CN102646270A - 一种超声图像噪声抑制方法 - Google Patents
一种超声图像噪声抑制方法 Download PDFInfo
- Publication number
- CN102646270A CN102646270A CN2012100673411A CN201210067341A CN102646270A CN 102646270 A CN102646270 A CN 102646270A CN 2012100673411 A CN2012100673411 A CN 2012100673411A CN 201210067341 A CN201210067341 A CN 201210067341A CN 102646270 A CN102646270 A CN 102646270A
- Authority
- CN
- China
- Prior art keywords
- signal
- noise reduction
- image
- frequency sub
- band
- 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
本发明提供了一种超声图像噪声抑制方法,该方法包括:步骤一、对超声图像进行对数变换,以获取对数图像;步骤二、提取对数图像的边缘信号区;步骤三、对对数图像进行非降采样轮廓波变换,以得到多个高频子带;步骤四、提取出各高频子带的边缘信号区和信号平稳区;步骤五、对各高频子带在边缘信号区和信号平缓区分别进行降噪处理;步骤六、对降噪后的高频子带进行非降采样轮廓波反变换;步骤七、对步骤六得到的图像进行指数变换得到最终降噪图像。采用本发明提供的噪声抑制方法,能够有效地对斑点噪声进行抑制,并且较大程度上保留超声图像中的细节信息,达到较佳的降噪效果。
Description
技术领域
本发明涉及超声图像处理领域,具体涉及到一种基于非降采样轮廓波域的超声图像抑制方法。
背景技术
超声成像是利用超声波照射检测体,通过接收和处理载有检测体内部组织或结构性质特征信息的回波,获得检测体组织性质与结构的可见图像的方法和技术。超声成像具有价格低廉、成像实时性好、对患者无侵害和便于携带使用等优点,因此,在医学成像领域获得了广泛的应用。
当前,依据超声图像的定量分析从事辅助治疗的研究逐渐兴起,例如:血管内超声图像的血管壁边缘提取和血管腔面积测量、HIFU治疗中的基于超声图像监控的病灶区域提取和治疗区温度实时测量等,这对超声成像的质量有了更高的要求。
由于超声成像的相干特性,图像中固有的斑点噪声(Speckle noise)呈现出密集可见的颗粒状或波纹状物体,在图像中产生众多伪边缘,严重影响到图像中细微特征的分辨和对比度,并给后续的定量分析造成困难。因此,通常需要对超声图像的噪声加以抑制。
现有的针对超声图像的噪声抑制方法,主要分为空域滤波和变换域滤波两大类。
空域滤波器主要包括Lee、Kun、Frost等人提出的一系列基于局部统计特性的空域滤波器,此类滤波器利用了图像的局部统计参数,在抑制图像中噪声时,可在一定程度上保留图像的边缘。Yu提出的斑点噪声各向异性扩散模型SRAD(Speckle reducing anisotropic diffusion)算法,在图像中平坦区域进行平滑滤波,而在图像的边缘细节区域算法对细节信息进行保留。
在基于变换域滤波的超声图像降噪方法中,最为广泛应用的方法是基于小波变换的降噪滤波技术。应用小波变换对图像进行多分辨率分析的方法,改善了在空域和频域中图像信号与噪声提取和分离的难题。如小波变换的软阈值收缩方法考虑到信号与噪声的系数在幅值上的差异,利用软阈值处理对噪声的系数进行滤除;Pizurica提出一种基于联合估计的广义似然比降噪GenLik算法,在对小波系数进行降噪处理时,并不需要利用先验知识对噪声的分布形式进行假设,而是选择从系数自身中提取信号和噪声的分布信息;而基于贝耶斯估计的降噪方法针对对数变换后超声图像的小波系数,利用最小均方误差检测(minimum mean squared error,MMSE)或最大后验概率(maximum a posteriori,MAP)检测理论结合对信号和噪声的分布概率模型(包括高斯分布、瑞利分布、Nakagami分布和广义高斯分布等)作参数化近似,可在降噪滤波中尽可能好的保留图像信号。
但是,现有技术在采用以上的方法对超声图像中斑点噪声进行抑制时,很难保证在有效抑制噪声的同时能保证图像中的关键有用信息不会被破坏。
为了更加有效的抑制超声图像中的斑点噪声,各类提升小波变换域的降噪算法完善了小波域方法的各种不足,成为了当前的一个重要研究方向。如轮廓波变换(Contourlet)是一种功能强大且用途广泛的二维信号变换工具,与小波变换相比有着更好的多分辨率分析、多方向性表示性能,可以准确的捕捉图像中内在的几何结构。非降采样轮廓波变换(Nonsubsamplingcontourlet,NSCT)在Contourlet变换的基础上,利用非降采样塔式分解和方向滤波器组构造分解结构,避免了降采样过程,使得变换具有平移不变性,并可由多孔算法实现,进一步提高了Contourlet变换在图像降噪领域的性能。
发明内容
有鉴于此,本发明的目的是提供一种基于非降采样轮廓波变换的超声图像噪声抑制方法,以在降噪过程中同时实现对噪声的充分抑制和对细节信息的有效保留,以满足医用超声成像仪器在成像时进行快速、有效降噪处理的需要。
为实现上述目的,本发明提供了一种超声图像噪声抑制方法,该方法包括:
步骤一、对超声图像进行对数变换,以获取对数图像;
步骤二、提取对数图像的边缘信号区;
步骤三、对对数图像进行非降采样轮廓波变换,以得到多个高频子带;
步骤四、提取出各高频子带的边缘信号区和信号平稳区;
步骤五、对各高频子带在边缘信号区和信号平缓区分别进行降噪处理;
步骤六、对降噪后的高频子带进行非降采样轮廓波反变换;
步骤七、对步骤六得到的图像进行指数变换得到最终降噪图像。
较佳地,在步骤二中提取到的对数图像的边缘信号区之外的点组成其信号平稳区,以m1表示边缘信号区,以m2表示信号平稳区。
较佳地,在步骤三中所述的多个高频子带具有尺度和方向,以bj,l表示高频子带,其中j表示子带的尺度,l表示子带的方向。
较佳地,在步骤三中对各尺度下各方向的高频子带bj,l,首先以提取各高频子带内的边缘信号区m1,j,l,以m2,j,l=bj,l-m1,j,l提取信号平稳区m2,j,l;其中,代表形态学膨胀运算,sej表示j尺度下膨胀使用的结构元素,信号平稳区m2,j,l为m1,j,l的补集。
较佳地,在步骤五中进一步包括:步骤5.1,在边缘信号区m1,j,l,保持其中各点的系数值;以及步骤5.2,在信号平稳区m2,j,l,以软阈值收缩方法进行降噪处理。
较佳地,在所述步骤5.2中,以软阈值收缩方法对信号平稳区m2,j,l进行降噪处理的方法进一步包括:计算所述信号平稳区m2,j,l中各非降采样轮廓波变换系数的标准差δb;选择t·δb作为阈值,利用软阈值收缩方程对信号平稳区进行降噪处理,得到降噪后的NSCT子带,软域值收缩方程为:
采用本发明提供的噪声抑制方法,能够有效地对斑点噪声进行抑制,并且较大程度上保留超声图像中的细节信息,达到较佳的降噪效果。
附图说明
图1为本发明采用的超声图像噪声抑制方法的流程图;
图2为采用本发明提供的超声图像噪声抑制方法与其他降噪方法处理超声图像的结果对比图。
具体实施方式
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
请参考图1、本发明提供的一种超声图像噪声抑制方法,具体如下:
S101:对超声图像I进行对数变换,得到对数图像I’;
S102:提取对数图像的边缘信号区;
同时,图像I’在边缘信号区以外的点,组成其信号平稳区m2。
S103:对对数图像进行非降采样轮廓波变换,以得到多个高频子带;
利用NSCT变换对图像I’进行分解,得到一系列高频子带bj,l,其中j表示子带的尺度,l表示子带的方向。
通常分解的最大尺度为5层,每尺度下分解的方向数为24=16;
S104:提取出各高频子带的边缘信号区和信号平稳区;
而信号平稳区m2,j,l为m1,j,l的补集,以m2,j,l=bj,l-m1,j,l获得。
S105:对各高频子带在边缘信号区和信号平缓区分别进行降噪处理;
对边缘信号区和信号平稳区,选用不同策略进行降噪处理:
a)在边缘信号区m1,j,l,保持其中各点的系数值;
b)在信号平稳区m2,j,l,计算其中各NSCT系数的标准差δb,之后,选择t·δb作为阈值,利用软阈值收缩方程对信号平稳区进行降噪处理,得到降噪后的NSCT子带。
c)其中参数t可根据使用的要求选择取值大小,通常取值为2~3;而软域值收缩方程为:
S106:对降噪后的高频子带进行NSCT反变换;
具体地,利用降噪后的各尺度和各方向的高频子带,以及低频子带,进行NSCT反变换,得到图像Id’。
S107:对图像Id’进行指数变换,得到最终降噪图像Id。
如图2所示,其为采用上述方法对对超声图像的降噪处理结果F,与原始超声图像A、维纳滤波降噪后的图像B、SRAD方法降噪处理后的图像C、小波软阈值收缩方法处理的降噪图像D以及Genlik方法降噪处理的超声图像E之间的对比图。显而易见地,采用上述实施例的超声图像降噪方法降噪结果最佳,即有效的抑制了斑点噪声,也很好的保留了图像中的各种细节信息。
采用本发明提供的超声图像降噪方法在对超声图像中斑点噪声进行有效抑制的同时,可以有效的保留图像中关键的信息,所得降噪结果更加接近真实无噪图像,使得临床诊断和后续图像处理工作更加真实准确。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种超声图像噪声抑制方法,其特征在于,包括:
步骤一、对超声图像进行对数变换,以获取对数图像;
步骤二、提取对数图像的边缘信号区;
步骤三、对对数图像进行非降采样轮廓波变换,以得到多个高频子带;
步骤四、提取出各高频子带的边缘信号区和信号平稳区;
步骤五、对各高频子带在边缘信号区和信号平缓区分别进行降噪处理;
步骤六、对降噪后的高频子带进行非降采样轮廓波反变换;
步骤七、对步骤六得到的图像进行指数变换得到最终降噪图像。
2.如权利要求1所述的方法,其特征在于,在步骤二中提取到的对数图像的边缘信号区之外的点组成其信号平稳区,以m1表示边缘信号区,以m2表示信号平稳区。
3.如权利要求2所述的方法,其特征在于,在步骤三中所述的多个高频子带具有尺度和方向,以bj,l表示高频子带,其中j表示子带的尺度,l表示子带的方向。
5.如权利要求4所述的方法,其特征在于,在步骤五中进一步包括:
步骤5.1,在边缘信号区m1,j,l,保持其中各点的系数值;以及
步骤5.2,在信号平稳区m2,j,l,以软阈值收缩方法进行降噪处理。
7.如权利要求6所述的方法,其特征在于,所述参数t取值为2~3。
8.如权利要求3所述的方法,其特征在于,所述尺度最大值为5层,每尺度下分解的方向数为16。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100673411A CN102646270A (zh) | 2012-03-14 | 2012-03-14 | 一种超声图像噪声抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100673411A CN102646270A (zh) | 2012-03-14 | 2012-03-14 | 一种超声图像噪声抑制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102646270A true CN102646270A (zh) | 2012-08-22 |
Family
ID=46659082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012100673411A Pending CN102646270A (zh) | 2012-03-14 | 2012-03-14 | 一种超声图像噪声抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102646270A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104103041A (zh) * | 2013-12-24 | 2014-10-15 | 北京华科创智健康科技股份有限公司 | 超声图像混合噪声自适应抑制方法 |
CN105096280A (zh) * | 2015-06-17 | 2015-11-25 | 浙江宇视科技有限公司 | 处理图像噪声的方法及装置 |
CN105279744A (zh) * | 2015-11-30 | 2016-01-27 | 中国科学院上海光学精密机械研究所 | 基于非下采样轮廓波变换的光学条纹图抑噪方法 |
-
2012
- 2012-03-14 CN CN2012100673411A patent/CN102646270A/zh active Pending
Non-Patent Citations (3)
Title |
---|
付永庆等: "一种基于数学形态学的灰度图像边缘检测算法", 《哈尔滨工程大学学报》 * |
方洁: "基于非抽样Contourlet 变换的最佳软阈值图像去噪", 《计算机技术与发展》 * |
连学强等: "基于无下采样 Contourlet变换的SAR图像去噪", 《仪器仪表学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104103041A (zh) * | 2013-12-24 | 2014-10-15 | 北京华科创智健康科技股份有限公司 | 超声图像混合噪声自适应抑制方法 |
CN104103041B (zh) * | 2013-12-24 | 2017-12-22 | 北京华科创智健康科技股份有限公司 | 超声图像混合噪声自适应抑制方法 |
CN105096280A (zh) * | 2015-06-17 | 2015-11-25 | 浙江宇视科技有限公司 | 处理图像噪声的方法及装置 |
CN105279744A (zh) * | 2015-11-30 | 2016-01-27 | 中国科学院上海光学精密机械研究所 | 基于非下采样轮廓波变换的光学条纹图抑噪方法 |
CN105279744B (zh) * | 2015-11-30 | 2018-08-14 | 中国科学院上海光学精密机械研究所 | 基于非下采样轮廓波变换的光学条纹图抑噪方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101739671B (zh) | 一种含噪图像的降噪处理方法及系统 | |
CN101980286B (zh) | 结合双树复小波与双变量模型的sar图像降斑方法 | |
CN106097280A (zh) | 基于正态逆高斯模型的医学超声图像去噪方法 | |
CN101482617B (zh) | 基于非下采样轮廓波的合成孔径雷达图像去噪方法 | |
CN106157261A (zh) | 平移不变性的shearler变换医学图像去噪方法 | |
CN103093441B (zh) | 基于变换域的非局部均值和双变量模型的图像去噪方法 | |
US8852105B2 (en) | Ultrasound system and method of forming ultrasound images | |
CN102509269B (zh) | 一种结合曲线波的基于图像子块相似性的图像去噪方法 | |
CN102024266B (zh) | 基于图像结构模型的压缩感知图像重构方法 | |
CN102324021A (zh) | 一种基于剪切波变换的红外弱小目标检测方法 | |
CN104103041B (zh) | 超声图像混合噪声自适应抑制方法 | |
CN102670251B (zh) | 基于数值排序加权平均的超声图像空间滤波方法 | |
CN101566688B (zh) | 基于邻域方向性信息的sar图像降斑方法 | |
CN103860201A (zh) | 一种基于宽波束造影成像及提取灌注时间强度曲线的方法 | |
CN104574301A (zh) | 一种太赫兹图像重构方法及系统 | |
CN102646270A (zh) | 一种超声图像噪声抑制方法 | |
CN101719268A (zh) | 基于改进Directionlet域的广义高斯模型图像去噪方法 | |
CN103927715A (zh) | 一种超声图像斑点噪声抑制方法 | |
CN104200440A (zh) | 一种基于多尺度小波变换的斑点图像处理算法 | |
CN103955894A (zh) | 一种量子启发的医学超声图像去斑方法 | |
CN101950413B (zh) | 基于非下采样Contourlet域MRF模型的SAR图像降斑方法 | |
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 | |
CN104574304A (zh) | 一种毫米波图像重构方法及系统 | |
CN103839239A (zh) | 一种电缆瓷套终端红外图像自适应去噪方法 | |
CN104182944A (zh) | 基于曲波与小波变换相串联的光学图像去噪方法 |
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: 20120822 |