CN110836649B - 一种自适应的空间复合超声成像方法 - Google Patents
一种自适应的空间复合超声成像方法 Download PDFInfo
- Publication number
- CN110836649B CN110836649B CN201911095033.8A CN201911095033A CN110836649B CN 110836649 B CN110836649 B CN 110836649B CN 201911095033 A CN201911095033 A CN 201911095033A CN 110836649 B CN110836649 B CN 110836649B
- Authority
- CN
- China
- Prior art keywords
- image
- frame
- frames
- arma model
- imaging method
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 23
- 239000002131 composite material Substances 0.000 title abstract description 18
- 241001123248 Arma Species 0.000 claims abstract description 36
- 238000013329 compounding Methods 0.000 claims abstract description 15
- 150000001875 compounds Chemical class 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 13
- 230000003044 adaptive effect Effects 0.000 claims description 10
- 238000012285 ultrasound imaging Methods 0.000 claims description 7
- 238000005311 autocorrelation function Methods 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 238000003786 synthesis reaction Methods 0.000 claims description 4
- 238000006073 displacement reaction Methods 0.000 abstract description 3
- 230000000295 complement effect Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002407 reforming Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B17/00—Measuring arrangements characterised by the use of infrasonic, sonic or ultrasonic vibrations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明公开了一种自适应的空间复合超声成像方法，包括图像采集，图像复合，输入计算，输出第n帧完整图像等步骤。本发明的一种自适应的空间复合超声成像方法通过建立起ARMA模型，获取缺失区域数据参数，用以补足或处理常规空间复合成像运动补偿后输出图像中边缘区域无法显示的数据，保证最终输出图像的完整，此外，还能对因运动补偿的位移计算中，置信度底下的复合图像进行处理，获取置信度相对较高并且相对完整的复合图像。
Description
技术领域
本发明属于超声成像技术领域，具体地说，涉及一种自适应的空间复合超声成像方法。
背景技术
空间复合成像的输出图像由多幅不同发射和接收角度采集的图像合成得到，在超声成像中广泛使用，但是物体的运动使得成像的结果模糊。运动补偿可以用来改善模糊成像结果，然而在给定的复合成像参照坐标系里，运动补偿有时会导致在图像边缘区域无法提供显示数据，成像物体的变形也可能存在越出成像面的运动，导致运动补偿的位移计算置信度下降。
发明内容
本发明的所要解决的技术问题在于提供一种能够补充图像边缘区域的缺失图像，并且避免置信度低时图像无法采用的自适应的空间复合超声成像方法。
本发明解决上述技术问题的技术方案为：
一种自适应的空间复合超声成像方法，包括如下步骤：
图像采集，采集检测物体的n帧不同角度的图像，获取n帧图像数据；
图像复合，将图像采集步骤中获取的n帧图像数据取时间序列上相邻的至少3帧进行运动补偿后分别进行空间复合合成，获取n-1次图像复合的n-1帧合成图像及第n帧合成图像的缺失区域坐标参数；
输入计算，将缺失区域坐标参数作为输入图像输入ARMA模型进行计算，获取的输出图像即为缺失区域估算灰阶值参数；
输出第n帧完整图像，将缺失区域估算灰阶值参数输入第n帧合成图像，补足或处理第n帧合成图像中缺失的数据，获得第n帧完整图像并输出。
具体的，所述ARMA模型为：
其中，x(u,v,n)为输入图像，y(u,v,n)为输出图像，a、b为ARMA模型系数，M、N为ARMA模型的阶数，k为实数。
具体的，ARMA模型系数a、b通过获取的n帧图像数据及n-1帧合成图像结合最小二乘法计算得出具体的值或取经验值。
具体的，ARMA模型阶数M由n帧图像数据通过绘制偏自相关函数估算得出；ARMA模型阶数N由n-1帧输出图像集合通过绘制偏自相关函数估算得出。
具体的，所述n-1帧输出图像集合由第n-i帧至n-1帧合成图像的缺失区域坐标参数依次进行输入计算步骤获得的集合，当n-i为0时，ARMA模型阶数N为0，其中i为正整数。
优选的，所述ARMA模型通过时-空域建模的方式建立。
优选的，当第n帧合成图像的置信度低时，采用ARMA模型获取更新一帧的一帧数据。
具体的，所述第n帧合成图像的置信度是根据运动估算结果进行评价。
本发明具有以下有益效果：通过建立起ARMA模型，获取缺失区域数据参数，用以补足或处理常规空间复合成像后输出图像中边缘区域无法显示的数据，保证最终输出图像的完整。此外，还能对因运动补偿的位移计算中，置信度底下的复合图像进行处理，获取置信度相对较高并且相对完整的复合图像。
具体实施方式
下面结合实施例对本发明做详细说明。
实施例：
本发明实施例的一种自适应的空间复合超声成像方法，包括如下步骤：
采集检测物体的n帧不同角度的图像，获取n帧图像数据；实际为针对同一成像物体，采集一组时间序列上不同角度的图像，因为物体的运动导致复合成像模糊，因此进行运动补偿后才复合成像，可能获得较为清晰的图像，而合成的基础就是图像采集，采集多帧的图像数据以供图像进行空间复合。
图像复合，将图像采集步骤中获取的n帧图像数据依次取时间序列上相邻的至少3帧进行运动补偿后分别进行空间复合合成，获取n-1次图像复合的n-1帧合成图像及第n帧合成图像的缺失区域坐标参数，通过将n帧的图像数据分别依次进行空间复合，空间复合的帧数优选为3或5或7帧，获得n-1帧完整的合成图像，将第n帧图像数据经过空间复合后，形成的单一帧图像则认为其为第n帧合成图像，此时，如第n帧合成图像没有缺失数据，则不存在缺失区域坐标参数，即第n帧合成图像为完整的图像，若第n帧合成图像存在缺失数据，则获取到第n帧合成图像的缺失区域坐标参数。
输入计算，将缺失区域坐标参数作为输入图像输入ARMA模型进行计算，获取的输出图像即为缺失区域估算灰阶值参数；基于n帧图像数据及n-1帧合成图像的基础计算出ARMA模型的相关系数与阶数，然后将缺失区域坐标参数作为输入图像输入，最终获取到缺失区域估算灰阶值参数。
具体的，所述ARMA模型为：
其中，x(u,v,n)为输入图像，y(u,v,n)为输出图像，a、b为ARMA模型系数，M、N为ARMA模型的阶数，k为实数。优选的，所述ARMA模型通过时-空域建模的方式建立。具体的，ARMA模型系数a、b通过获取的n帧图像数据及n-1帧合成图像结合最小二乘法计算得出具体的值或取经验值。ARMA模型阶数M由n帧图像数据通过绘制偏自相关函数估算得出；ARMA模型阶数N由n-1帧输出图像集合通过绘制偏自相关函数估算得出。
ARMA模型直接应用于图像采集步骤中获取到的n帧图像数据，具体的，所述n-1帧输出图像集合由第n-i帧至n-1帧合成图像的缺失区域坐标参数依次进行输入计算步骤获得的集合，当n-i为0时，ARMA模型阶数N为0，其中i为正整数，而当n-i不为0时但未出现数据缺失，则依旧不采用本方法进行求解，以其出现数据缺失的第一帧的前一帧合成图像作为第一帧的n-1帧输出图像，计算ARMA模型的阶数与系数。
输出第n帧完整图像，将缺失区域估算灰阶值参数输入第n帧合成图像，补足或处理第n帧合成图像中缺失的数据，获得第n帧完整图像并输出。可以直接用缺失区域估算灰阶值参数叠加到第n帧合成图像中，将缺失区域进行处理，也可以通过缺失区域估算灰阶值参数重新形成图像叠加到第n帧合成图像上，从而补足第n帧合成图像，形成第n帧完整图像。
具体的，当第n帧合成图像的置信度低时，采用ARMA模型获取更新一帧的一帧数据。即当第n帧合成图像的置信度过低时，直接将ARMA模型输出的缺失区域估算灰阶值参数转化成新一帧的图像，以该图像结合数据采集步骤中采集的图像数据，经过图像复合，取得最新的复合图像，其中以缺失区域估算灰阶值参数转化成的的新一帧图像进行图像复合后形成的单一帧的图像，则为第n+1帧合成图像。优选的，所述第n帧合成图像的置信度是根据运动估算结果进行评价。
实际上，本发明所提供的一种自适应的超声空间复合成像方法可以自适用于不同帧数的图像数据，其模型中的系数与阶数均依据采集图像中获得的n帧图像数据进行估算，因此，不管图像采集中获得的图像数据的帧数为多少，均可直接应用，并且能够有效的补全传统超声图像运动补偿后进行空间复合后可能存在的缺失区域，最终提供置信度较高的完整图像，从而，满足实际运用中，对空间复合成像的输出图像的要求，其应用较为广泛，具有较大的实际意义。
以上内容是结合具体的优选实施方式对本发明所做的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (7)
1.一种自适应的空间复合超声成像方法，其特征在于，包括如下步骤：
图像采集，采集检测物体的n帧不同角度的图像，获取n帧图像数据；
图像复合，将图像采集步骤中获取的n帧图像数据依次取时间序列上相邻的至少3帧进行运动补偿后分别进行空间复合合成，获取n-1次图像复合的n-1帧合成图像及第n帧合成图像的缺失区域坐标参数；
