CN102402783A - 一种三维超声图像的斑点处理方法 - Google Patents
一种三维超声图像的斑点处理方法 Download PDFInfo
- Publication number
- CN102402783A CN102402783A CN2011104364183A CN201110436418A CN102402783A CN 102402783 A CN102402783 A CN 102402783A CN 2011104364183 A CN2011104364183 A CN 2011104364183A CN 201110436418 A CN201110436418 A CN 201110436418A CN 102402783 A CN102402783 A CN 102402783A
- Authority
- CN
- China
- Prior art keywords
- spot
- image
- diffusion
- wavelet
- ultrasonic image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Ultra Sonic Daignosis Equipment (AREA)
- Image Processing (AREA)
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
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:
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:
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:
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:
则归一化扩散方法可描述如下:
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011104364183A CN102402783A (zh) | 2011-12-22 | 2011-12-22 | 一种三维超声图像的斑点处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011104364183A CN102402783A (zh) | 2011-12-22 | 2011-12-22 | 一种三维超声图像的斑点处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102402783A true CN102402783A (zh) | 2012-04-04 |
Family
ID=45884961
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011104364183A Pending CN102402783A (zh) | 2011-12-22 | 2011-12-22 | 一种三维超声图像的斑点处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102402783A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103927715A (zh) * | 2014-03-14 | 2014-07-16 | 中瑞科技(常州)有限公司 | 一种超声图像斑点噪声抑制方法 |
CN104537617A (zh) * | 2014-12-24 | 2015-04-22 | 武汉科技大学 | 一种三维超声图像去噪方法 |
CN107481253A (zh) * | 2017-08-03 | 2017-12-15 | 上海音乐学院 | 一种基于边缘的斑点检测方法 |
CN110111273A (zh) * | 2019-04-25 | 2019-08-09 | 四川轻化工大学 | 一种图像的修复方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101777179A (zh) * | 2010-02-05 | 2010-07-14 | 电子科技大学 | 一种基于偏微分方程的双树复小波图像去噪方法 |
CN102073994A (zh) * | 2010-12-31 | 2011-05-25 | 哈尔滨工业大学 | 基于多尺度各项异性扩散的超声医学图像散斑噪声抑制方法 |
-
2011
- 2011-12-22 CN CN2011104364183A patent/CN102402783A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101777179A (zh) * | 2010-02-05 | 2010-07-14 | 电子科技大学 | 一种基于偏微分方程的双树复小波图像去噪方法 |
CN102073994A (zh) * | 2010-12-31 | 2011-05-25 | 哈尔滨工业大学 | 基于多尺度各项异性扩散的超声医学图像散斑噪声抑制方法 |
Non-Patent Citations (4)
Title |
---|
JINSHAN TANG ET AL: "A 3-D anisotropic diffusion filter for speckle reduction in 3-D ultrasound images", 《THREE-DIMENSIONAL IMAGING METROLOGY》 * |
YONGJIAN YU ET AL: "Speckle Reducing Anisotropic Diffusion", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
李帆: "基于小波域的各向异性扩散医学超声图像去噪研究", 《中国优秀硕士学位论文全文数据库》 * |
郭圣文: "超声图像斑点研究及应用", 《万方数据学位论文》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103927715A (zh) * | 2014-03-14 | 2014-07-16 | 中瑞科技(常州)有限公司 | 一种超声图像斑点噪声抑制方法 |
CN104537617A (zh) * | 2014-12-24 | 2015-04-22 | 武汉科技大学 | 一种三维超声图像去噪方法 |
CN107481253A (zh) * | 2017-08-03 | 2017-12-15 | 上海音乐学院 | 一种基于边缘的斑点检测方法 |
CN110111273A (zh) * | 2019-04-25 | 2019-08-09 | 四川轻化工大学 | 一种图像的修复方法 |
CN110111273B (zh) * | 2019-04-25 | 2021-02-12 | 四川轻化工大学 | 一种图像的修复方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Local statistics and non-local mean filter for speckle noise reduction in medical ultrasound image | |
Coupé et al. | Nonlocal means-based speckle filtering for ultrasound images | |
Joel et al. | An extensive review on Despeckling of medical ultrasound images using various transformation techniques | |
Kang et al. | A new feature-enhanced speckle reduction method based on multiscale analysis for ultrasound b-mode imaging | |
Zhang et al. | Wavelet and fast bilateral filter based de-speckling method for medical ultrasound images | |
Damerjian et al. | Speckle characterization methods in ultrasound images–A review | |
CN109598680B (zh) | 基于快速非局部均值和tv-l1模型的剪切波变换医学ct图像去噪方法 | |
CN102402788A (zh) | 一种三维超声图像的分割方法 | |
Jain et al. | A novel wavelet thresholding rule for speckle reduction from ultrasound images | |
Raj et al. | Medical image denoising using multi-resolution transforms | |
Farouj et al. | Hyperbolic Wavelet-Fisz denoising for a model arising in Ultrasound Imaging | |
Magud et al. | Medical ultrasound image speckle noise reduction by adaptive median filter | |
CN102402783A (zh) | 一种三维超声图像的斑点处理方法 | |
Hermawati et al. | Phase-based thresholding schemes for segmentation of fetal thigh cross-sectional region in ultrasound images | |
Tsantis et al. | Multiresolution edge detection using enhanced fuzzy c‐means clustering for ultrasound image speckle reduction | |
Lee et al. | Speckle reduction via deep content-aware image prior for precise breast tumor segmentation in an ultrasound image | |
Bedi et al. | Ultrasound speckle reduction using adaptive wavelet thresholding | |
Forouzanfar et al. | A new multiscale Bayesian algorithm for speckle reduction in medical ultrasound images | |
Singh et al. | Total variation‐based ultrasound image despeckling using method noise thresholding in non‐subsampled contourlet transform | |
Hiremath et al. | Speckle reducing contourlet transform for medical ultrasound images | |
Zhang et al. | Despeckling Methods for Medical Ultrasound Images | |
CN103426145A (zh) | 一种基于多分辨分析的合成孔径声纳相干斑噪声抑制方法 | |
Wachinger et al. | Locally adaptive nakagami-based ultrasound similarity measures | |
CN109035156B (zh) | 基于dnst的医学ct图像去噪方法 | |
Lakshmi et al. | Noise and skull removal of brain magnetic resonance image using curvelet transform and mathematical morphology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20120404 |