專利名稱：超聲醫(yī)學(xué)圖像的降噪處理方法
技術(shù)領(lǐng)域：
本發(fā)明涉及醫(yī)學(xué)圖像處理技術(shù)領(lǐng)域，尤其是涉及一種通過自動(dòng)檢測(cè)擴(kuò)散閾值對(duì)灰階超聲圖像進(jìn)行的降噪處理方法。
背景技術(shù)：
醫(yī)學(xué)灰階超聲圖像(B模式)中通常存在大量的斑點(diǎn)噪聲，會(huì)給超聲圖像質(zhì)量帶來明顯的下降，并掩蓋了某些重要組織的病變，這給醫(yī)生的診斷和識(shí)別某些特定的疾病帶來了較大的困難，并且會(huì)有漏診和誤診的風(fēng)險(xiǎn)。通常采用濾波的方法來抑制信號(hào)的高頻部分，在濾去噪聲的同時(shí)也會(huì)將有用的邊緣信息去除，例如鄰域平均法、中值濾波法都會(huì)將圖像中有臨床意義的邊緣和細(xì)節(jié)會(huì)過平滑；由此，一些基于邊緣保留的濾波算法得到迅速的發(fā)展，例如各向異性濾波(anisotropicdiffusion)、BM3D和nonlocal means等醫(yī)學(xué)圖像去噪技術(shù)。這給在醫(yī)學(xué)圖像后處理階段提高醫(yī)學(xué)圖像質(zhì)量提供了一個(gè)巨大的空間。

各向異性濾波器是基于物理學(xué)中的擴(kuò)散方程發(fā)展起來的。Perona和Malik于1990將其引入到圖像處理當(dāng)中作為一種邊界保留(edge-preserving)平滑濾波器，其成果發(fā)表在 IEEE Transactions on Pattern Analysis and Machine Intelligence, vol.12 中的名為 〃 Scale space and edge detection using anisotropic diffusion;/ 的文章中。他們的擴(kuò)散方程如下It = div(g( ▽ I) ▽ I)。其中I代表圖像，It為原圖像對(duì)進(jìn)化時(shí)間t的偏導(dǎo)數(shù)，g(.)為一個(gè)與梯度相關(guān)的O到I的標(biāo)量，稱作擴(kuò)散系數(shù)，div(.)代表散度算子(divergence operator)。進(jìn)化時(shí)間t也可以看成是尺度空間里的尺度，即t越大，圖像越平滑。根據(jù)顯式離散化方案，圖像I在進(jìn)化時(shí)間t可以表達(dá)為It = Iw+ δ.div(g( V I) V I),其中δ為進(jìn)化時(shí)間步長(zhǎng)，在顯式方案中其取一個(gè)不能大于0.25的正數(shù)以保證數(shù)值穩(wěn)定性。當(dāng)采用隱式或半隱式離散方案時(shí)，δ可不受此限制而取較大的值。隱式和半隱式離散方案可參考相關(guān)文檔。Perona和Malik為擴(kuò)散系數(shù)提出了如下兩個(gè)模型。
權(quán)利要求
