CN113538299B - 超声图像去噪方法、装置、设备及计算机可读存储介质 - Google Patents

超声图像去噪方法、装置、设备及计算机可读存储介质 Download PDF

Info

Publication number
CN113538299B
CN113538299B CN202111068207.9A CN202111068207A CN113538299B CN 113538299 B CN113538299 B CN 113538299B CN 202111068207 A CN202111068207 A CN 202111068207A CN 113538299 B CN113538299 B CN 113538299B
Authority
CN
China
Prior art keywords
ultrasonic image
image
tissue area
gradient
tissue
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
Application number
CN202111068207.9A
Other languages
English (en)
Other versions
CN113538299A (zh
Inventor
杨道文
赵兵
陈浪
韩璐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hanwei Taizhou Intelligent Medical Technology Co ltd
Original Assignee
Shenzhen Hanwei Intelligent Medical Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Hanwei Intelligent Medical Technology Co ltd filed Critical Shenzhen Hanwei Intelligent Medical Technology Co ltd
Priority to CN202111068207.9A priority Critical patent/CN113538299B/zh
Publication of CN113538299A publication Critical patent/CN113538299A/zh
Application granted granted Critical
Publication of CN113538299B publication Critical patent/CN113538299B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G06T5/70—
    • 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 by the use of local operators
    • 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 by the use of more than one image, e.g. averaging, subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06T2207/20004—Adaptive image processing
    • 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

  • 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)
  • Image Analysis (AREA)

Abstract

本发明公开一种超声图像去噪方法、装置、设备及计算机可读存储介质，该超声图像去噪方法包括：对输入图像依次进行降采样和低通滤波处理，得到降分辨率后的超声图像；对超声图像进行边缘检测，得到若干不同方向的梯度图像；根据各梯度图像计算当前像素点的强度响应及主方向；基于强度相应计算自适应分割阈值，根据分割阈值判断当前像素点是否为超声图像的组织区域；若为组织区域，则对组织区域进行平滑滤波处理；若为非组织区域，则对组织区域进行低通滤波处理；将组织区域和非组织区域融合并对融合后的超声图像进行分辨率还原处理。本发明所提出的超声图像去噪方法，可以在保持图像的细节的同时，有效降低原始超声图像的斑点噪声，提高图像质量。

Description

超声图像去噪方法、装置、设备及计算机可读存储介质
技术领域
本发明涉及图像处理领域，特别涉及一种超声图像去噪方法、装置、设备及计算机可读存储介质。
背景技术
医学超声成像技术因为其非侵入性、无辐射、实时性以及高性价比等特点，已经被广泛应用于医疗辅助诊断当中。然而医学超声图像因为其成像固有机制的影响，图像中存在大量斑点噪声，影响了图像质量。
严重的斑点噪声会掩盖住图像的细节信息，给之后的图像特征提取和识别、定量分析及临床诊断带来干扰。并且，超声图像解剖学信息不足、对比度也不佳，病变组织并不容易区分，也很大程度影响了临床诊断的准确性。
因此，抑制超声图像的斑点噪声、增强图像的解剖学细节、改善图像质量对于超声的图像分析和临床诊断非常重要，也已经成为备受研究人员关注的热点问题。
发明内容
本发明的主要目的在于提出一种超声图像去噪方法，旨在解决现有的超声图像存在大量斑点噪声的技术问题。
为实现上述目的，本发明提出一种超声图像去噪方法，所述超声图像去噪方法包括：
对输入图像依次进行降采样和低通滤波处理，以得到降分辨率后的超声图像；
对所述超声图像进行边缘检测，以得到若干不同方向的梯度图像；
根据各所述梯度图像计算当前像素点的强度响应及主方向；
基于强度相应计算得到自适应分割阈值，根据所述分割阈值判断所述当前像素点是否为超声图像的组织区域；
若为组织区域，则对所述组织区域进行平滑滤波处理；若为非组织区域，则对所述非组织区域进行低通滤波处理；
将所述组织区域和所述非组织区域融合，并对融合后的超声图像进行分辨率还原处理。
优选地，所述根据各所述梯度图计算当前像素点的强度响应及主方向包括：分别对若干所述梯度图进行低通滤波处理，并比较各所述梯度图在不同方向的梯度强度；选择最大强度及相应的方向作为当前像素点的强度响应及主方向。
优选地，所述对超声图像进行边缘检测，以得到若干不同方向的梯度图像包括：利用边缘检测索伯算子，检测出所述超声图像在若干不同方向的梯度，得到若干个所述梯度图像。
优选地，在所述对组织区域进行平滑滤波处理的步骤之后，还包括：对平滑滤波处理后的组织区域进行增强处理。
本发明还提出一种超声图像去噪装置，所述超声图像去噪装置包括：
第一处理模块，用于对输入图像依次进行降采样和低通滤波处理，以得到降分辨率后的超声图像；
边缘检测模块，用于对所述超声图像进行边缘检测，以得到若干不同方向的梯度图像；
强度响应模块，根据各所述梯度图像计算当前像素点的强度响应及主方向；
区域判断模块，基于强度相应计算得到自适应分割阈值，根据所述分割阈值判断所述当前像素点是否为超声图像的组织区域；
第二处理模块，若为组织区域，则对所述组织区域进行平滑滤波处理；若为非组织区域，则对所述组织区域进行低通滤波处理；
第三处理模块，将所述组织区域和所述非组织区域融合，并对融合后的超声图像进行分辨率还原处理。
优选地，所述强度响应模块包括：
低通滤波单元，用于分别对若干所述梯度图进行低通滤波处理，并比较各所述梯度图在不同方向的梯度强度；
强度响应单元，用于选择最大强度及相应的方向作为当前像素点的强度响应及主方向。
优选地，所述边缘检测模块包括：
梯度图像获取单元，用于利用边缘检测索伯算子，检测出所述超声图像在若干不同方向的梯度，得到若干个所述梯度图像。
优选地，所述超声图像去噪装置还包括：
增强处理模块，用于对平滑滤波处理后的组织区域进行增强处理。
本发明进一步提出一种超声图像去噪设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时，实现前述所记载的超声图像去噪方法，所述超声图像去噪方法至少包括以下步骤：
对输入图像依次进行降采样和低通滤波处理，以得到降分辨率后的超声图像；
对所述超声图像进行边缘检测，以得到若干不同方向的梯度图像；
根据各所述梯度图像计算当前像素点的强度响应及主方向；
基于强度相应计算得到自适应分割阈值，根据所述分割阈值判断所述当前像素点是否为超声图像的组织区域；
若为组织区域，则对所述组织区域进行平滑滤波处理；若为非组织区域，则对所述非组织区域进行低通滤波处理；
将所述组织区域和所述非组织区域融合，并对融合后的超声图像进行分辨率还原处理。
本发明再进一步提出一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现前述所记载的超声图像去噪方法，所述超声图像去噪方法至少包括以下步骤：
对输入图像依次进行降采样和低通滤波处理，以得到降分辨率后的超声图像；
对所述超声图像进行边缘检测，以得到若干不同方向的梯度图像；
根据各所述梯度图像计算当前像素点的强度响应及主方向；
基于强度相应计算得到自适应分割阈值，根据所述分割阈值判断所述当前像素点是否为超声图像的组织区域；
若为组织区域，则对所述组织区域进行平滑滤波处理；若为非组织区域，则对所述非组织区域进行低通滤波处理；
将所述组织区域和所述非组织区域融合，并对融合后的超声图像进行分辨率还原处理。
与现有技术相比，本发明实施例的有益技术效果在于：
本发明所提出的超声图像去噪方法，可以在保持图像的细节的同时，有效降低原始超声图像的斑点噪声，提高图像质量。
附图说明
图1为本发明一实施例中超声图像去噪方法的流程示意图；
图2为本发明一实施例中超声图像去噪装置的功能模块图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制，基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参见图1，本发明提出一种超声图像去噪方法，该超声图像去噪方法包括以下步骤：
S10，对输入图像依次进行降采样和低通滤波处理，以得到降分辨率后的超声图像；
S20，对超声图像进行边缘检测，以得到若干不同方向的梯度图像；
S30，根据各梯度图像计算当前像素点的强度响应及主方向；
S40，基于强度相应计算得到自适应分割阈值；
S50，根据分割阈值判断当前像素点是否为超声图像的组织区域；
S60，若为组织区域，则对组织区域进行平滑滤波处理；
S70，若为非组织区域，则对非组织区域进行低通滤波处理；
S80，将组织区域和非组织区域融合；
S90，对融合后的超声图像进行分辨率还原处理。
进一步的，本发明实施例所提出的步骤S30包括：
分别对若干梯度图进行低通滤波处理，并比较各梯度图在不同方向的梯度强度；
选择最大强度及相应的方向作为当前像素点的强度响应及主方向。
进一步的，本发明实施例所提出的步骤S20包括：
利用边缘检测索伯算子，检测出超声图像在若干不同方向的梯度，得到若干个梯度图像。
进一步的，本发明实施例所提出的超声图像去噪方法还包括：
S100，对平滑滤波处理后的组织区域进行增强处理。
以下详细介绍本发明所提出的超声图像去噪方法的处理流程：
设输入图像的宽为W，高为H，In表示输入图像（输入图像的灰度数据），是一个H×W的二维矩阵。为了方便假设W和H都是偶数。
Step1：输入图像In降采样，接着高斯低通滤波，得到图像In2。
降采样示意图：
Figure 987833DEST_PATH_IMAGE001
Figure 725982DEST_PATH_IMAGE002
Figure 806808DEST_PATH_IMAGE003
Figure 200880DEST_PATH_IMAGE004
Figure 628450DEST_PATH_IMAGE005
记
Figure 158789DEST_PATH_IMAGE006
；
记
Figure 911981DEST_PATH_IMAGE007
；
Figure 793350DEST_PATH_IMAGE008
考虑到算法复杂度可以用简单的低通滤波算子P0来实现。
Figure 290190DEST_PATH_IMAGE009
Step2：应用边缘检测sobel算子，检测出图像In2的四个不同方向的梯度，得到四个梯度图像grad1，grad2，grad3，grad4。
Figure 737352DEST_PATH_IMAGE010
Figure 395866DEST_PATH_IMAGE011
Step3：四个梯度图像分别做低通滤波，然后在逐点比较四个方向的梯度强度，选择最大强度及相应的方向作为当前像素点的强度响应及主方向，得到矩阵dir和responce。
Figure 263066DEST_PATH_IMAGE012
Step4：根据强度响应responce，按照下列公式求出自适应分割阈值threshold，通过该阈值求出一个只取0或者1的标记矩阵seg，通过该标记矩阵将图像In2分成2块区域，或者说将集合I2分解为两个集合。
由于超声图像的特性， 对于超声图像的每个像素点p，如果seg（p）=1，表明改点是组织区域，为了使组织具有层次感以及边界清晰需要做边界平滑及增强处理。如果seg（p）=0，表明改点是图像的非组织区域，做去噪处理即可。
记
Figure 32439DEST_PATH_IMAGE013
Figure 68528DEST_PATH_IMAGE014
其中Ration，MinGrad是用户输入参数，一般而言，Ration=0.7，MinGrad=20；令
Figure 897944DEST_PATH_IMAGE015
得到
Figure 753904DEST_PATH_IMAGE016
Step5：非组织区域做高斯低通滤波得到back。
记
Figure 326968DEST_PATH_IMAGE017
令
Figure 686405DEST_PATH_IMAGE018
令
Figure 952301DEST_PATH_IMAGE019
，
令
Figure 522655DEST_PATH_IMAGE020
其中
Figure 961726DEST_PATH_IMAGE021
。
得到back=back4
Step6：组织区域按方向做平滑滤波。
令
Figure 441249DEST_PATH_IMAGE022
Figure 878047DEST_PATH_IMAGE023
得到M=M4
Step7：组织区域在继续做增强处理。
Figure 177441DEST_PATH_IMAGE024
Figure 357887DEST_PATH_IMAGE025
Step8：组织区域和非组织区域融合。
Figure 691916DEST_PATH_IMAGE026
Step9：分辨率还原。
根据前面叙述的降采样示意图，我们可以通过低分辨率的图像通过双线性插值，得到二倍分辨率的图像。双线性插值公式：
Figure 96352DEST_PATH_IMAGE027
应用上述插值公式，可以由merge得到mergezoom。由In2得到In2zoom。
out=mergezoom+(In-In2zoom)*para7。其中out就是我们图像处理后的图像数据，是最终结果。
请参见图2，基于前述所提出的超声图像去噪方法，本发明还提出一种超声图像去噪装置，该超声图像去噪装置包括：
第一处理模块10，用于对输入图像依次进行降采样和低通滤波处理，以得到降分辨率后的超声图像；
边缘检测模块20，用于对超声图像进行边缘检测，以得到若干不同方向的梯度图像；
强度响应模块30，根据各梯度图像计算当前像素点的强度响应及主方向；
区域判断模块40，基于强度相应计算得到自适应分割阈值，根据分割阈值判断当前像素点是否为超声图像的组织区域；
第二处理模块50，若为组织区域，则对组织区域进行平滑滤波处理；若为非组织区域，则对非组织区域进行低通滤波处理；
第三处理模块60，将组织区域和非组织区域融合，并对融合后的超声图像进行分辨率还原处理。
作为优选，本发明所提出的强度响应模块30包括：
低通滤波单元，用于分别对若干梯度图进行低通滤波处理，并比较各梯度图在不同方向的梯度强度；
强度响应单元，用于选择最大强度及相应的方向作为当前像素点的强度响应及主方向。
作为优选，本发明所提出的边缘检测模块20包括：
梯度图像获取单元，用于利用边缘检测索伯算子，检测出超声图像在若干不同方向的梯度，得到若干个梯度图像。
作为优选，本发明所提出的超声图像去噪装置还包括：
增强处理模块，用于对平滑滤波处理后的组织区域进行增强处理。
基于前述所提出的超声图像去噪方法，本发明还提出一种超声图像去噪设备，该超声图像去噪设备包括：
存储器，用于存储计算机程序；
处理器，用于执行计算机程序时，实现前述所记载的超声图像去噪方法，该超声图像去噪方法至少包括以下步骤：
对输入图像依次进行降采样和低通滤波处理，以得到降分辨率后的超声图像；
对超声图像进行边缘检测，以得到若干不同方向的梯度图像；
根据各梯度图像计算当前像素点的强度响应及主方向；
基于强度相应计算得到自适应分割阈值，根据分割阈值判断当前像素点是否为超声图像的组织区域；
若为组织区域，则对组织区域进行平滑滤波处理；若为非组织区域，则对非组织区域进行低通滤波处理；
将组织区域和非组织区域融合，并对融合后的超声图像进行分辨率还原处理。
基于前述所提出的超声图像去噪方法，本发明还提出一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时，实现前述所记载的超声图像去噪方法，该超声图像去噪方法至少包括以下步骤：
对输入图像依次进行降采样和低通滤波处理，以得到降分辨率后的超声图像；
对超声图像进行边缘检测，以得到若干不同方向的梯度图像；
根据各梯度图像计算当前像素点的强度响应及主方向；
基于强度相应计算得到自适应分割阈值，根据分割阈值判断当前像素点是否为超声图像的组织区域；
若为组织区域，则对组织区域进行平滑滤波处理；若为非组织区域，则对非组织区域进行低通滤波处理；
将组织区域和非组织区域融合，并对融合后的超声图像进行分辨率还原处理。
在本申请所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
以上的仅为本发明的部分或优选实施例，无论是文字还是附图都不能因此限制本发明保护的范围，凡是在与本发明一个整体的构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明保护的范围内。

Claims (8)

1.一种超声图像去噪方法，其特征在于，包括：
对输入图像依次进行降采样和低通滤波处理，以得到降分辨率后的超声图像；
对所述超声图像进行边缘检测，以得到若干不同方向的梯度图像；
根据各所述梯度图像计算当前像素点的强度响应及主方向；
基于强度响应 计算得到自适应分割阈值，根据所述分割阈值判断所述当前像素点是否为超声图像的组织区域；
若为组织区域，则对所述组织区域进行平滑滤波处理；若为非组织区域，则对所述非组织区域进行低通滤波处理；
将所述组织区域和所述非组织区域融合，并对融合后的超声图像进行分辨率还原处理；
所述根据各所述梯度图计算当前像素点的强度响应及主方向包括：
分别对若干所述梯度图进行低通滤波处理，并比较各所述梯度图在不同方向的梯度强度；
选择最大强度及相应的方向作为当前像素点的强度响应及主方向。
2.根据权利要求1所述的超声图像去噪方法，其特征在于，所述对超声图像进行边缘检测，以得到若干不同方向的梯度图像包括：
利用边缘检测索伯算子，检测出所述超声图像在若干不同方向的梯度，得到若干个所述梯度图像。
3.根据权利要求1或2所述的超声图像去噪方法，其特征在于，在所述对组织区域进行平滑滤波处理的步骤之后，还包括：
对平滑滤波处理后的组织区域进行增强处理。
4.一种超声图像去噪装置，其特征在于，包括：
第一处理模块，用于对输入图像依次进行降采样和低通滤波处理，以得到降分辨率后的超声图像；
边缘检测模块，用于对所述超声图像进行边缘检测，以得到若干不同方向的梯度图像；
强度响应模块，根据各所述梯度图像计算当前像素点的强度响应及主方向；
区域判断模块，基于强度响应 计算得到自适应分割阈值，根据所述分割阈值判断所述当前像素点是否为超声图像的组织区域；
第二处理模块，若为组织区域，则对所述组织区域进行平滑滤波处理；若为非组织区域，则对所述组织区域进行低通滤波处理；
第三处理模块，将所述组织区域和所述非组织区域融合，并对融合后的超声图像进行分辨率还原处理；
所述强度响应模块包括：
低通滤波单元，用于分别对若干所述梯度图进行低通滤波处理，并比较各所述梯度图在不同方向的梯度强度；
强度响应单元，用于选择最大强度及相应的方向作为当前像素点的强度响应及主方向。
5.根据权利要求4所述的超声图像去噪装置，其特征在于，所述边缘检测模块包括：
梯度图像获取单元，用于利用边缘检测索伯算子，检测出所述超声图像在若干不同方向的梯度，得到若干个所述梯度图像。
6.根据权利要求4或5所述的超声图像去噪装置，其特征在于，还包括：
增强处理模块，用于对平滑滤波处理后的组织区域进行增强处理。
7.一种超声图像去噪设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行计算机程序时，实现权利要求1-3任一项所述的超声图像去噪方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现权利要求1-3任一项所述的超声图像去噪方法。
CN202111068207.9A 2021-09-13 2021-09-13 超声图像去噪方法、装置、设备及计算机可读存储介质 Active CN113538299B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111068207.9A CN113538299B (zh) 2021-09-13 2021-09-13 超声图像去噪方法、装置、设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111068207.9A CN113538299B (zh) 2021-09-13 2021-09-13 超声图像去噪方法、装置、设备及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN113538299A CN113538299A (zh) 2021-10-22
CN113538299B true CN113538299B (zh) 2022-01-11

Family

ID=78093200

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111068207.9A Active CN113538299B (zh) 2021-09-13 2021-09-13 超声图像去噪方法、装置、设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN113538299B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1919144A (zh) * 2005-08-26 2007-02-28 深圳迈瑞生物医疗电子股份有限公司 超声图像增强与斑点抑制方法
CN102306377A (zh) * 2011-09-21 2012-01-04 深圳市理邦精密仪器股份有限公司 一种超声图像去噪的方法和装置
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
CN108135566A (zh) * 2016-06-30 2018-06-08 北京深迈瑞医疗电子技术研究院有限公司 一种增强超声造影图像的方法、系统及超声造影成像设备
CN110393549A (zh) * 2019-05-27 2019-11-01 聚融医疗科技(杭州)有限公司 一种自动调节超声图像增益的方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103177421B (zh) * 2011-12-26 2017-02-15 深圳市蓝韵实业有限公司 超声医学图像的降噪处理方法
CN104299191A (zh) * 2014-09-28 2015-01-21 南通大学 一种超声图像去噪方法及中值滤波方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1919144A (zh) * 2005-08-26 2007-02-28 深圳迈瑞生物医疗电子股份有限公司 超声图像增强与斑点抑制方法
CN102306377A (zh) * 2011-09-21 2012-01-04 深圳市理邦精密仪器股份有限公司 一种超声图像去噪的方法和装置
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
CN108135566A (zh) * 2016-06-30 2018-06-08 北京深迈瑞医疗电子技术研究院有限公司 一种增强超声造影图像的方法、系统及超声造影成像设备
CN110393549A (zh) * 2019-05-27 2019-11-01 聚融医疗科技(杭州)有限公司 一种自动调节超声图像增益的方法及装置

Also Published As

Publication number Publication date
CN113538299A (zh) 2021-10-22

Similar Documents

Publication Publication Date Title
Zhang et al. Single-image super-resolution based on rational fractal interpolation
Bankman Handbook of medical image processing and analysis
US20130202177A1 (en) Non-linear resolution reduction for medical imagery
KR100444414B1 (ko) 지배적인구조의제거를통한데이터시각화향상
JP5851301B2 (ja) 画像処理装置、画像処理方法、及び磁気共鳴イメージング装置
US20030097069A1 (en) Computationally efficient noise reduction filter for enhancement of ultrasound images
Sreeja et al. An improved feature based image fusion technique for enhancement of liver lesions
JP2006271971A (ja) ボリュメトリック画像強調システム及び方法
CN109919954B (zh) 目标对象的识别方法和装置
WO2006037217A1 (en) Blood vessel structures segmentation system and method
CN114066904A (zh) 一种基于深度学习的皮肤病变图像分割方法、设备及存储介质
Zhang et al. Medical image fusion based on quasi-cross bilateral filtering
JP3730872B2 (ja) 画像処理装置及び画像処理プログラム
Wright et al. Complete fetal head compounding from multi-view 3D ultrasound
CN113538299B (zh) 超声图像去噪方法、装置、设备及计算机可读存储介质
JP7106741B2 (ja) 学習方法、学習装置、生成モデル及びプログラム
CN111861929A (zh) 一种超声图像优化处理方法、系统及装置
Gambhir et al. A novel fusion rule for medical image fusion in complex wavelet transform domain
Islam et al. Single image super-resolution in frequency domain
Abood Edges enhancement of medical color images using add images
JP2007219911A (ja) 画像処理方法及び装置並びに画像処理プログラム
Yu et al. Applications of edge preservation ratio in image processing
Wang et al. Remote sensing image magnification study based on the adaptive mixture diffusion model
Goyal Gaussian filtering based image integration for improved disease diagnosis and treatment planning
KR20010086855A (ko) 단층 영상에서 관심영역 추출 방법 및 장치

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
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Ultrasonic image denoising method, device, equipment and computer readable storage medium

Effective date of registration: 20221213

Granted publication date: 20220111

Pledgee: Wenling Yigang Life Health Technology Co.,Ltd.

Pledgor: SHENZHEN HANWEI INTELLIGENT MEDICAL TECHNOLOGY Co.,Ltd.

Registration number: Y2022980026941

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230714

Address after: 318000 Floor 5, No. 2 Plant, No.139 Huitou, Caishiqiao Village, Xinhe Town, Wenling City, Taizhou City, Zhejiang Province

Patentee after: Hanwei (Taizhou) Intelligent Medical Technology Co.,Ltd.

Address before: 518000 1201, building F1, TCL Science Park, No. 1001, Zhongshan Park Road, Shuguang community, Xili street, Nanshan District, Shenzhen, Guangdong

Patentee before: SHENZHEN HANWEI INTELLIGENT MEDICAL TECHNOLOGY Co.,Ltd.