CN107403416B - 基于nsct的改进滤波与阈值函数的医学超声图像去噪方法 - Google Patents
基于nsct的改进滤波与阈值函数的医学超声图像去噪方法 Download PDFInfo
- Publication number
- CN107403416B CN107403416B CN201710616979.9A CN201710616979A CN107403416B CN 107403416 B CN107403416 B CN 107403416B CN 201710616979 A CN201710616979 A CN 201710616979A CN 107403416 B CN107403416 B CN 107403416B
- Authority
- CN
- China
- Prior art keywords
- noise
- nsct
- image
- coefficient
- improved
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000001914 filtration Methods 0.000 title claims abstract description 29
- 230000009466 transformation Effects 0.000 claims abstract description 21
- 230000001629 suppression Effects 0.000 claims abstract description 18
- 230000002146 bilateral effect Effects 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 239000000654 additive Substances 0.000 claims description 6
- 230000000996 additive effect Effects 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 3
- 230000007423 decrease Effects 0.000 claims 1
- 201000010099 disease Diseases 0.000 abstract description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 6
- 238000003745 diagnosis Methods 0.000 abstract description 4
- 238000011160 research Methods 0.000 abstract description 3
- 231100000915 pathological change Toxicity 0.000 abstract description 2
- 230000036285 pathological change Effects 0.000 abstract description 2
- 230000000007 visual effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 238000002604 ultrasonography Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000002247 constant time method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20028—Bilateral filtering
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于NSCT的改进滤波与阈值函数的医学超声图像去噪方法，其包括一、预处理；二、NSCT变换；三、采用改进的双边滤波方法对低频子带系数进行噪声抑制处理；采用改进阈值方法对高频子带系数进行噪声抑制处理；四、将噪声抑制处理后的系数进行NSCT逆变换，再指数变换得到去除噪声后的重构图像，将NSCT变换与双边滤波及改进阈值法相结合，可以有效地抑制超声图像中的散斑噪声，较好地保留原始图像中的边缘及细节信息，获得较好的视觉效果。可直接与医院的临床应用相结合，为相关疾病诊断提供探索性及实用性研究，为辅助医生对疾病的诊断提供技术支持，提高该疾病的诊断水平，还可用于跟踪病理变化等。
Description
技术领域
本发明涉及一种基于NSCT的改进滤波与阈值函数的医学超声图像去噪方法，属于医学超声图像噪声处理领域，可以应用于各类医用超声图像噪声处理系统。
背景技术
医学超声图像中的噪声主要以散斑噪声为主，散斑噪声的抑制又是其进行后续处理所必须的步骤，因此针对超声图像中散斑噪声的抑制一直是临床应用中非常关注的话题。
