(yù)設(shè)值的三維圖像數(shù)據(jù)。

步驟820、統(tǒng)計均衡后的三維圖像數(shù)據(jù)的體素灰度值的均值、大律閾值以及邊界灰度值。

具體的，所述邊界灰度值可以是最小5％范圍或者最大5％范圍的灰度值，例如，所述灰度值為1，2……98，99，100，共100個數(shù)值，5％*100等于5個，最小5％范圍的灰度值為5，最大5％范圍的灰度值為95，即所有灰度值中小于等于所述邊界灰度值的個數(shù)有5個，大于等于所述邊界灰度值的個數(shù)有5個。

步驟830、分別根據(jù)均值、大律閾值以及邊界灰度值與優(yōu)化參數(shù)之間的映射關(guān)系，確定優(yōu)化參數(shù)值。

均值、大律閾值以及邊界灰度值與優(yōu)化參數(shù)之間的映射關(guān)系包括線性關(guān)系，邊界灰度值包括最小5％范圍邊界的灰度值和最大5％范圍邊界的灰度值，優(yōu)化參數(shù)包括但不限于亮度、閾值、平滑度、對比度和透明度。

分別根據(jù)均值、大律閾值以及邊界灰度值與優(yōu)化參數(shù)之間的映射關(guān)系，確定優(yōu)化參數(shù)值，主要有以下幾種情況：

(1)均值與亮度之間為線性關(guān)系。

例如，所述預(yù)設(shè)的均值與亮度之間的為y＝0.625*x(y取整后為亮度值，x為均值)，通過上述線性關(guān)系確定三維體數(shù)據(jù)體素灰度值的均值對應(yīng)的亮度值。

(2)當(dāng)大律閾值小于或者等于預(yù)定閾值時，大律閾值與平滑度之間為線性關(guān)系；當(dāng)大律閾值大于預(yù)定閾值時，平滑度設(shè)定為預(yù)定值。

例如，大律閾值與平滑度之間的線性關(guān)系為y＝0.3*x(y取整后為平滑度，x為大律閾值)，當(dāng)統(tǒng)計得到的所述體數(shù)據(jù)的體素灰度值的大律閾值小于或者等于預(yù)定閾值時，按上述線性關(guān)系獲取平滑度值；當(dāng)大律閾值大于預(yù)定閾值時，將平滑度設(shè)置為預(yù)定值(默認(rèn)值)。

(3)當(dāng)大律閾值小于或者等于預(yù)定閾值時，大律閾值與閾值之間為線性關(guān)系；當(dāng)大律閾值大于預(yù)定閾值時，閾值設(shè)定為預(yù)定值。

例如，大律閾值與閾值之間的線性關(guān)系為y＝0.375*x(y取整后為閾值檔位，x為大律閾值)，當(dāng)統(tǒng)計得到的所述體數(shù)據(jù)的體素灰度值的大律閾值小于或者等于預(yù)定閾值時，按上述線性關(guān)系獲取閾值；當(dāng)大律閾值大于預(yù)定閾值時，將閾值設(shè)置為預(yù)定值(默認(rèn)值)。

(4)利用對比度變換函數(shù)，將均值與邊界灰度值變換為對比度的冪率變化系數(shù)。

對比度變換函數(shù)如下：

其中，r表示的是輸入的體素值，s是表示輸出的相應(yīng)體素值，即所述冪率變化系數(shù)，E可以控制該函數(shù)的斜率，m為設(shè)定的變換時的閾值。設(shè)統(tǒng)計得到的體數(shù)據(jù)均值為a，最小5％范圍邊界的灰度值為b，最大5％范圍邊界的灰度值為c，則以b到c進(jìn)行歸一化，對比度變換函數(shù)中的m＝(a-b)/(c-b)，E值范圍為2-20，代入上述函數(shù)中即可得到對比度的冪率變換系數(shù)s。

(5)根據(jù)邊界灰度值確定透明度曲線的起始點(diǎn)，根據(jù)大律閾值確定明度曲線的拐點(diǎn)。

例如，可以將最小5％范圍邊界的灰度值設(shè)為透明度曲線的起始點(diǎn)，最大5％范圍邊界的灰度值設(shè)為透明度曲線的終點(diǎn)，大律閾值設(shè)為透明度曲線的拐點(diǎn)。

步驟840、利用優(yōu)化參數(shù)值和旋轉(zhuǎn)燈光角度對三維圖像數(shù)據(jù)進(jìn)行優(yōu)化，以獲取優(yōu)化后的三維圖像。

例如，在梯度光或高分辨率成像等渲染方式下，調(diào)整燈光至左、右前側(cè)大約40°，使當(dāng)前三維圖像立體效果更好。

通過本實(shí)施例提供的對三維圖像數(shù)據(jù)進(jìn)行參數(shù)優(yōu)化的方法，可以調(diào)整三維圖像的對比度、亮度、平滑度、閾值等參數(shù)，得到立體效果更好的三維圖像。

圖9為本發(fā)明實(shí)施例提供的一種四維超聲圖像優(yōu)化系統(tǒng)的結(jié)構(gòu)框圖，具體參見圖9所示，該系統(tǒng)具體包括如下：獲取模塊910，灰階優(yōu)化模塊920，增強(qiáng)處理模塊930和參數(shù)優(yōu)化模塊940，其中，獲取模塊910，用于獲取目標(biāo)對象的切片圖像數(shù)據(jù)和三維圖像數(shù)據(jù)；灰階優(yōu)化模塊920，用于對每幀所述切片圖像數(shù)據(jù)進(jìn)行灰階優(yōu)化；增強(qiáng)處理模塊930，用于對灰階優(yōu)化后的切片圖像數(shù)據(jù)進(jìn)行增強(qiáng)處理，得到處理后的切片圖像；參數(shù)優(yōu)化模塊940，用于對三維圖像數(shù)據(jù)進(jìn)行參數(shù)優(yōu)化，獲取優(yōu)化后的三維圖像。

進(jìn)一步地，灰階優(yōu)化模塊920包括：

獲取單元，用于從目標(biāo)對象的超聲回波數(shù)據(jù)中獲取解調(diào)后幅度數(shù)據(jù)；

標(biāo)準(zhǔn)特征值計算單元，用于計算解調(diào)后幅度數(shù)據(jù)的標(biāo)準(zhǔn)特征值；

代表值計算單元，用于沿深度方向計算標(biāo)準(zhǔn)特征值的代表值；

增益補(bǔ)償曲線獲取單元，用于計算標(biāo)準(zhǔn)特征值與代表值之間的差值，得到增益補(bǔ)償曲線；

灰階優(yōu)化單元，用于將增益補(bǔ)償曲線作用于切片圖像數(shù)據(jù)，得到灰階優(yōu)化后的切片圖像數(shù)據(jù)。

進(jìn)一步地，增強(qiáng)處理模塊930，包括：

分解單元，用于將灰階優(yōu)化后的切片圖像數(shù)據(jù)進(jìn)行金字塔分解，得到多個頻率成份的圖像子層；

各向異性擴(kuò)散處理單元，用于對每個子層圖像分別進(jìn)行各向異性擴(kuò)散處理，得到多個各向異性擴(kuò)散處理后的子層圖像；

圖像重構(gòu)單元，用于對所述多個各向異性擴(kuò)散處理后的子層圖像進(jìn)行基于金字塔的圖像重構(gòu)，得到處理后的切片圖像，其中，所述基于金字塔的圖像重構(gòu)是所述金字塔分解的逆過程。

進(jìn)一步地，所述分解單元包括：

第一濾波子單元，用于對輸入圖像數(shù)據(jù)進(jìn)行低通濾波；

降采樣子單元，用于對濾波后的輸入圖像數(shù)據(jù)按照橫縱方向進(jìn)行降采樣，得到降采樣圖像，其中每層的輸入圖像數(shù)據(jù)為上一層降采樣后的數(shù)據(jù)；

上采樣子單元，用于對降采樣圖像按照橫縱方向進(jìn)行上采樣，得到上采樣圖像；

所述第一濾波子單元，還用于對上采樣圖像進(jìn)行低通濾波；

子層圖像獲取子單元，用于將輸入圖像數(shù)據(jù)減去濾波后的上采樣圖像，得到預(yù)定頻率成份的子層圖像。

進(jìn)一步地，所述各向異性擴(kuò)散處理單元包括：

第二濾波子單元，用于對子層圖像進(jìn)行低通濾波；

梯度計算子單元，用于計算濾波后的子層圖像的橫梯度和縱梯度；

組織張量構(gòu)造子單元，用于根據(jù)橫梯度和縱梯度構(gòu)造組織張量，并計算組織張量的特征值；

擴(kuò)張張量計算子單元，用于根據(jù)組織張量和特征值，計算得到擴(kuò)張張量；

離散各向異性擴(kuò)散子單元，用于根據(jù)擴(kuò)張張量對子層圖像進(jìn)行離散各向異性擴(kuò)散，得到各向異性擴(kuò)散處理后的子層圖像。

進(jìn)一步地，參數(shù)優(yōu)化模塊940：

執(zhí)行單元，用于對三維圖像數(shù)據(jù)進(jìn)行直方圖分布統(tǒng)計，并對直方圖執(zhí)行自適應(yīng)均衡，得到均衡后的三維圖像數(shù)據(jù)；

統(tǒng)計單元，用于統(tǒng)計均衡后的三維圖像數(shù)據(jù)的體素灰度值的均值、大律閾值以及邊界灰度值；

優(yōu)化參數(shù)值確定單元，用于分別根據(jù)均值、大律閾值以及邊界灰度值與優(yōu)化參數(shù)之間的映射關(guān)系，確定優(yōu)化參數(shù)值；

優(yōu)化單元，用于利用優(yōu)化參數(shù)值和旋轉(zhuǎn)燈光角度對三維圖像數(shù)據(jù)進(jìn)行優(yōu)化，以獲取優(yōu)化后的三維圖像。

本實(shí)施例提供的一種四維超聲成像優(yōu)化系統(tǒng)，首先獲取目標(biāo)對象的切片圖像數(shù)據(jù)和三維圖像數(shù)據(jù)；然后對每幀所述切片圖像數(shù)據(jù)進(jìn)行灰階優(yōu)化，并對灰階優(yōu)化后的切片圖像數(shù)據(jù)進(jìn)行增強(qiáng)處理，得到處理后的切片圖像；并對三維圖像數(shù)據(jù)進(jìn)行參數(shù)優(yōu)化，獲取優(yōu)化后的三維圖像；通過上述技術(shù)手段實(shí)現(xiàn)了對四維超聲圖像進(jìn)行快速優(yōu)化，得到了性能更優(yōu)、立體效果更好的四維超聲圖像。

本領(lǐng)域技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例方法中的全部或部分步驟是可以通過程序來指令相關(guān)的硬件來完成，該程序存儲在一個存儲介質(zhì)中，包括若干指令用以使得一個設(shè)備(可以是單片機(jī)，芯片等)或處理器(processor)執(zhí)行本申請各個實(shí)施例所述方法的全部或部分步驟。而前述的存儲介質(zhì)包括：U盤、移動硬盤、只讀存儲器(ROM，Read-Only Memory)、隨機(jī)存取存儲器(RAM，Random Access Memory)、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。

注意，上述僅為本發(fā)明的較佳實(shí)施例及所運(yùn)用技術(shù)原理。本領(lǐng)域技術(shù)人員會理解，本發(fā)明不限于這里所述的特定實(shí)施例，對本領(lǐng)域技術(shù)人員來說能夠進(jìn)行各種明顯的變化、重新調(diào)整和替代而不會脫離本發(fā)明的保護(hù)范圍。因此，雖然通過以上實(shí)施例對本發(fā)明進(jìn)行了較為詳細(xì)的說明，但是本發(fā)明不僅僅限于以上實(shí)施例，在不脫離本發(fā)明構(gòu)思的情況下，還可以包括更多其他等效實(shí)施例，而本發(fā)明的范圍由所附的權(quán)利要求范圍決定。