1.一種超聲醫(yī)學(xué)圖像的降噪處理方法，其特征在于，所述方法包括步驟: 獲取一幅超聲醫(yī)學(xué)圖像的灰階超聲圖像I; 計(jì)算灰階超聲圖像I的邊緣強(qiáng)度圖像E ； 計(jì)算灰階超聲圖像I中的平滑組織結(jié)構(gòu)區(qū)域的掩碼圖像P ; 計(jì)算灰階超聲圖像I沿超聲探頭掃面線深度方向的邊緣強(qiáng)度閾值曲線Kcmve ； 對(duì)邊緣強(qiáng)度圖像E的任意第i行圖像Ei,從邊緣強(qiáng)度閾值曲線Kcottc中提取相應(yīng)的邊緣強(qiáng)度閾值^并使用擴(kuò)散系數(shù)函數(shù)g得到擴(kuò)散系數(shù)，其中邊緣強(qiáng)度閾值為邊緣強(qiáng)度閾值曲線Kcmve中的第i個(gè)元素； 根據(jù)生成的擴(kuò)散系數(shù)，使用擴(kuò)散方程對(duì)圖像進(jìn)行濾波處理，其中擴(kuò)散方程為:Γ = Η+δVI)，It為灰階超聲圖像I進(jìn)化到時(shí)間t的圖像，δ為進(jìn)化時(shí)間步長(zhǎng)，div(.)為散度算子，V I為灰階超聲圖像I的梯度。
2.根據(jù)權(quán)利要求1所述超聲醫(yī)學(xué)圖像的降噪處理方法，其特征在于，所述計(jì)算掩碼圖像P的步驟包括: 計(jì)算輸入灰階超聲圖像I的梯度模值圖像G ； 對(duì)梯度模值圖像G做二值化處理，獲得一幅結(jié)構(gòu)體掩碼圖像S ； 對(duì)灰階超聲圖像I 做二值化處理，獲取一幅背景掩碼圖像B ; 對(duì)結(jié)構(gòu)體掩碼圖像S和背景掩碼圖像B進(jìn)行或非操作，獲得平滑組織結(jié)構(gòu)區(qū)域的掩碼圖像P。
3.根據(jù)權(quán)利要求1所述超聲醫(yī)學(xué)圖像的降噪處理方法，其特征在于，所述計(jì)算掩碼圖像P的步驟包括: 計(jì)算輸入灰階超聲圖像I的梯度模值圖像G ； 對(duì)梯度模值圖像G做二值化處理，獲得一幅結(jié)構(gòu)體掩碼圖像S ； 將結(jié)構(gòu)體掩碼圖像S劃分為M.Ν個(gè)不重疊子區(qū)域，計(jì)算對(duì)結(jié)構(gòu)體掩碼圖像S中的每一個(gè)子區(qū)域RSm, η中的像素值累加和，如果值大于一個(gè)預(yù)設(shè)的組織噪音閾值Ts，則認(rèn)為當(dāng)前子區(qū)域RSm,n為結(jié)構(gòu)體區(qū)域，設(shè)置該子區(qū)域RSm,n中所有像素值為1，否則設(shè)置該子區(qū)域RSm, n中所有像素值為O ; 對(duì)灰階超聲圖像I做二值化處理，獲取一幅背景掩碼圖像B ； 將灰階超聲圖像I和背景掩碼圖像B分別劃分為M.N個(gè)不重疊子區(qū)域； 對(duì)灰階超聲圖像I中的每一個(gè)子區(qū)域RIm, n，計(jì)算像素平均值 ,如果 大于一個(gè)預(yù)設(shè)的背景噪音閾值TB，則設(shè)置背景掩碼圖B中對(duì)應(yīng)的子區(qū)域RBm,n中的所有像素值為I ; 對(duì)結(jié)構(gòu)體掩碼圖像S和背景掩碼圖像B進(jìn)行或非操作，獲得平滑組織結(jié)構(gòu)區(qū)域的掩碼圖像P。
4.根據(jù)權(quán)利要求2或3所述超聲醫(yī)學(xué)圖像的降噪處理方法，其特征在于，灰階超聲圖像I的梯度模值圖像G = ^G2x +G2y，其中Gx和Gy為灰階超聲圖像I與橫向索貝爾算子gx、縱向索貝爾算子&的卷積。
5.根據(jù)權(quán)利要求4所述超聲醫(yī)學(xué)圖像的降噪處理方法，其特征在于，在對(duì)灰階超聲圖像I與橫向索貝爾算子gx、縱向索貝爾算子gy卷積運(yùn)算之前，使用一個(gè)低通濾波器對(duì)灰階超聲圖像I進(jìn)行平滑處理。
6.根據(jù)權(quán)利要求1所述超聲醫(yī)學(xué)圖像的降噪處理方法，其特征在于，所述邊緣強(qiáng)度圖像
7.根據(jù)權(quán)利要求1所述超聲醫(yī)學(xué)圖像的降噪處理方法，其特征在于，所述邊緣強(qiáng)度圖E可由如下公式計(jì)算獲得:
8.根據(jù)權(quán)利要求1所述超聲醫(yī)學(xué)圖像的降噪處理方法，其特征在于，所述計(jì)算邊緣強(qiáng)度閾值曲線Kcottc的步驟包括: 將邊緣強(qiáng)度圖像E上任意第i行圖像Ei中屬于平滑組織結(jié)構(gòu)區(qū)域的像素Em相應(yīng)的邊緣強(qiáng)度值放入有效邊緣強(qiáng)度列表El中； 以有效邊緣強(qiáng)度列表El中各元素的中值或平均值作為圖像Ei相對(duì)應(yīng)的邊緣強(qiáng)度閾值 并存入邊緣強(qiáng)度閾值曲線Kcmve中的第i個(gè)元素； 對(duì)Kcmve中的非空元素進(jìn)行一階線性擬合，并將擬合結(jié)果存入邊緣強(qiáng)度閾值曲線Kcmre中。
9.根據(jù)權(quán)利要求1所述超聲醫(yī)學(xué)圖像的降噪處理方法，其特征在于，邊緣強(qiáng)度圖像E上任意第i行圖像Ei的擴(kuò)散系數(shù)函數(shù)為gi，gi為一個(gè)邊緣強(qiáng)度E的單調(diào)遞減函數(shù)，最大值為I，最小值為O ; 當(dāng)圖像Ei行中第j個(gè)像素Eiij的值遠(yuǎn)大于邊緣強(qiáng)度閾值時(shí)，&趨于O ; 當(dāng)圖像Ei行中第j個(gè)像素Eiij的值遠(yuǎn)小于邊緣強(qiáng)度閾值時(shí)，&趨于I。
10.根據(jù)權(quán)利要求1所述超聲醫(yī)學(xué)圖像的降噪處理方法，其特征在于，邊緣強(qiáng)度圖像E上任意第i行圖像Ei的擴(kuò)散系數(shù)函數(shù)為gi為:
全文摘要
本發(fā)明公開一種超聲醫(yī)學(xué)圖像的降噪處理方法，其特征在于，所述方法包括步驟計(jì)算灰階超聲圖像I的邊緣強(qiáng)度圖像E；計(jì)算灰階超聲圖像I中的平滑組織結(jié)構(gòu)區(qū)域的掩碼圖像P；計(jì)算灰階超聲圖像I沿超聲探頭掃面線深度方向的邊緣強(qiáng)度閾值曲線Kcurve；對(duì)邊緣強(qiáng)度圖像E的任意第i行圖像Ei，從邊緣強(qiáng)度閾值曲線Kcurve中提取相應(yīng)的邊緣強(qiáng)度閾值并使用擴(kuò)散系數(shù)函數(shù)g得到擴(kuò)散系數(shù)；根據(jù)生成的擴(kuò)散系數(shù)，使用擴(kuò)散方程對(duì)圖像進(jìn)行濾波處理，其中擴(kuò)散方程為It＝It-1+δ·div(g·▽I)，It為灰階超聲圖像I進(jìn)化到時(shí)間t的圖像，δ為進(jìn)化時(shí)間步長(zhǎng)，div(·)為散度算子，▽I為灰階超聲圖像I的梯度。本發(fā)明使超聲醫(yī)學(xué)圖像沿著探頭掃描深度方向可以使用不同的邊緣強(qiáng)度閾值，達(dá)到最優(yōu)化抑制斑點(diǎn)噪音的效果。
文檔編號(hào)G06T5/00GK103177421SQ20111044233
公開日2013年6月26日 申請(qǐng)日期2011年12月26日 優(yōu)先權(quán)日2011年12月26日
發(fā)明者陸匯海, 張羽 申請(qǐng)人:深圳市藍(lán)韻實(shí)業(yè)有限公司