CN113191961A - 一种基于双边滤波和特征识别的超声去噪方法及系统 - Google Patents
一种基于双边滤波和特征识别的超声去噪方法及系统 Download PDFInfo
- Publication number
- CN113191961A CN113191961A CN202110295310.0A CN202110295310A CN113191961A CN 113191961 A CN113191961 A CN 113191961A CN 202110295310 A CN202110295310 A CN 202110295310A CN 113191961 A CN113191961 A CN 113191961A
- Authority
- CN
- China
- Prior art keywords
- image
- ultrasonic
- edge
- bilateral filtering
- feature recognition
- 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.)
- Granted
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 53
- 230000002146 bilateral effect Effects 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000005070 sampling Methods 0.000 claims description 18
- 238000003708 edge detection Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 4
- 239000004576 sand Substances 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 2
- 239000000654 additive Substances 0.000 abstract description 5
- 230000000996 additive effect Effects 0.000 abstract description 5
- 238000003384 imaging method Methods 0.000 abstract description 3
- 238000002604 ultrasonography Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012285 ultrasound imaging 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
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明属于超声成像技术领域,具体涉及一种基于双边滤波和特征识别的超声去噪方法及系统,其中所涉及的一种基于双边滤波和特征识别的超声去噪方法,包括以下步骤:S1、对噪声图像进行快速双边滤波,以得到滤波图像;S2、根据滤波图像进行边缘识别,以得到边缘模板;S3、根据边缘模板对滤波图像进行边缘增强,以得到增强图像;本发明能够有效去除超声图像中的乘性和加性噪声,同时还可以大大减小算法的复杂度,提高运行效率,有针对性地加强特定区域的显示,增加超声图像的可解释性。
Description
技术领域
本发明属于超声成像技术领域,具体涉及一种基于双边滤波和特征识别的超声去噪方法及系统。
背景技术
医学超声图像中的噪声主要包括加性的随机噪声和乘性的散斑噪声(以下称为speckle),随机噪声主要来源于内部电路、热效应等,speckle则属于超声成像的特有噪声,是由超声回波的相干散射形成的。散斑噪声的存在会同时降低图像的空间分辨率和对比分辨率,从而影响图像中解剖信息的获取。
现有的speckle抑制方法主要包括三大类,第一类是基于复合的方法,比如空间复合;第二类是基于噪声模型的方法,但该类方法的缺点是噪声模型过于理想,一般很难完全刻画噪声的特征;第三类是基于图像后处理的方法,该类方法具体又可以分为单尺度和多尺度两种方法;双边滤波是一种非线性的图像处理算法,可以达到保边平滑的效果,但传统的暴力双边滤波由于计算复杂度过高无法应用于实时的超声成像。此外,对于超声图像而言,增强边缘对于增加图像的可解释性是非常有帮助的,然而双边滤波主要是起到边缘保留的作用,并不能有效增强边缘,为此,有必要对其改进,以克服实际应用中的不足。
发明内容
基于现有技术中存在的上述缺点和不足,本发明的目的之一是至少解决现有技术中存在的上述问题之一或多个,换言之,本发明的目的之一是提供满足前述需求之一或多个的一种基于双边滤波和特征识别的超声去噪方法及系统。
为了达到上述发明目的,本发明采用以下技术方案:
一种基于双边滤波和特征识别的超声去噪方法,包括以下步骤:
S1、对噪声图像进行快速双边滤波,以得到滤波图像;
S2、根据滤波图像进行边缘识别,以得到边缘模板;
S3、根据边缘模板对滤波图像进行边缘增强,以得到增强图像。
作为优选方案,所述步骤S1中根据计算当前像素对应的各向异性向量和降采样坐标,并依次遍历噪声图像的所有像素,以得到噪声图像的降采样空间。
作为优选方案,所述快速双边滤波包括三维高斯卷积的定义以及参数初始化,三维高斯卷积核g通过尺寸σs和σr以及降采样倍数ss和sr定义;其中,下标s表示空间域,下标r表示值域;初始化ω↓i↓和ω↓为0。
作为优选方案,所述当前像素对应的各向异性向量为:
(ωi,ω)=(I(x,y),1);
其中,I表示待处理噪声图像;(x,y)表示当前像素的位置坐标。
作为优选方案,所述当前像素对应的降采样坐标:
其中,round表示对每个分量进行四舍五入,Imin表示I的最小值;
所述当前像素对应的降采样空间为:
依次遍历噪声图像I的所有像素,以完成图像降采样空间的建立。
计算当前像素的双边滤波值:
作为优选方案,所述步骤S2具体为:
将滤波图像与laplace模板进行卷积得到Ilaplace;
根据Ilaplace对滤波图像进行锐化得到Isharp;
对滤波图像进行sobel边缘检测得到Isobel;
根据Isharp和Isobel得到特征图像;
对特征图像进行阈值检测,以得到边缘模板。
作为优选方案,所述步骤S3中根据边缘模板对滤波图像的边缘区域进行非线性灰度变换,以对滤波图像进行边缘增强。
本发明还提供一种基于双边滤波和特征识别的超声去噪系统,包括:
滤波模块,用于对噪声图像进行快速双边滤波,以得到滤波图像;
识别模块,用于对滤波图像进行边缘识别,以得到边缘模板;
增强模块,用于根据边缘模板对滤波图像进行边缘增强,以得到增强图像。
作为优选方案,所述滤波模块包括:
计算模块,用于根据计算当前像素对应的各向异性向量和降采样坐标,并依次遍历噪声图像的所有像素,以得到噪声图像的降采样空间。
本发明与现有技术相比,有益效果是:
本发明基于双边滤波和特征识别的超声去噪方法能够有效去除超声图像中的乘性和加性噪声,同时还可以大大减小算法的复杂度,提高运行效率。
本发明对滤波图像进行边缘识别和增强可以有针对性地加强特定区域的显示,增加超声图像的可解释性。
本发明基于双边滤波和特征识别的超声去噪方法能够用作超声图像的预处理。
附图说明
图1是本发明实施例一的一种基于双边滤波和特征识别的超声去噪方法的步骤流程图;
图2是本发明图1中的基于快速双边滤波和特征识别的流程图;
图3是本发明实施例二的一种基于双边滤波和特征识别的超声去噪系统的结构图。
具体实施方式
为了更清楚地说明本发明实施例,下面将对照附图说明本发明的具体实施方式。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,并获得其他的实施方式。
实施例一:
本实施例提供一种基于双边滤波和特征识别的超声去噪方法,如图1所示,包括以下步骤:
S1、对噪声图像进行快速双边滤波,以得到滤波图像;
S2、根据滤波图像进行边缘识别,以得到边缘模板;
S3、根据边缘模板对滤波图像进行边缘增强,以得到增强图像。
其中,步骤S1对噪声图像进行快速双边滤波,具体包括:
S101、设置快速双边滤波的参数:高斯卷积核尺寸σs=7和σr=10以及降采样倍数ss=3和sr=5;其中,下标s表示空间域,下标r表示值域;
S102、进行初始化ω↓i↓和ω↓为0;
S103、计算当前像素对应的各向异性向量(ωi,ω)=(I(x,y),1),其中,I表示待处理噪声图像,(x,y)表示当前像素的位置坐标;
S104、计算当前像素的降采样坐标:
其中,round表示对每个分量进行四舍五入,Imin表示I的最小值;
S105、按照下述公式更新降采样空间:
S106、按照上述步骤S103至S105依次遍历噪声图像I的每个像素直到完成整幅图像降采样空间的建立;
S109、基于上述结果计算当前像素的双边滤波值,用公式表示如下:
S110、按照上述步骤S108至S109依次遍历图像中的每个像素直到得到完整的滤波图像Ib。
步骤S2根据滤波图像进行边缘识别,具体包括:
S201、将滤波图像Ib与laplace模板h进行卷积得到Ilaplace,用公式表示如下:
Ilaplace=conv(Ib,h) (5)
可以选取h=[-1-1-1;-1 8-1;-1-1-1],即大小为3*3;
S202、基于Ilaplace对滤波图像进行锐化得到锐化图像Isharp,此处可以选择Isharp=Ib+Ilaplac; (6)
S203、对滤波图像Ib进行水平sobel边缘检测得到gx。用公式表示如下:
gx=conv(Ib,wx); (7)
其中,wx为水平sobel算子,可以选取wx=[-1 0 1;-2 0 2;-1 0 1];
S204、对滤波图像Ib进行垂直sobel边缘检测得到gy;如下式所示:
gy=conv(Ib,wy) (8)
其中,wy为垂直sobel算子,可以选取wy=[-1-2-1;0 0 0;1 2 1];
S206、计算特征图像:mask=Isharp*Isobel。 (10)
S207、对特征图像进行阈值检测得到边缘模板,当mask大于阈值T时,edge=1,否则edge=0;
步骤S3根据边缘模板对滤波图像进行边缘增强,具体为:
对滤波图像Ib的边缘区域(edge=1)进行非线性灰度变换,非线性灰度变换可以选择将大于阈值G的灰度设定为固定值H,本实施例中取阈值G=200,H=255,从而以得到增强图像。
与现有技术相比,本实施例具有以下有益效果:
本实施例基于双边滤波和特征识别的超声去噪方法一方面能够有效去除超声图像中的乘性和加性噪声,另一方面可以大大减小算法的复杂度,提高运行效率。
本实施例对滤波图像进行边缘识别和增强可以有针对性地加强特定区域的显示,增加超声图像的可解释性。
实施例二:
本实施例提供一种基于双边滤波和特征识别的超声去噪系统,如图2所示,包括:
滤波模块11,用于对噪声图像进行快速双边滤波,以得到滤波图像;
识别模块12,用于对滤波图像进行边缘识别,以得到边缘模板;
具体地,将滤波图像与laplace模板进行卷积得到Ilaplace,基于Ilaplace对滤波图像进行锐化得到Isharp,对滤波图像进行sobel边缘检测得到Isobel,基于Isharp和Isobel得到特征图像,并对特征图像进行阈值检测得到边缘模板;
增强模块13,用于根据边缘模板对滤波图像进行边缘增强,以得到增强图像。
进一步地,滤波模块11包括:
计算模块,用于根据计算当前像素对应的各向异性向量和降采样坐标,并依次遍历噪声图像的所有像素,以得到噪声图像的降采样空间。
需要说明的是,本实施例提供的一种基于双边滤波和特征识别的超声去噪系统与实施例一的方法相对应,在此不多做赘述。
与现有技术相比,本发明具有以下有益效果:
1、本发明能够有效去除超声图像中的乘性和加性噪声,同时还可以大大减小算法的复杂度,提高运行效率。
2、本发明对滤波图像进行边缘识别和增强可以有针对性地加强特定区域的显示,增加超声图像的可解释性。
3、本发明可以用作超声图像的预处理。
以上所述仅是对本发明的优选实施例及原理进行了详细说明,对本领域的普通技术人员而言,依据本发明提供的思想,在具体实施方式上会有改变之处,而这些改变也应视为本发明的保护范围。
Claims (10)
1.一种基于双边滤波和特征识别的超声去噪方法,其特征在于,包括以下步骤:
S1、对噪声图像进行快速双边滤波,以得到滤波图像;
S2、根据滤波图像进行边缘识别,以得到边缘模板;
S3、根据边缘模板对滤波图像进行边缘增强,以得到增强图像。
2.根据权利要求1所述的一种基于双边滤波和特征识别的超声去噪方法,其特征在于,所述步骤S1中根据计算当前像素对应的各向异性向量和降采样坐标,并依次遍历噪声图像的所有像素,以得到噪声图像的降采样空间。
3.根据权利要求2所述的一种基于双边滤波和特征识别的超声去噪方法,其特征在于,所述快速双边滤波包括三维高斯卷积的定义以及参数初始化,三维高斯卷积核g通过尺寸σs和σr以及降采样倍数ss和sr定义;其中,下标s表示空间域,下标r表示值域;初始化ω↓i↓和ω↓为0。
4.根据权利要求3所述的一种基于双边滤波和特征识别的超声去噪方法,其特征在于,所述当前像素对应的各向异性向量为:
(ωi,ω)=(I(x,y),1);
其中,I表示待处理噪声图像;(x,y)表示当前像素的位置坐标。
7.根据权利要求1所述的一种基于双边滤波和特征识别的超声去噪方法,其特征在于,所述步骤S2具体为:
将滤波图像与laplace模板进行卷积得到Ilaplace;
根据Ilaplace对滤波图像进行锐化得到Isharp;
对滤波图像进行sobel边缘检测得到Isobel;
根据Isharp和Isobel得到特征图像;
对特征图像进行阈值检测,以得到边缘模板。
8.根据权利要求1所述的一种基于双边滤波和特征识别的超声去噪方法,其特征在于,所述步骤S3中根据边缘模板对滤波图像的边缘区域进行非线性灰度变换,以对滤波图像进行边缘增强。
9.一种基于双边滤波和特征识别的超声去噪系统,其特征在于,包括:
滤波模块,用于对噪声图像进行快速双边滤波,以得到滤波图像;
识别模块,用于对滤波图像进行边缘识别,以得到边缘模板;
增强模块,用于根据边缘模板对滤波图像进行边缘增强,以得到增强图像。
10.根据权利要求9所述的一种基于双边滤波和特征识别的超声去噪系统,其特征在于,所述滤波模块包括:
计算模块,用于根据计算当前像素对应的各向异性向量和降采样坐标,并依次遍历噪声图像的所有像素,以得到噪声图像的降采样空间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110295310.0A CN113191961B (zh) | 2021-03-19 | 2021-03-19 | 一种基于双边滤波和特征识别的超声去噪方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110295310.0A CN113191961B (zh) | 2021-03-19 | 2021-03-19 | 一种基于双边滤波和特征识别的超声去噪方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113191961A true CN113191961A (zh) | 2021-07-30 |
CN113191961B CN113191961B (zh) | 2022-10-25 |
Family
ID=76973507
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110295310.0A Active CN113191961B (zh) | 2021-03-19 | 2021-03-19 | 一种基于双边滤波和特征识别的超声去噪方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113191961B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090264758A1 (en) * | 2006-09-22 | 2009-10-22 | Hiroshi Fujita | Ultrasound Breast Diagnostic System |
US20100228129A1 (en) * | 2009-03-04 | 2010-09-09 | Ryota Osumi | Ultrasonic diagnosis apparatus, image processing apparatus, control method for ultrasonic diagnosis apparatus, and image processing method |
CN102789636A (zh) * | 2012-08-01 | 2012-11-21 | 中山大学 | 基于多尺度联合双边栅格平滑模型的图像细节增强方法 |
CN103578084A (zh) * | 2013-12-09 | 2014-02-12 | 西安电子科技大学 | 基于亮通道滤波的彩色图像增强方法 |
CN104240203A (zh) * | 2014-09-09 | 2014-12-24 | 浙江工业大学 | 基于小波变换和快速双边滤波的医学超声图像去噪方法 |
US20170365100A1 (en) * | 2016-06-17 | 2017-12-21 | Imagination Technologies Limited | Augmented Reality Occlusion |
CN108415077A (zh) * | 2018-02-11 | 2018-08-17 | 中国石油化工股份有限公司 | 新的边缘检测低序级断层识别方法 |
CN109377450A (zh) * | 2018-08-24 | 2019-02-22 | 南京理工大学 | 一种边缘保护的去噪方法 |
CN110136161A (zh) * | 2019-05-31 | 2019-08-16 | 苏州精观医疗科技有限公司 | 图像特征提取分析方法、系统及装置 |
CN111986098A (zh) * | 2020-05-14 | 2020-11-24 | 南京航空航天大学 | 一种含固定背景的被动式太赫兹图像增强方法 |
CN111986095A (zh) * | 2019-05-22 | 2020-11-24 | 上海哔哩哔哩科技有限公司 | 基于边缘提取的图像处理方法及图像处理装置 |
CN112508859A (zh) * | 2020-11-19 | 2021-03-16 | 聚融医疗科技(杭州)有限公司 | 一种基于小波变换的子宫内膜厚度自动测量方法及系统 |
-
2021
- 2021-03-19 CN CN202110295310.0A patent/CN113191961B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090264758A1 (en) * | 2006-09-22 | 2009-10-22 | Hiroshi Fujita | Ultrasound Breast Diagnostic System |
US20100228129A1 (en) * | 2009-03-04 | 2010-09-09 | Ryota Osumi | Ultrasonic diagnosis apparatus, image processing apparatus, control method for ultrasonic diagnosis apparatus, and image processing method |
CN102789636A (zh) * | 2012-08-01 | 2012-11-21 | 中山大学 | 基于多尺度联合双边栅格平滑模型的图像细节增强方法 |
CN103578084A (zh) * | 2013-12-09 | 2014-02-12 | 西安电子科技大学 | 基于亮通道滤波的彩色图像增强方法 |
CN104240203A (zh) * | 2014-09-09 | 2014-12-24 | 浙江工业大学 | 基于小波变换和快速双边滤波的医学超声图像去噪方法 |
US20170365100A1 (en) * | 2016-06-17 | 2017-12-21 | Imagination Technologies Limited | Augmented Reality Occlusion |
CN108415077A (zh) * | 2018-02-11 | 2018-08-17 | 中国石油化工股份有限公司 | 新的边缘检测低序级断层识别方法 |
CN109377450A (zh) * | 2018-08-24 | 2019-02-22 | 南京理工大学 | 一种边缘保护的去噪方法 |
CN111986095A (zh) * | 2019-05-22 | 2020-11-24 | 上海哔哩哔哩科技有限公司 | 基于边缘提取的图像处理方法及图像处理装置 |
CN110136161A (zh) * | 2019-05-31 | 2019-08-16 | 苏州精观医疗科技有限公司 | 图像特征提取分析方法、系统及装置 |
CN111986098A (zh) * | 2020-05-14 | 2020-11-24 | 南京航空航天大学 | 一种含固定背景的被动式太赫兹图像增强方法 |
CN112508859A (zh) * | 2020-11-19 | 2021-03-16 | 聚融医疗科技(杭州)有限公司 | 一种基于小波变换的子宫内膜厚度自动测量方法及系统 |
Non-Patent Citations (3)
Title |
---|
李俊峰等: "一种改进的增维型双边滤波的快速算法", 《电路与系统学报》 * |
胡韦伟等: "基于双边滤波的Retinex图像增强算法", 《工程图学学报》 * |
黄沛杰等: "针对实时视觉通信的图像序列自动提炼", 《电子学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113191961B (zh) | 2022-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108921800B (zh) | 基于形状自适应搜索窗口的非局部均值去噪方法 | |
Wang et al. | Noise detection and image denoising based on fractional calculus | |
Hao et al. | Improved self-adaptive edge detection method based on Canny | |
CN103020916B (zh) | 一种二维希尔伯特变换和bemd结合的图像去噪方法 | |
Shinde et al. | Apply different filtering techniques to remove the speckle noise using medical images | |
CN104574293A (zh) | 基于有界运算的多尺度Retinex图像清晰化算法 | |
CN105913382B (zh) | 阈值寻优的高保真各向异性滤波方法 | |
Mustafa et al. | Image enhancement technique on contrast variation: a comprehensive review | |
CN102968770A (zh) | 噪声消除方法及装置 | |
CN103295225B (zh) | 弱光照条件下的列车转向架边缘检测方法 | |
CN107451986B (zh) | 一种基于融合技术的单幅红外图像增强方法 | |
CN107784639A (zh) | 一种无人机遥感图像改进多边滤波去噪方法 | |
CN104616259B (zh) | 一种噪声强度自适应的非局部均值图像去噪方法 | |
CN103927715A (zh) | 一种超声图像斑点噪声抑制方法 | |
CN103971345A (zh) | 一种基于改进双边滤波的图像去噪方法 | |
CN117726537A (zh) | 自适应多尺度特征融合AMFFD-Net的SAR图像去噪网络方法及系统 | |
CN115578289A (zh) | 一种基于边界邻域梯度差值的散焦图像去模糊方法 | |
CN109064413B (zh) | 图像对比度增强方法及采用其的图像采集医疗设备 | |
CN109872289A (zh) | 基于改进的非下采样Contourlet变换的图像增强方法 | |
CN106023097A (zh) | 一种基于迭代法的流场图像预处理算法 | |
CN104809733A (zh) | 一种古建墙壁受污题记文字图像边缘提取方法 | |
CN104978720A (zh) | 一种视频图像雨滴去除方法及装置 | |
CN113191961B (zh) | 一种基于双边滤波和特征识别的超声去噪方法及系统 | |
CN105741255A (zh) | 图像融合方法及装置 | |
Dasgupta | Comparative analysis of non-blind deblurring methods for noisy blurred images |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: An ultrasonic denoising method and system based on Bilateral filter and feature recognition Effective date of registration: 20230413 Granted publication date: 20221025 Pledgee: Zhejiang Lin'an Rural Commercial Bank Co.,Ltd. Qingshan Branch Pledgor: JURONG MEDICAL TECHNOLOGY (HANGZHOU) Co.,Ltd. Registration number: Y2023330000747 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |