CN102402783A - 一种三维超声图像的斑点处理方法 - Google Patents

Abstract

本发明公开了一种三维超声图像的斑点处理方法，属于数字图像处理技术领域。本发明包括以下步骤：1)利用三维小波多分辨率的时频分离特性，对三维超声图像进行分解，将其分解为7个高频部分与1个低频部分；2)根据三维超声图像中斑点的乘性特性，采用归一化各向异性扩散方法，对经小波分解后的高频部分进行处理，以去除斑点；3)对处理后的高频部分与原低频部分，应用三维小波逆变换，重建三维超声图像。本发明方法能快速、有效地抑制超声斑点，改善图像质量，非常有利于超声图像的分割、特征分析与识别等，本发明可应用于其它含乘性噪声图像的处理。

Description

一种三维超声图像的斑点处理方法

技术领域

本发明属于计算机数字图像处理领域，特别涉及一种三维超声图像的斑点抑制方法。

背景技术

超声成像是利用特定波长的超声波，经探测体后产生背向散射信号而成像的技术，它具有安全性高、成像速度快、操作方便与低成本等优势，在动物学研究与临床中的应用十分广泛，尤其是腹部脏器的探查，如心脏、肝、肾等，和胎儿的三维成像与实时四维动态成像等，以及动物在母体内的生长发育过程的监测与动态评估等。

但是，这种利用超声波背向散射信号进行成像的技术，由于具有一定波长的超声波，遇到微小的组织界面，产生大量的散射，从而在图像中出现大量斑点，降低了图像质量与可分辨性，图像对比度与分辨率低、组织散射与吸收效应使组织器官边界变模糊等，影响了动物研究者或超声科医师的准确判断，以及计算辅助分析，如目标分割、分类识别、量化参数测定等。

斑点抑制滤波算法主要有自适应加权中值滤波，自适应斑点抑制滤波与Lee滤波，基于金字塔多级分解的斑点处理方法等，这些滤波方法存在以下不足：(1)对滤波窗口的大小与形状很敏感；(2)对边缘及细节特征仅仅是尽量保留而不是增强；(3)滤波控制参数选择常常根据经验确定，存在较大随机性；(4)各向同性，即滤波窗口内所有像素以相同的权值参与滤波运算。而图像中的边缘与细节往往具有明显的方向性，由于这些方法没有考虑这种方向性，因此它们保留边缘方面的能力有限。

各向异性扩散(Anisotropic Diffusion)最大特点是滤波过程具有很强的方向性。它根据边缘与匀质区域的差异采用不同的处理策略，如在垂直边缘方向上，采用较弱的平滑以保留它们，平行边缘方向上的匀质区域，则应用较强的平滑，以抑制斑点。虽然各向异性扩散的性能优于大多数斑点滤波方法，但它存在以下不足：(1)基于空间域与灰度梯度信息，由于噪声与信号混叠在一起，因此影响了其抑制斑点噪声与保留细节特征的能力；(2)没有考虑斑点的乘性噪声模型，在灰度值较小的暗区域，它对斑点的抑制作用较强，而在灰度值较强的高亮度区域，其作用甚为有限。

传统的各向异性扩散方法为：

$\left\{\begin{array}{c}\frac{\∂J(x,y,z,t)}{\∂t}=\mathrm{div}[c\left(x,y,z,t)\right)\▿J(x,y,z,t)]\\ J(x,y,z,0)=J_0(x,y,z)\end{array}\right.---\left(1\right)$

其中

为图像灰度梯度，div表示散度(divergence)，c(x，y，z，t)为扩散系数，其定义为：

$c\left(\right||\▿g|\left|\right)=1-\exp (-3.315/{\left(\right||\▿g||/k)}^4)---\left(2\right)$

其中k为控制参数，其值为[01]。

由于超声斑点是一种乘性噪声，在匀质区域与非匀质区域，图像灰度梯度的计算因受斑点的影响而存在较大差异，因此，传统的各向异性扩散方法，并不能有效地去除它们。

发明内容

针对现有技术的不足，本发明提供一种基于小波变换的三维超声斑点的处理方法，以改善图像质量，有利于后续的分析与处理。

一种三维超声图像的斑点处理方法，包括以下步骤：

1)对三维超声图像进行多尺度小波分解，从而分离高频部分与低频部分；

2)根据乘性斑点模型，利用归一化各向异性扩散方法，对高频部分实施平滑，以抑制斑点，同时保留边缘与细节部分；

3)将经平滑处理后的高频部分，与原来的低频部分，进行小波逆变换，重建图像。

所述超声图像经三维小波分解为8部分：HLL，HLH，HHL，HHH；LHH，LHL，LLH，LLL，其中LLL为低频部分，其它为高频部分。

步骤2)中的乘性斑点模型为：

J(x，y，z)＝I(x，y，z)×n(x，y，z)                (1)

其中I(x，y，z)表示原始无噪图像，J(x，y，z)是含有噪声n(x，y，z)的图像。

归一化各向异性扩散的模型为：

$\left\{\begin{array}{c}\frac{\∂J(x,y,z,t)}{\∂t}=\mathrm{div}[\tilde{c}\left(x,y,z,t)\right)\▿J(x,y,z,t)]\\ J(x,y,z,0)=J_0(x,y,z)\end{array}\right.---\left(2\right)$

其中

为图像灰度梯度，div表示散度(divergence)，为归一化扩散系数，它取决于图像灰度梯度，在梯度较小的匀质区域，其值较大，以实施较强的平滑抑制噪声，反之，在梯度较大的区域，往往是组织边界或边缘，此时扩散系应具有较小值，从而尽量保留它们，其定义为：

$c\left(\right|\widetilde{\▿}g\left|\right)=1-\exp (-3.315/{\left(\right|\▿g|/\mathrm{kg}(x,y,z;t))}^4)---\left(3\right)$

其中k为控制参数，其值为[01]，t表示迭代时间或次数。

1)对三维超声图像进行多尺度小波分解，从而分离高频与低频成分；

2)由于斑点处于高频部分，因此，利用归一化各向异性扩散方法，对高频部分实施平滑，以抑制斑点，同时保留边缘与细节部分；

3)将经平滑处理后的高频成分，与原来的低频成分，进行小波逆变换，重建图像。

与现有技术相比较，本发明所述的方法，具有下述特点与优势：

1)针对传统的各向异性扩散方法处理乘性斑点的局限性，通过引入归一化因子，得到归一化各向异性扩散方法；

2)利用小波多尺度分解方法，对高频与低频实施分离，再应用归一化各向异性扩散方法平滑斑点，以在抑制斑点的同时，保留图像边缘与重要细节特征。

3)处理速度快，传统的各向异性扩散方法，扩散过程往往一般几百次迭代才能取得一定效果，花费时间很长，而本发明中的方法，只需要几次迭代，就能得到理想的去噪效果。

附图说明

图1为本发明一种三维超声图像的处理方法流程图；

图2为三维小波分解图，三维图像被分解为8个部分，HLL，HLH，HHL，HHH；LHH，LHL，LLH，LLL，其中LLL为低频部分或匀质区域，其它为高频或含高频部分；

图3为本发明实施例模拟球体及添加乘性斑点的球；

图4为斑点球经三维小波分解后的8部分，可见斑点与球体局部细节，存在于7个高频部分，匀质区域存在于低频部分LLL；

图5(a)、(b)、(c)分别为斑点球经传统各向异性扩散、归一化各向异性扩散、本发明中的归一化小波各向异性扩散方法处理的结果比较；

图6本发明实施例模拟球的某一层二维切面图，图6(a)、(b)、(c)与(d)分别为原始切面、添加斑点后的切面、经传统各向异性扩散与归一化小波各向异性扩散方法处理的结果；

图7(a)、(b)、(c)分别为本发明实施例心脏的三维超声图像某一二维切面，及经传统各向异性扩散和本发明中的方法处理后的结果。

具体实施方式

下面结合实施例和附图对本发明的技术方案作进一步的描述，但本发明的实施方式不限于此。

实施例1

本实施例分为模拟与实际三维超声斑点图像，其中图1中的三维斑点球，采用乘性噪声模型模拟产生，实际心脏超声图像来源于临床。

如图1所示，本发明包括以下步骤：

(1)输入待处理的三维超声图像；

(2)对图像进行三维小波分解；

将三维超声图像分解为如图2所示的HLL，HLH，HHL，HHH；LHH，LHL，LLH，LLL 8部分，图4显示了图3中的斑点球经三维小波分解后的结果，匀质区域主要存在于LLL子带，斑点与变化较大的局部细节，存在于其它7个子带。

(3)应用归一化各向异性扩散对高频部分进行处理，抑制斑点噪声；

应用归一化各向异性扩散对高频部分，即子带HLL，HLH，HHL，HHH；LHH，LHL，LLH等7部分，进行平滑处理。

本发明考虑的斑点乘性噪声模型如下：

J(x，y，z)＝I(x，y，z)×n(x，y，z)                    (1)

其中I(x，y，z)表示原始(无噪)图像，J(x，y，z)是含有噪声n(x，y，z)的图像。

考虑到超声斑点的乘性特性，在匀质区域与非匀质区域，图像灰度梯度的计算因受斑点的影响而存在较大差异，因此传统的各向异性扩散方法，并不能有效地去除斑点。为了消除这种差异性对灰度梯度的影响，本发明采用归一化扩散系数为：

$c\left(\right|\left|\widetilde{\▿}g\right|\left|\right)=1-\exp (-3.315/{\left(\right|\left|\widetilde{\▿}g\right||/\mathrm{kg}(x,y,z;t))}^4)---\left(2\right)$

其中

表示归一化运算：

$\widetilde{\▿}g=\▿g/g---\left(3\right)$

则归一化扩散方法可描述如下：

$\left\{\begin{array}{c}\frac{\∂J(x,y,z,t)}{\∂t}=\mathrm{div}[\tilde{c}\left(x,y,z,t)\right)\▿J(x,y,z,t)]\\ J(x,y,z,0)=J_0(x,y,z)\end{array}\right.---\left(4\right)$

从图5与图7比较可见，绝大部分斑点被平滑。此外，图5表明，传统的各向异性扩散方法，虽然经过300次迭代，仍然对乘性斑点的抑制作用很小，而归一化各异性扩散方法，经300次迭代后，大部分斑点被平滑，但球面及内部细节也随之被平滑，而本发明的归一化小波各向异性扩散方法，只需要5次迭代，即能有效地平滑斑点，而且能很好地保留局部细节。

(4)利用逆小波变换重建图像。

对经步骤(3)中式(2)与(4)所示的归一化扩散处理后的高频部分，与低频部分(如图2中的LLL)，应用逆小波变换重建图像。图5与图7分别显示了重建后的三维球与心脏三维超声图像二维切面。

图1-图7说明了方法流程及实例的处理结果。本实施例中所述的斑点处理方法，涉及若干控制参数，这些参数要针对具体的数据特点进行综合调整与设定，以使处理结果达到最佳。本实施例处理数据集合所设定的参数如下：

步骤(2)中的三维小波分解，分解尺度为1；

步骤(3)的公式(2)中的控制常数k，取值为0.75。

Claims (4)

1.一种三维超声图像的斑点处理方法，其特征在于，包括以下步骤：

1)对三维超声图像进行多尺度小波分解，从而分离高频部分与低频部分；

2)根据乘性斑点模型，利用归一化各向异性扩散方法，对高频部分实施平滑，以抑制斑点，同时保留边缘与细节部分；

3)将经平滑处理后的高频部分，与原来的低频部分，进行小波逆变换，重建图像。

2.根据权利要求1所述的一种三维超声图像的斑点处理方法，其特征在于，所述超声图像经三维小波分解为8部分：HLL，HLH，HHL，HHH；LHH，LHL，LLH，LLL，其中LLL为低频部分，其它为高频部分。

3.根据权利要求1或2所述的一种三维超声图像的斑点处理方法，其特征在于，步骤2)中的乘性斑点模型为：

J(x，y，z)＝I(x，y，z)×n(x，y，z)                (1)

其中I(x，y，z)表示原始无噪图像，J(x，y，z)是含有噪声n(x，y，z)的图像。

4.根据权利要求3所述的一种三维超声图像的斑点处理方法，其特征在于，归一化各向异性扩散的模型为：

$\left\{\begin{array}{c}\frac{\∂J(x,y,z,t)}{\∂t}=\mathrm{div}[\tilde{c}\left(x,y,z,t)\right)\▿J(x,y,z,t)]\\ J(x,y,z,0)=J_0(x,y,z)\end{array}\right.---\left(2\right)$

其中

为图像灰度梯度，div表示散度(divergence)，为归一化扩散系数，它取决于图像灰度梯度，在梯度较小的匀质区域，其值较大，以实施较强的平滑抑制噪声，反之，在梯度较大的区域，往往是组织边界或边缘，此时扩散系应具有较小值，从而尽量保留它们，其定义为：

$c\left(\right|\widetilde{\▿}g\left|\right)=1-\exp (-3.315/{\left(\right|\▿g|/\mathrm{kg}(x,y,z;t))}^4)---\left(3\right)$

其中k为控制参数，其值为[0 1]，t表示迭代时间或次数。

Images