CN101859434A

CN101859434A - 医学超声的基波和谐波图像融合方法

Info

Publication number: CN101859434A
Application number: CN 200910230339
Authority: CN
Inventors: 马立勇; 孙明健; 冯乃章; 马家辰
Original assignee: Harbin Institute of Technology Weihai
Current assignee: Harbin Institute of Technology Weihai
Priority date: 2009-11-05
Filing date: 2009-11-05
Publication date: 2010-10-13

Abstract

本发明提供一种医学超声的基波和谐波图像融合方法，包括以下步骤：首先对超声的基波和谐波图像进行Curvelet分解，得到Curvelet系数；其次，对于分解得到的Curvelet系数进行融合处理，低频部分采用加权平均的方法，高频部分采用绝对值取大的方法，得到融合Curvelet系数；第三，根据融合处理得到的Curvelet系数通过Curvelet反变换重构出融合结果图像。本发明针对超声基波和谐波图像的特点，应用Curvelet方法进行超声基波和谐波图像融合，获得组织边界和内部都清晰的图像，克服普通造影谐波成像边缘模糊不清，组织定位困难等问题，可以广泛应用于医学超声图像处理中。

Description

医学超声的基波和谐波图像融合方法

技术领域

本发明涉及医学超声图像处理领域，尤其涉及一种医学超声的基波和谐波图像融合方法。

背景技术

医学超声图像作为重要的医学影像形式之一，在临床诊断和医学研究中发挥着重要作用。早期的超声成像设备都发射和接收相同频率的信号进行成像，这种模式称作基波成像。近年来随着造影等技术的出现，在超声成像系统中采用换能器接收谐波信号的谐波成像技术得到了发展。比如造影谐波成像技术是通过静脉注射超声造影剂来增强人体的血流信号，利用谐波成像实时动态地观察组织的微血管灌注信息，提高病变的检出率和准确率。

谐波成像模式与基波模式相比有很多优点。在应用造影技术后，造影血液中的造影剂微泡可以使毛细血管反射谐波信号的能力大大增强，探测深度增大。更加有利的是，实时动态地观察组织微血管灌注情况可以预测组织内的肿瘤或坏死区域的特征，从而大大提高检出病灶数，提高诊断准确率。

但是谐波成像也有一些缺点。在二次谐波模式下，由于换能器只接收二倍于发射频率的信号，因此接收不到基波段有用的回波信号，使得血管丰富的组织内部细节成为亮区，却留下了没有增强的组织边界，造成组织边界模糊不清，临床中难于对肿瘤等区域相对于器官的边界进行定位。另一方面，为了在换能器的有限带宽内能够接收到二次谐波信号，通常要降低发射脉冲频率，从而降低了分辨率。如为了接收到频率为5MHZ的谐波信号，只能采用基波频率为2.5MHZ的发射信号进行成像，这样基波图像分辨率就较低。

相应的，在基波模式下成像则具有组织边缘的强反射特性。谐波成分被视为带外噪声进行了消除，基波频率成分起到主导的作用。虽然受到造影剂的影响，降低了血管和组织间的差别，使得原本回声能力较差的血管产生强谐波，造成了组织内部细节信息较少，小型病灶很难辨别。但是由于毛细血管里的微泡数量很有限，其基波频率信号很难被检测到，所以不会对基波成像质量造成影响。同时，接收和发射相同频率的信号进行成像，降低了对换能器频带宽度的限制，使用相对高频率的脉冲发射信号可以大大提高成像分辨率。这样就可以采用5MHZ的发射频率进行成像，相对于2.5MHZ的发射信号，图像的分辨率有较大提高。

可见，基波和谐波成像各有其特点，目前单纯使用一种模式的方法很难得到高质量的图像，无法满足医学诊断的实际需要。

发明内容

针对目前单纯使用基波或者谐波成像模式方法得到图像的质量不高，无法满足医学诊断实际需要的问题，本发明提出一种医学超声的基波和谐波图像融合方法，该方法针对超声基波和谐波图像的特点，应用Curvelet方法进行超声基波和谐波图像融合，获得组织边界和内部都清晰的图像，克服普通造影谐波成像边缘模糊不清，组织定位困难等缺点，从而得到高质量的超声图像。

本发明提出的医学超声的基波和谐波图像融合方法可分为三部分：(1)对超声的基波和谐波图像进行Curvelet分解，得到Curvelet系数；(2)对于分解得到的Curvelet系数进行融合处理；(3)根据融合处理得到的Curvelet系数通过Curvelet反变换重构出融合结果图像。

(1)第一部分：Curvelet分解。

离散小波变换方法近年来在图像融合中得到广泛应用。对于一维信号，小波可以准确分析点的奇异性，但对二维图像进行多尺度分解时，由一维小波张成的可分离小波只具有水平、垂直和对角三个有限的方向，且是各向同性的，对图像边缘的方向曲线的特征等更高维的奇异性就难以表达了^[1]，这样就不可避免地引起图像边缘和细节信息模糊。Candès等提出的Curvelet变换^[2]，是由一种特殊的滤波过程和多尺度Ridgelet变换组合而成的。与小波变换相比，除了尺度和位移参量，它还增加了一个方向参量，因此具有更好的方向辨识能力，对图像的边缘，如曲线、直线等几何特征的表达优于小波，可以使用较少的尺度大的Curvelet变换系数表示二维图像的边缘等细节，能量更加集中。因此本发明采用Curvelet变换进行医学超声图像的融合，更好地保留源图像中的细节和特征，提高融合质量。

快速离散Curvelet变换主要有两种实现方法，即USFFT算法和Wrap算法^[3]。本发明采用运行较快的Wrap算法，其核心思想是将初始存于平行四边形区域中的数据通过周期化方法映射到以原点为中心的矩形区域，其基本步骤如下^[3]：

①对f[t₁，t₂]∈L²(R)进行二维快速傅里叶变换得到

-n/2≤n₁，n₂＜n/2；

②对于每一个尺度j和方向参数l，计算抛物窗

和

的乘积，从而实现把频域分区；

③将乘积映射到原点矩形区域，得到：

{\tilde{f}}_{j, l} [n_{1}, n_{2}] = W ({\tilde{U}}_{j, l} \tilde{f}) [n_{1}, n_{2}];

④对每一个

做二维离散傅里叶反变换，得到离散的Curvelet系数c^D(j，l，k)。

本发明的第一部分Curvelet分解就是按照上述步骤分别对超声基波源图像和谐波源图像进行Curvelet变换，得到基波图像和谐波图像的离散的Curvelet系数。

(2)第二部分：Curvelet系数融合处理。

在这一部分中需要按照图像特点选择融合方法对Curvelet系数进行处理，得到融合图像的Curvelet系数。主要的融合方法有加权平均法，系数取大法和方差取大法等。Curvelet变换频域空间区域分块是楔形，只有当逼近基与奇异特征重叠时，也就是其方向与奇异特征的几何形状匹配时，才有较大的Curvelet系数^[3]，故本发明针对超声图像特点，低频部分采用加权平均的方法，高频部分采用绝对值取大的方法，得到融合Curvelet系数。其中系数阈值采用软阈值方法确定^[4]。

(3)第三部分：通过Curvelet反变换重构融合图像。

这一部分利用第二部分得到的融合Curvelet系数，通过Curvelet反变换，重构出融合结果图像。

以上为本发明提出的医学超声的基波和谐波图像融合方法的具体步骤。本发明针对基波和谐波图像的特征，应用Curvelet方法进行图像融合，因此能够得到更高质量的结果图像。下面结合附图，对具体实施实例及其有益效果作进一步的说明。

附图说明

图1基于Curvelet的医学超声基波和谐波图像融合方法框图

图2基波和谐波图像融合结果比较图

图2中：

201超声基波图像

202超声谐波图像

203本发明方法的融合结果图像

204加权平均法的融合结果图像

205小波变换法的的融合结果图像

206文献[5]中方法的融合结果图像

具体实施方式

参照附图1所示，基于Curvelet的医学超声基波和谐波图像融合方法的具体实现步骤如下：

(1)获取基波和谐波图像。本文采用哈尔滨工业大学研制的超声成像设备获得造影基波和谐波图像。为了不影响融合后图像的纵向分辨率，基波信号和谐波信号必须处于同一频段。这里采用的方法是使超声探头在同一物理位置连续发射两次，第一次发射频率为f₀，接收并提取中心频率为2f₀的谐波信号，第二次发射频率为2f₀，接收并提取中心频率为2f₀的基波信号，这样基波信号和谐波信号的中心频率都是2f₀。两次发射时间间隔足够小，被测目标相对位置的改变可忽略不计，并免去了复杂的图像配准步骤，可直接进行图像融合处理。附图2中201是成年男子右肾的超声基波图像，202是相应的造影谐波图像。

(2)分别对基波图像201和谐波图像202进行4层Curvelet分解，得到Curvelet系数。

(3)根据基波和谐波Curvelet系数，采用软阈值方法对低频部分采用加权平均的方法，高频部分采用绝对值取大的方法确定出新的Curvelet系数，作为融合结果图像的Curvelet系数。其中在加权平均法中为保证谐波信息的完整性，适当增大谐波图像的权重，权值设为0.75。

(4)根据(3)中得到的融合结果图像的Curvelet系数，应用Curvelet反变换重构出融合结果图像。附图2中203是融合结果图像。

下面结合具体实施方式对于本发明的有益效果进行说明。为了比较融合结果，分别把基波谐波图像采用加权平均法、小波变换法、文献[5]中方法进行图像融合得到的结果图像在附图2中显示，附图2中204是加权平均法的结果图像，205是小波变换法的的结果图像，206是文献[5]中方法的结果图像。

附图2中201是成年男子右肾的超声基波图像，可以分辨出器官的边缘轮廓，但内部几乎没有细节信息，观察不到病灶。附图2中202是对应的造影谐波图像，可以看到组织坏死区和实质性占位，但是器官的轮廓模糊，很难定位病灶。附图2中204是加权平均法获得的结果图像，整体分辨率低，细节信息模糊。小波变换法由于选择灰度值最大的小波系数作为融合系数，故附图2中205结果图像中灰度值较大的区域保存的较多，由于基波图像灰度值均值高于谐波图像，即基波图像整体看上去亮些，故这种方法保留基波图像的信息多些，这样不利于灰度低的细节信息的保留，如谐波图像中的坏死区域的“黑洞”，其边缘在图中就没有很好地体现。文献[5]的小波窗口法综合考虑邻域像素之间相关性，附图2中206结果图像对坏死区域的细节提取增加，对比度提高，但由于小波本身的分析能力有限，对相对平滑的基波图像保留较少。本发明得到的附图2中203融合结果图像对比度高，组织边缘保存完好，坏死区域保存的信息较多，病灶明显，尤其对谐波成分保留的较多，实现了病灶和组织结构的良好定位。

从以上分析可知，本发明提出基于Curvelet的医学超声基波和谐波图像融合方法可以获得更高的结果图像质量。

参考文献：

[1]焦李成，谭山.图像的多尺度几何分析：回顾和展望.电子学报，2003，31(12A)：1975-1981.

[2]Candès E J，Donoho D L.Curvelets：a surprisingly effective nonadaptive representation forobjects with edges.In：Cohen A，Rabut C，Schumaker L L(Eds).Curve and Surface Fitting，Vanderbilt University Press，Nashville，Tennessee，USA，1999：1-10.

[3]Candès E，Donoho D L，Ying L.Fast discrete curvelet transforms.Multiscale Modelingand Simulation，2006：5(3)：861-899.

[4]Donoho D L.De-noising by soft-thresholding.IEEE Transactions on Information Theory，1995，41(3)：613-627

[5]Heng C，Jie L，Wei Z.Image fusion scheme based on local gradient.In：Proceedings ofIEEE International Conference on Communications，Circuits and Systems，Hongkong，China，2005：528-532

Claims

1.一种医学超声的基波和谐波图像融合方法，其特征在于包括如下步骤：

(1)对超声的基波和谐波图像进行Curvelet分解，得到Curvelet系数；

(2)采用软阈值方法，对基波和谐波图像的Curvelet系数在低频部分采用加权平均的方法，高频部分采用绝对值取大的方法，得到融合Curvelet系数；

(3)利用融合Curvelet系数，通过Curvelet反变换，重构出融合结果图像。