CN102708553A - 一种实时超声图像斑点噪声抑制方法 - Google Patents
一种实时超声图像斑点噪声抑制方法 Download PDFInfo
- Publication number
- CN102708553A CN102708553A CN2012101697907A CN201210169790A CN102708553A CN 102708553 A CN102708553 A CN 102708553A CN 2012101697907 A CN2012101697907 A CN 2012101697907A CN 201210169790 A CN201210169790 A CN 201210169790A CN 102708553 A CN102708553 A CN 102708553A
- Authority
- CN
- China
- Prior art keywords
- component
- frequency
- high frequency
- low frequency
- vertical
- 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
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种实时超声图像斑点噪声抑制方法,在
一级小波变换后,超声图像的主要信号能量集中在
纵向低频和横向低频的分量
上,斑点噪声能量集中在了
纵向高频和横向低频的分量、纵向低频和横向高频的分量以及纵向高频和横向高频的分量
上,有效地区分出了信号与噪声,同时分量图像的点数降低为原来的四分之一,这样在对
纵向低频和横向低频的分量进行各向异性扩散处理,降低了计算复杂度,适应
实时超声图像处理;在对
纵向低频和横向低频的分量进行各向异性扩散处理,在对纵向高频和横向低频的分量、纵向低频和横向高频的分量以及纵向高频和横向高频的分量
分别
进行乘以噪声抑制系数的处理后,进行小波重构,得到最终的图像,实现了在
去除斑点噪声的同时较好的保留了图像的边缘
。
Description
技术领域
本发明属于超声图像处理方法,具体涉及一种实时超声图像斑点噪声抑制方法。
背景技术
现有的超声图像斑点噪声抑制方法主要采用一些非线性的滤波方法,如中值滤波、基于各向异性扩散的方法以及基于小波变换的一些方法等。
基于中值滤波的一些方法如加权的中值滤波、各个方向的中值滤波、各向异性的中值滤波等。深圳市蓝韵实业有限公司的专利公开文献“一种去除实时超声图像斑点噪声的方法”(公开号CN101396279),公开了首先对图像数据进行对数压缩,然后对每个像素的邻域进行四个方向的中值滤波,最后对这几个中值滤波的值进行加权平均,形成输出数据,但由于对像素的处理较为简单,导致对斑点噪声的抑制和边缘的保持都不是很好。
各向异性扩散的方法,如非线性各向异性扩散(NCD)、相关扩散增强(CED)等,虽然能达到较好的去斑效果,但由于计算复杂度很大,难以应用于实时超声图像的处理,这样就产生了一些基于各向异性思想的简化方法,如深圳迈瑞生物医疗电子股份有限公司的专利公开文献“超声图像边缘锐化与斑点抑制方法”(公开号CN1892696),公开了首先对输入图像的像素进行判断是否为边缘点,对边缘点进行方向性滤波和方向性增强,非边缘点采取基于邻域的均值和拉普拉斯值的加权处理。该文献采用了各向异性的思想,简化了计算量,但对斑噪的去除效果不好。
一些基于小波变换的方法主要是对图像的某些小波域系数进行抑制,具体的有软阈值,硬阈值等方法。如General Electric Company的专利授权文献“Speckle noise filtering in ultrasound imaging”(专利号5497777),公开了将信号划分成重叠的、长度相同的子区间,每个子区间进行小波变换,然后采用阈值的方法对这些系数进行修正,最后小波反变换回去。该方法一个最重要的问题是无法有效的区分斑噪能量和信号能量,导致一些斑噪随信号的增强而增强,一些信号随斑噪的抑制而抑制。
总结一下,超声图像处理的目标是在保留边界的基础上去除斑点噪声。一些基于中值滤波的改进算法虽然计算简单,但对边缘的保持和斑噪的滤除效果都不是太好;各向异性扩散的方法由于计算量大使其很难应用于实时超声处理,因此产生的一些基于各向异性思想的算法简化处理过程,但去斑效果不是很好;基于小波变换的一些算法不能有效的区分信号和噪声,使采用的阈值法的效果并不理想。
发明内容
本发明的目的是提供一种实时超声图像斑点噪声抑制方法,该方法在利用各向异性扩散算法优势的基础上,克服了其计算复杂度大而无法应用于实时超声图像处理的缺点;同时结合一级小波变换对空域和频域信息的良好保持,有效地区分了信号和噪声,达到在去除斑点的同时有效的保留了图像边缘。
为达到上述目的,本发明采用了以下技术方案:一种实时超声图像斑点噪声抑制方法,包括以下步骤:
(1)对超声图像进行一级小波变换,分解出第一级的纵向低频和横向低频的分量、纵向高频和横向低频的分量、纵向低频和横向高频的分量、纵向高频和横向高频的分量;
(2)对所述纵向低频和横向低频的分量进行各向异性扩散处理;
(3)对所述纵向高频和横向低频的分量、所述纵向低频和横向高频的分量分别进行乘以第一噪声抑制系数的处理,所述纵向高频和横向高频的分量进行乘以第二噪声抑制系数的处理
(4)对经步骤(2)处理后的纵向低频和横向低频的分量、经步骤(3)处理后的纵向高频和横向低频的分量、纵向低频和横向高频的分量以及纵向高频和横向高频的分量进行小波重构,得到最终的图像。
由于上述技术方案的运用,本发明与现有技术相比具有下列优点:通过一级小波变换后,超声图像的主要信号能量集中在纵向低频和横向低频的分量上,斑点噪声能量集中在了纵向高频和横向低频的分量、纵向低频和横向高频的分量以及纵向高频和横向高频的分量上,有效地区分出了信号与噪声,同时分量图像的点数降低为原来的四分之一,这样在对纵向低频和横向低频的分量进行各向异性扩散处理,降低了计算复杂度,适应实时超声图像处理;在对纵向低频和横向低频的分量进行各向异性扩散处理,在对纵向高频和横向低频的分量、纵向低频和横向高频的分量以及纵向高频和横向高频的分量分别进行乘以噪声抑制系数的处理后,进行小波重构,得到最终的图像,实现了在去除斑点噪声的同时较好的保留了图像的边缘。
附图说明
附图1为本发明的流程示意图;
附图2显示了对输入的超声图像进行小波变换;
附图3为本发明中各向异性扩散处理算法的流程示意图;
附图4显示了对一级小波变换后的高频分量的处理;
附图5显示了对处理后的低频分量和高频分量进行小波重构。
具体实施方式
下面结合附图来进一步阐述本发明。
一种实时超声图像斑点噪声抑制方法,首先对超声图像进行一级小波变换,分解出图像的低频和高频的分量,根据小波变换和分解后各个图像分量的特点,对各个分量进行不同的处理,最终对处理后的各个分量进行小波重构,得到去噪后的图像,如图1所示。具体来说,斑点噪声抑制方法包括以下步骤:
(1)对输入的超声图像进行一级小波变换,分解出第一级的纵向低频和横向低频的分量LL、纵向高频和横向低频的分量HL、纵向低频和横向高频的分量LH、纵向高频和横向高频的分量HH,如图2所示,一级小波变换在频带上进行划分,对空域信息也有一定的保持作用,这就使得对分解后的分量图像进行空域的处理成为可能,且经过一级小波变换后分量图像的点数只有原来四分之一,减少了后续各向异性扩散处理的点数,减少了计算复杂度。由于超声图像的主要信号能量集中在低频段,斑点噪声能量集中在高频段,也就是说,通过一级小波变换后,超声图像的主要信号能量集中在LL分量上,斑点噪声能量集中在了LH、HL、HH分量上;
(2)对LL分量进行各向异性扩散处理,如图3所示,各向异性扩散算法是基于图像内部的相关信息进行扩散,对斑点抑制有很好的效果。在进行各向异性扩散处理时,首先对输入的像素进行判断,区分出各向同性像素和各向异性像素,对各向同性像素进行各向同性扩散,也就是一般的平滑平均;对于各向异性像素根据其各向异性程度进行扩散,这样使得对于不同强度的边缘像素有着不同的相关增强,这里采用的是对一级小波分解后的分量图像LL进行增强,减少了计算复杂度,适合实时超声图像处理;
(3)对HL和LH分量乘以一个相同的噪声抑制系数δ1,HH分量乘以另一个噪声抑制系数δ2,如图4所示,上面提到,超声图像在一级小波分解后主要信号能量集中在LL分量上,斑点噪声能量集中在高频段,故这里对LH、HL、HH分量乘上一个噪声抑制系数,有效地抑制了斑点噪声。由于HH频率成分更高,因此抑制的程度更大;
(4)最后对经步骤(2)处理后的LL分量、经步骤(3)处理后的HL、LH、HH分量进行小波重构,得到最终的输出图像,如图5所示。
本方法充分利用各向异性扩散的优势,结合一级小波变换对空域和频域信息的良好保持,有效地区分出信号和噪声,避免各向异性计算量大和多级小波变换的一些缺陷(多级小波变换后信号能量会分散到高频分量中),达到良好的去斑效果和边缘保留效果。
这里说明一下,一级小波变换和小波重构的方法属于本领域技术人员知晓的现有技术,故在此不详述。还有各向异性扩散处理的算法也属于本领域技术人员知晓的现有技术,这里简单地介绍一下算法的核心。各向异性扩散处理算法采用扩散方程其中I指待处理的图像,x、y指图像I的像素点的位置,t指时间,div指散度,指图像I的梯度,结构张量 其中Iσ,x、Iσ,y指图像I在x、y方向上的梯度,将D特征分解得:
特征向量w1、w2和特征值u1、u2代表了邻域灰度差异最大和最小的方向以及最大和最小的强度,其中(u1-u2)2反映了各向异性程度,(u1-u2)2→0为各向同性区域,我们采用各向同性扩散,(u1-u2)2比较大则为各向异性区域,采用各向异性扩散。下面叙述一种具体的各向异性扩散算法(NCD),我们用λ1和λ2重新定义u1和u2来实现扩散过程
λ2=α
其中α是一个(0,1)的常数,s2是一个常数阈值,这样,当局部灰度处于均匀区域,即(u1-u2)2→0时,λ2=λ1=α,扩散过程成为各向同性扩散;当局部灰度处于小边界区域,即0<(u1-u2)2<s2,λ2>λ1>0,扩散过程成为各向异性,梯度方向的扩散程度随边缘强度变化;当局部灰度处于大边界区域,即(u1-u2)2≥s2,λ2>λ1=0,扩散只沿边缘方向,梯度方向没有扩散。本领域的技术人员都知道,各向异性扩散算法有多种,具体实施时,可以根据不同的诊断部位或者其他要求来选择适合的各向异性扩散算法。
综上,本专利的方法在去除斑点噪声的同时较好的保留了超声图像的边缘,同时拥有较小的计算复杂度,适合实时超声图像处理。具体表现在充分开发了各向异性扩散算法的优势,而克服了其计算复杂度大而无法应用于实时超声图像处理的缺点;根据超声图像的特点设计的一级小波变换,有效地区分了信号和噪声,同时减少了处理的点数,降低了各向异性扩散处理的计算复杂度,克服了多级小波变换算法的缺点,实现了很好的斑噪去除和边缘保留的效果。
Claims (1)
1.一种实时超声图像斑点噪声抑制方法,其特征在于:包括以下步骤:
(1)对超声图像进行一级小波变换,分解出第一级的纵向低频和横向低频的分量、纵向高频和横向低频的分量、纵向低频和横向高频的分量、纵向高频和横向高频的分量;
(2)对所述纵向低频和横向低频的分量进行各向异性扩散处理;
(3)对所述纵向高频和横向低频的分量、所述纵向低频和横向高频的分量分别进行乘以第一噪声抑制系数的处理,所述纵向高频和横向高频的分量进行乘以第二噪声抑制系数的处理
(4)对经步骤(2)处理后的纵向低频和横向低频的分量、经步骤(3)处理后的纵向高频和横向低频的分量、纵向低频和横向高频的分量以及纵向高频和横向高频的分量进行小波重构,得到最终的图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101697907A CN102708553A (zh) | 2012-05-29 | 2012-05-29 | 一种实时超声图像斑点噪声抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101697907A CN102708553A (zh) | 2012-05-29 | 2012-05-29 | 一种实时超声图像斑点噪声抑制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102708553A true CN102708553A (zh) | 2012-10-03 |
Family
ID=46901274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012101697907A Pending CN102708553A (zh) | 2012-05-29 | 2012-05-29 | 一种实时超声图像斑点噪声抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102708553A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105340268A (zh) * | 2013-06-25 | 2016-02-17 | 安奇逻辑股份有限公司 | 图像处理装置、图像处理方法以及图像处理程序 |
CN106875353A (zh) * | 2017-01-20 | 2017-06-20 | 飞依诺科技(苏州)有限公司 | 超声图像的处理方法及处理系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101467897A (zh) * | 2007-12-27 | 2009-07-01 | 株式会社东芝 | 超声波诊断装置、超声波图像处理装置、超声波图像处理方法 |
-
2012
- 2012-05-29 CN CN2012101697907A patent/CN102708553A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101467897A (zh) * | 2007-12-27 | 2009-07-01 | 株式会社东芝 | 超声波诊断装置、超声波图像处理装置、超声波图像处理方法 |
Non-Patent Citations (4)
Title |
---|
刘春明 等: "基于小波的医学超声图像斑点噪声抑制方法", 《中国医学物理学杂志》 * |
江洁 等: "基于小波变换的正则化盲图像复原算法", 《光学精密工程》 * |
许永峰 等: "一个小波域上各向异性扩散去噪算法", 《西北大学学报(自然科学版)》 * |
黄世亮 等: "基于各向异性扩散和小波变换的磁共振图像降噪和增强方法", 《中国医学影像技术》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105340268A (zh) * | 2013-06-25 | 2016-02-17 | 安奇逻辑股份有限公司 | 图像处理装置、图像处理方法以及图像处理程序 |
CN105340268B (zh) * | 2013-06-25 | 2017-06-16 | 安奇逻辑股份有限公司 | 图像处理装置、图像处理方法以及图像处理程序 |
CN106875353A (zh) * | 2017-01-20 | 2017-06-20 | 飞依诺科技(苏州)有限公司 | 超声图像的处理方法及处理系统 |
CN106875353B (zh) * | 2017-01-20 | 2019-11-08 | 飞依诺科技(苏州)有限公司 | 超声图像的处理方法及处理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102306377B (zh) | 一种超声图像去噪的方法和装置 | |
CN104680495B (zh) | 超声图像的自适应去噪方法 | |
CN105631820A (zh) | 基于小波变换和三边滤波器的医学超声图像去噪方法 | |
CN101452574B (zh) | 一种提升超声图像质量的方法 | |
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 | |
CN104103041B (zh) | 超声图像混合噪声自适应抑制方法 | |
CN102663695B (zh) | 基于小波变换的dr图像去噪方法及系统 | |
CN101477681B (zh) | 基于自适应滑窗邻域阈值的小波图像降噪方法 | |
CN101477680A (zh) | 基于滑窗邻域数据选择的小波图像降噪方法 | |
CN103854264A (zh) | 一种基于改进型阈值函数的小波变换图像去噪方法 | |
CN104657948A (zh) | 一种用于海洋探测的激光水下成像图像去噪和增强方法 | |
CN101901476A (zh) | 基于NSCT域边缘检测和Bishrink模型的SAR图像去噪方法 | |
CN102073994B (zh) | 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 | |
CN104182939B (zh) | 一种医疗影像图像细节增强方法 | |
Gupta et al. | Despeckling of ultrasound medical images using nonlinear adaptive anisotropic diffusion in nonsubsampled shearlet domain | |
Rizi et al. | Wavelet-based ultrasound image denoising: Performance analysis and comparison | |
CN111192204A (zh) | 一种图像增强方法、系统和计算机可读存储介质 | |
CN110738675B (zh) | 一种探地雷达图像边缘检测中去除伪影干扰的方法 | |
CN102708553A (zh) | 一种实时超声图像斑点噪声抑制方法 | |
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 | |
Gao | Image denoising by non-subsampled shearlet domain multivariate model and its method noise thresholding | |
CN102722874B (zh) | 超声图像斑点噪声抑制方法 | |
CN102314675A (zh) | 基于小波高频的贝叶斯去噪方法 | |
CN102368332B (zh) | 基于nsct域局部高斯模型的sar图像降斑方法 | |
CN107203972B (zh) | 一种超声图像去噪和增强方法 |
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: 20121003 |