输入计算，将缺失区域坐标参数作为输入图像输入ARMA模型进行计算，获取的输出图像即为缺失区域估算灰阶值参数，所述ARMA模型为：
其中，x(u,v,n)为输入图像，y(u,v,n)为输出图像，a、b为ARMA模型系数，M、N为ARMA模型的阶数，k为实数；
输出第n帧完整图像，将缺失区域估算灰阶值参数输入第n帧合成图像，补足或用于处理第n帧合成图像中缺失的数据，获得第n帧完整图像并输出。
2.根据权利要求1所述自适应的空间复合超声成像方法，其特征在于：ARMA模型系数a、b通过获取的n帧图像数据及n-1帧合成图像结合最小二乘法计算得出具体的值或取经验值。
3.根据权利要求2所述自适应的空间复合超声成像方法，其特征在于：ARMA模型阶数M由n帧图像数据通过绘制偏自相关函数估算得出；ARMA模型阶数N由n-1帧输出图像集合通过绘制偏自相关函数估算得出。
4.根据权利要求3所述自适应的空间复合超声成像方法，其特征在于：所述n-1帧输出图像集合由第n-i帧至n-1帧合成图像的缺失区域坐标参数依次进行输入计算步骤获得的集合，当n-i为0时，ARMA模型阶数N为0，其中i为正整数。
5.根据权利要求1-4任意一项所述自适应的空间复合超声成像方法，其特征在于：所述ARMA模型通过时-空域建模的方式建立。
6.根据权利要求5所述自适应的空间复合超声成像方法，其特征在于：当第n帧合成图像的置信度低时，采用ARMA模型获取更新一帧的一帧数据。
7.根据权利要求6所述自适应的空间复合超声成像方法，其特征在于：所述第n帧合成图像的置信度是根据运动估算结果进行评价。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911095033.8A CN110836649B (zh) | 2019-11-11 | 2019-11-11 | 一种自适应的空间复合超声成像方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911095033.8A CN110836649B (zh) | 2019-11-11 | 2019-11-11 | 一种自适应的空间复合超声成像方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110836649A CN110836649A (zh) | 2020-02-25 |
| CN110836649B true CN110836649B (zh) | 2021-05-18 |
Family
ID=69576362
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911095033.8A Active CN110836649B (zh) | 2019-11-11 | 2019-11-11 | 一种自适应的空间复合超声成像方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110836649B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112349150B (zh) * | 2020-11-19 | 2022-05-20 | 飞友科技有限公司 | 一种机场航班保障时间节点的视频采集方法和系统 |
| CN112826533B (zh) * | 2021-01-11 | 2021-08-17 | 深圳华声医疗技术股份有限公司 | 超声成像空间复合方法、装置、超声诊断仪及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101711686A (zh) * | 2008-10-07 | 2010-05-26 | 深圳迈瑞生物医疗电子股份有限公司 | 一种实时空间复合成像方法和系统、及其超声成像系统 |
| CN102025531A (zh) * | 2010-08-16 | 2011-04-20 | 北京亿阳信通软件研究院有限公司 | 一种性能数据的填补方法及其装置 |
| CN102727255A (zh) * | 2012-07-13 | 2012-10-17 | 深圳市理邦精密仪器股份有限公司 | 一种超声图像空间复合成像的方法及装置 |
| CN105433982A (zh) * | 2015-12-11 | 2016-03-30 | 西安理邦科学仪器有限公司 | 一种超声图像中复合成像的方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7346228B2 (en) * | 2003-09-09 | 2008-03-18 | Ge Medical Systems Global Technology Company, Llc | Simultaneous generation of spatially compounded and non-compounded images |
-
2019
- 2019-11-11 CN CN201911095033.8A patent/CN110836649B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101711686A (zh) * | 2008-10-07 | 2010-05-26 | 深圳迈瑞生物医疗电子股份有限公司 | 一种实时空间复合成像方法和系统、及其超声成像系统 |