传统的医学超声图像去噪技术主要集中在空间域的图像滤波技术，如经典的中值滤波、均值滤波、维纳滤波、Lee滤波等，基于这些技术的图像滤波方法虽然实现较为简单，但是它们在滤除噪声与进行边缘保留之间的矛盾依然较为明显,因此具有一定局限性。
随着多尺度几何分析方法(MGA)的理论发展和实际应用，不仅为图像处理及分析提供了一种新的方法，而且为高维空间中信号稀疏表示方面的研究提供了重要的理论基础。MGA工具从提出到现在，经历了快速的发展，先后提出了许多的多尺度几何分析工具，如Ridgelet变换、Curvelet变换、Contourlet变换等方法。由于Contourlet变换过程中有下采样的操作，在奇异点周围容易引入伪吉布斯现象。针对Contourlet变换去噪的不足，A.L.Cunha等人又提出了没有下采样操作的Contourlet变换，称为非下采样Contourlet变换(NSCT)，可以有效地应用于图像去噪领域。
发明内容
为了避免现有技术的不足之处，本发明提出一种基于NSCT的改进滤波与阈值函数的医学超声图像去噪方法，能够提高医学超声图像质量，达到理想的实用效果。
本发明提供一种基于NSCT的改进滤波与阈值函数的医学超声图像去噪方法，其包括以下步骤：
一、对含有噪声的医学超声图像进行预处理；
二、对预处理后的超声图像进行NSCT变换，分别得到低频子带系数和高频子带系数；
三、采用改进的双边滤波方法对低频子带系数进行噪声抑制处理；采用改进阈值方法对高频子带系数进行噪声抑制处理；
四、将噪声抑制处理后的系数进行NSCT逆变换，再指数变换得到去除噪声后的重构图像，
步骤三中，改进的双边滤波方法采用双边滤波器
其中
其中，
为噪声方差，C1和C2是经验常数；
改进阈值方采用数学模型：
其中噪声标准差为
信号的标准差为
步骤一中对含有噪声的医学超声图像进行对数变换操作：log[F(i,j)]＝log[s(i,j)]+log[X(i,j)]，并将乘性噪声转换为加性噪声，其中其中，F(i,j)为含有散斑噪声的超声图像，X(i,j)是需要恢复的无噪声图像，S(i,j)是乘性散斑噪声。
步骤二中首先采用非下采样金字塔对图像进行多尺度分解，然后采用方向滤波器对各尺度子带图像进行方向分解，从而得到不同尺度、不同方向的子带图像。
步骤三中噪声方差
可利用得到的高频子带系数采用鲁棒中值估计法来获取。
本发明的有益效果：将NSCT变换与双边滤波及改进阈值法相结合，可以有效地抑制超声图像中的散斑噪声，同时较好地保留原始图像中的边缘及细节信息，获得较好的视觉效果。本方法可以直接与医院的临床应用相结合，为相关疾病诊断提供探索性及实用性研究，为辅助医生对疾病的诊断提供技术支持，提高该疾病的诊断水平，还可用于跟踪病理变化等。
附图说明
图1为本发明的基本流程图。
图2为金字塔滤波器的结构图。
图3为非下采样方向滤波器的结构图。
图4a、4b、4c、4d、4e为使用本发明完成医学超声图像散斑噪声抑制的例子采用其他去噪方法的示意图。
具体实施方式
下面结合附图对本发明实施例作进一步说明：
本发明提供一种基于NSCT的改进滤波与阈值函数的医学超声图像去噪方法，其包括以下步骤：
一、对含有噪声的医学超声图像进行预处理，对含有噪声的医学超声图像进行对数变换操作，并将乘性噪声转换为加性噪声，医学超声图像加性散斑噪声部分的影响远小于乘性部分，因此，在实际散斑噪声抑制过程中可以忽略加性散斑噪声，如下式所示：F(i,j)＝S(i,j)*X(i,j)，其中，F(i,j)为含有散斑噪声的超声图像，X(i,j)是需要恢复的无噪声图像，S(i,j)是乘性散斑噪声，
去除噪声前，对原始医学超声图像进行对数变换，散斑噪声图像经过对数变换后如下式所示：log[F(i,j)]＝log[s(i,j)]+log[X(i,j)]。
二、对预处理后的超声图像进行NSCT变换，分别得到低频子带系数和高频子带系数，由于NSCT变换去除了Contourlet变换的下采样操作，因而具有平移不变性，且比Contourlet变换能更好地采集频率并且具有规律性，NSCT是在Contourlet变换的基础上提出的，NSCT的基本思想是首先利用多尺度分解捕捉边缘奇异点，然后再将点的奇异性汇集成线的奇异性，首先采用非下采样金字塔对图像进行多尺度分解，然后采用方向滤波器对各尺度子带图像进行方向分解，从而得到不同尺度、不同方向的子带图像，金字塔滤波器结构图如附图2所示，其中，H0(z)和H1(z)分别为低通滤波器和高通滤波器，G0(z)和G1(z)分别为低通重构滤波器和高通重构滤波器。方向滤波器结构图如附图3所示，其中，C0(z)和C1(z)为第一级分解的互补扇形滤波器组，C0(zw)和C1(zw)为第二级分解的想先滤波器组。
三、采用改进的双边滤波方法对低频子带系数进行噪声抑制处理；采用改进阈值方法对高频子带系数进行噪声抑制处理。
经NSCT变换后，低频子带系数包含了图像的基本信息，是去除纹理和细节后的图像缩略图，采用改进的双边滤波方法对低频子带系数进行噪声抑制处理，改进的双边滤波方法采用双边滤波器
双边滤波加权系数由两个加权因子相乘得到：一个因子由像素间空间距离决定，称之为空域加权因子(空间核)；另一个因子由像素间差值决定，称之为像素值加权因子(像素值核)，其数学模型为
其中，
是噪声方差。在本方法中引入了经验常数C1和C2，并且
可以利用得到的高频子带系数采用鲁棒中值估计法来估计噪声的方差。假设高频子带系数中每一层的噪声方差估计值为
则
经NSCT变换后，高频部分对应的是图像的边缘、细节信息以及突变的部分和大部分的噪声。随着尺度的分解，代表图像细节信息的NSCT系数会趋于稳定，而代表噪声的NSCT系数则会成指数下降。因此，在高频部分采用改进的阈值方法来滤除噪声并保持图像的细节信息，对于高频子带系数Hj,k(m,n)，如果其超过了设计的阈值，则保留，如果其小于设计的阈值，则保留高频子带系数的邻域均值，基于改进阈值方采用数学模型：
其中Hj,k(m,n)表示第j尺度，k方向上的NSCT系数，Tj,k(m,n)为阈值函数，且所述阈值函数为
以BayesShrink阈值为基础，BayesShrink阈值表达式为：
其中，σx和σ分别为信号和噪声标准差，
噪声标准差为
信号的标准差为
四、将噪声抑制处理后的系数进行NSCT逆变换，再指数变换得到去除噪声后的重构图像，
附图4为医学超声图像和散斑噪声处理后的图像。图4a为医学超声原始图像；图4b为采用本发明处理后的医学超声图像；图4c为采用Lee过滤方法处理后的医学超声图像；图4d为采用WT方法处理后的医学超声图像；图4e为采用CT方法处理后的医学超声图像。
将本发明所得到的噪声去除结果与其他去噪方法所得到的的结果进行对比，评价结果如表所示。
实施例不应视为对本发明的限制，任何基于本发明的精神所作的改进，都应在本发明的保护范围之内。
Claims (1)
1.一种基于NSCT的改进滤波与阈值函数的医学超声图像去噪方法，其特征在于：其包括以下步骤：
一、对含有噪声的医学超声图像进行预处理，对含有噪声的医学超声图像进行对数变换操作，并将乘性噪声转换为加性噪声；
二、对预处理后的超声图像进行NSCT变换，分别得到低频子带系数和高频子带系数；
三、采用改进的双边滤波方法对低频子带系数进行噪声抑制处理；采用改进阈值方法对高频子带系数进行噪声抑制处理；经NSCT变换后，低频子带系数包含了图像的基本信息，是去除纹理和细节后的图像缩略图，采用改进的双边滤波方法对低频子带系数进行噪声抑制处理，改进的双边滤波方法采用双边滤波器
经NSCT变换后，高频部分对应的是图像的边缘、细节信息以及突变的部分和大部分的噪声，随着尺度的分解，代表图像细节信息的NSCT系数会趋于稳定，而代表噪声的NSCT系数则会成指数下降，因此，在高频部分采用改进的阈值方法来滤除噪声并保持图像的细节信息，对于高频子带系数Hj,k(m,n)，如果其超过了设计的阈值，则保留，如果其小于设计的阈值，则保留高频子带系数的邻域均值；
四、将噪声抑制处理后的系数进行NSCT逆变换，再指数变换得到去除噪声后的重构图像，
步骤三中，改进的双边滤波方法采用双边滤波器
其中
其中，
为噪声方差，C1和C2是经验常数；
改进阈值方法 采用数学模型：
其中噪声标准差为
信号的标准差为
步骤一中对含有噪声的医学超声图像进行对数变换操作：log[F(i,j)]＝log[S(i,j)]+log[X(i,j)]，并将乘性噪声转换为加性噪声，其中，F(i,j)为含有散斑噪声的超声图像，X(i,j)是需要恢复的无噪声图像，S(i,j)是乘性散斑噪声；
步骤二中首先采用非下采样金字塔对图像进行多尺度分解，然后采用方向滤波器对各尺度子带图像进行方向分解，从而得到不同尺度、不同方向的子带图像；
步骤三中噪声方差
可利用得到的高频子带系数采用鲁棒中值估计法来获取。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710616979.9A CN107403416B (zh) | 2017-07-26 | 2017-07-26 | 基于nsct的改进滤波与阈值函数的医学超声图像去噪方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710616979.9A CN107403416B (zh) | 2017-07-26 | 2017-07-26 | 基于nsct的改进滤波与阈值函数的医学超声图像去噪方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107403416A CN107403416A (zh) | 2017-11-28 |
| CN107403416B true CN107403416B (zh) | 2020-07-28 |
Family
ID=60402503
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710616979.9A Active CN107403416B (zh) | 2017-07-26 | 2017-07-26 | 基于nsct的改进滤波与阈值函数的医学超声图像去噪方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107403416B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107833226B (zh) * | 2017-10-26 | 2021-05-11 | 中国测绘科学研究院 | 一种基于指数型多尺度影像序列的c-v模型对sar影像海岸线快速自动分割方法 |
| CN108961172B (zh) * | 2018-05-17 | 2021-05-28 | 北京莜桔西科技有限公司 | 一种基于Gamma校正的图像对比度增强方法 |
| CN110031820A (zh) * | 2019-03-05 | 2019-07-19 | 中国科学院西安光学精密机械研究所 | 一种激光成像去噪方法及装置 |
| CN111340726B (zh) * | 2020-02-26 | 2022-08-02 | 青海民族大学 | 一种基于监督性机器学习的图像辅助去噪方法 |
| CN111905229A (zh) * | 2020-07-13 | 2020-11-10 | 湖南科技大学 | 一种基于5g的钢琴音乐催眠治疗控制系统及方法 |
| CN113096806A (zh) * | 2021-04-15 | 2021-07-09 | 王小娟 | 基于医学影像算法和区块链的疾病预测系统 |
| CN113129235A (zh) * | 2021-04-22 | 2021-07-16 | 深圳市深图医学影像设备有限公司 | 一种医学图像噪声抑制算法 |
| CN116342444B (zh) * | 2023-02-14 | 2024-07-26 | 山东财经大学 | 一种双通道多模态图像融合方法及电子设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101957984A (zh) * | 2010-08-30 | 2011-01-26 | 西安电子科技大学 | 基于非局部萎缩因子参数估计的图像去噪方法 |
| CN104200452A (zh) * | 2014-09-05 | 2014-12-10 | 西安电子科技大学 | 基于谱图小波变换的红外与可见光图像融合方法及其装置 |
| CN105913392A (zh) * | 2016-04-08 | 2016-08-31 | 西安电子科技大学昆山创新研究院 | 复杂环境下退化图像综合质量提升方法 |
| CN105913407A (zh) * | 2016-04-06 | 2016-08-31 | 昆明理工大学 | 一种基于差值图对多聚焦度图像融合优化的方法 |
-
2017
- 2017-07-26 CN CN201710616979.9A patent/CN107403416B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101957984A (zh) * | 2010-08-30 | 2011-01-26 | 西安电子科技大学 | 基于非局部萎缩因子参数估计的图像去噪方法 |
| CN104200452A (zh) * | 2014-09-05 | 2014-12-10 | 西安电子科技大学 | 基于谱图小波变换的红外与可见光图像融合方法及其装置 |
| CN105913407A (zh) * | 2016-04-06 | 2016-08-31 | 昆明理工大学 | 一种基于差值图对多聚焦度图像融合优化的方法 |
| CN105913392A (zh) * | 2016-04-08 | 2016-08-31 | 西安电子科技大学昆山创新研究院 | 复杂环境下退化图像综合质量提升方法 |
Non-Patent Citations (3)
| Title |
|---|
| "基于NSCT和双边滤波的图像去噪算法研究";李翠菊;《中国优秀硕士学位论文全文数据库 信息科技辑》;20160415(第4期);摘要，正文第2.3节,第4.3节 * |
| "基于多尺度分析的图像去噪及特征提取算法研究";戴桂平;《苏州市职业大学学报》;20140315;第25卷(第1期);正文第2.1.2节,第3.2.2节 * |
| "基于小波与双边滤波的SAR图像去噪算法研究";张飞;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170415(第4期);正文第19页第1段 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107403416A (zh) | 2017-11-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107403416B (zh) | 基于nsct的改进滤波与阈值函数的医学超声图像去噪方法 | |
| Zong et al. | Speckle reduction and contrast enhancement of echocardiograms via multiscale nonlinear processing | |
| Khare et al. | Despeckling of medical ultrasound images using Daubechies complex wavelet transform | |
| Ragesh et al. | Digital image denoising in medical ultrasound images: a survey | |
| CN101482617B (zh) | 基于非下采样轮廓波的合成孔径雷达图像去噪方法 | |
| Sudha et al. | Speckle noise reduction in ultrasound images using context-based adaptive wavelet thresholding | |
| CN104103041B (zh) | 超声图像混合噪声自适应抑制方法 | |
| CN109035156B (zh) | 基于dnst的医学ct图像去噪方法 | |
| CN103955894B (zh) | 一种量子启发的医学超声图像去斑方法 | |
| Diwakar et al. | CT Image noise reduction based on adaptive wiener filtering with wavelet packet thresholding | |
| Lee et al. | Speckle reduction via deep content-aware image prior for precise breast tumor segmentation in an ultrasound image | |
| CN113222833B (zh) | 一种侧扫声呐图像处理方法与装置 | |
| CN111192204A (zh) | 一种图像增强方法、系统和计算机可读存储介质 | |
| CN109212608B (zh) | 基于3D shearlet变换的井中微地震信号去噪方法 | |
| CN117011192A (zh) | 基于中性集合与双边滤波的nsct域声呐图像去噪方法及设备 | |
| Zhang et al. | A novel method of medical image enhancement based on wavelet decomposition | |
| CN107203972B (zh) | 一种超声图像去噪和增强方法 | |
| CN109584322B (zh) | 基于频域方向平滑Shearlet医学PET图像去噪方法 | |
| CN112734663A (zh) | 基于自适应阈值的轮廓波变换医学ct图像降噪方法 | |
| CN107945142B (zh) | 一种合成孔径雷达图像去噪方法 | |
| CN114387173A (zh) | 一种oct图像降噪方法、电子设备及存储介质 | |
| CN102646270A (zh) | 一种超声图像噪声抑制方法 | |
| CN112927169A (zh) | 一种基于小波变换和改进的加权核范数最小化的遥感影像去噪方法 | |
| Navabian et al. | A comparative study on despeckling techniques in intravascular ultrasound images | |
| Li et al. | Image denoising algorithm based on non-subsampled contourlet transform and bilateral filtering |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20171128 Assignee: Big data and Information Technology Research Institute of Wenzhou University Assignor: Wenzhou University Contract record no.: X2020330000098 Denomination of invention: Medical ultrasound image denoising method based on NSCT improved filter and threshold function Granted publication date: 20200728 License type: Common License Record date: 20201115 |