| CN102025531A (zh) * | 2010-08-16 | 2011-04-20 | 北京亿阳信通软件研究院有限公司 | 一种性能数据的填补方法及其装置 |
| CN102727255A (zh) * | 2012-07-13 | 2012-10-17 | 深圳市理邦精密仪器股份有限公司 | 一种超声图像空间复合成像的方法及装置 |
| CN105433982A (zh) * | 2015-12-11 | 2016-03-30 | 西安理邦科学仪器有限公司 | 一种超声图像中复合成像的方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 基于ARMA模型的风功率数据缺失值估计方法;吕清泉 等;《内燃机与配件》;20181231(第1期);摘要，第224、225页第1-2节及图1 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110836649A (zh) | 2020-02-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3099044B1 (en) | Multi-frame noise reduction method and terminal | |
| CN109963048B (zh) | 降噪方法、降噪装置及降噪电路系统 | |
| CN110836649B (zh) | 一种自适应的空间复合超声成像方法 | |
| JP2011514605A5 (zh) | ||
| US20100026888A1 (en) | Image processing method and system with repetitive pattern detection | |
| EP2629531A1 (en) | Method for converting 2d into 3d based on image motion information | |
| JP2019033474A5 (zh) | ||
| TWI501628B (zh) | 雜訊估測裝置及其方法 | |
| Jeong et al. | Multi-frame example-based super-resolution using locally directional self-similarity | |
| CN117252773A (zh) | 基于自适应颜色校正和导向滤波的图像增强方法及系统 | |
| CN116309232A (zh) | 一种结合物理先验与深度学习的水下图像增强方法 | |
| US20110255596A1 (en) | Frame rate up conversion system and method | |
| CN114640885A (zh) | 视频插帧方法、训练方法、装置和电子设备 | |
| CN113096032A (zh) | 一种基于图像区域划分的非均匀一致模糊去除方法 | |
| CN105279742A (zh) | 一种快速的基于分块噪声能量估计的图像去噪方法 | |
| CN106611409B (zh) | 一种基于二次图像融合的小目标增强检测方法 | |
| KR20100097858A (ko) | 예제 기반 신경회로망을 이용한 고해상도 영상 확대 | |
| JP6532151B2 (ja) | 超解像装置およびプログラム | |
| CN110738612B (zh) | X光透视图像的降噪方法及计算机可读存储介质 | |
| CN111784733B (zh) | 图像处理方法、装置、终端和计算机可读存储介质 | |
| JP4173705B2 (ja) | 動画像合成方法および装置並びにプログラム | |
| KR20110026942A (ko) | 저해상도 영상의 손실 정보 추정 방법과 고해상도 영상 변환 방법 | |
| JP4104937B2 (ja) | 動画像合成方法および装置並びにプログラム | |
| JP5181345B2 (ja) | 画像処理装置及び画像処理方法 | |
| CN110598547A (zh) | 快速运动人体姿态估计方法及装置 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 515031 No. 77 Jinsha Road, Shantou City, Guangdong Province Applicant after: Shantou Ultrasonic Instrument Research Institute Co., Ltd Address before: 515031 No. 77 Jinsha Road, Shantou City, Guangdong Province Applicant before: SHANTOU INSTITUTE OF ULTRASONIC INSTRUMENTS Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |