CN114648456A - 超声图像的降噪方法和电子设备 - Google Patents

超声图像的降噪方法和电子设备 Download PDF

Info

Publication number
CN114648456A
CN114648456A CN202210266801.7A CN202210266801A CN114648456A CN 114648456 A CN114648456 A CN 114648456A CN 202210266801 A CN202210266801 A CN 202210266801A CN 114648456 A CN114648456 A CN 114648456A
Authority
CN
China
Prior art keywords
filtering
window
image
image quality
gradient operator
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
Application number
CN202210266801.7A
Other languages
English (en)
Inventor
邱静雯
王�琦
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.)
Qingdao Hisense Medical Equipment Co Ltd
Original Assignee
Qingdao Hisense Medical Equipment 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 Qingdao Hisense Medical Equipment Co Ltd filed Critical Qingdao Hisense Medical Equipment Co Ltd
Priority to CN202210266801.7A priority Critical patent/CN114648456A/zh
Publication of CN114648456A publication Critical patent/CN114648456A/zh
Pending legal-status Critical Current

Links

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
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw 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
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

本申请涉及超声技术领域，尤其涉及一种超声图像的降噪方法和电子设备，用于解决如何对图像滤波时既能很好地抑制相干斑噪声，又能很好地保持边缘信息的问题。本申请通过设置滤波窗口，只对窗口内的图像进行滤波操作。若窗口内的图像质量大于图像质量阈值，则证明图像质量较高，此时即时采用Lee滤波算法进行滤波，也能在抑制相干斑噪声的同时保证图像的边缘信息。若窗口内的图像质量小于等于图像质量阈值，且滤波窗口的尺寸小于窗口最小值，则证明图像质量较低，此时采用梯度算子进行滤波，则避免了相干斑噪声抑制效果并不理想的问题，并且避免了边缘信息被破坏。

Description

超声图像的降噪方法和电子设备
技术领域
本申请涉及超声技术领域，尤其涉及一种超声图像的降噪方法和电子设备。
背景技术
在相关技术中，通常采用Lee滤波方法对超声图像进行滤波操作。经典的Lee滤波去噪算法，是以相干斑噪声点完全发育乘性模型上构建的，对于未发育完全的相干斑噪声抑制效果并不理想，采用改进型Lee滤波去噪可以很好地抑制相干斑噪声，但边缘信息被破坏。因此需要解决如何对图像滤波时既能很好地抑制相干斑噪声，又能很好地保持边缘信息的问题。
发明内容
本申请公开了一种超声图像的降噪方法和电子设备，用于解决如何对图像滤波时既能很好地抑制相干斑噪声，又能很好地保持边缘信息的问题。
第一方面，本申请提出了一种超声图像的降噪方法，所述方法包括：
获取所述超声图像的滤波窗口内的图像质量；
若所述图像质量大于图像质量阈值，则采用Lee滤波方法对所述滤波窗口内的超声图像进行滤波处理；
若所述图像质量小于或等于所述图像质量阈值，且所述滤波窗口的尺寸小于窗口最小值，则为所述滤波窗口选择梯度算子，并采用所述梯度算子对所述滤波窗口内的超声图像进行滤波处理。
在一种实施例中，基于以下方法确定所述图像质量阈值：
Figure BDA0003552174490000011
其中ya表示所述超声图像中所有像素点的灰度值集合，yb表示所述窗口阈值内所有像素点的灰度值集合，var为方差函数，Tw表示所述图像质量阈值。
在一种实施例中，所述为所述滤波窗口选择梯度算子，包括：
将所述滤波窗口内的超声图像划分成n*n个子区域，其中n为候选梯度算子的阶数；
采用各所述子区域的像素均值构建预处理图像；
采用各所述候选梯度算子分别对所述预处理图像进行卷积操作，得到各候选梯度算子的滤波结果；
选择滤波结果最优的候选梯度算子作为所述调整后的滤波窗口的梯度算子。
在一种实施例中，所述采用Lee滤波方法对所述滤波窗口内的超声图像进行滤波处理，包括：
基于以下权重系数确定公式确定权重系数：
Figure BDA0003552174490000021
基于所述权重系数，对所述滤波窗口内的超声图像进行Lee滤波处理。
在一种实施例中，所述获取所述超声图像的滤波窗口内的图像质量之前，还包括：
对所述超声图像进行均衡化处理。
在一种实施例中，所述方法还包括：
若所述图像质量小于或等于所述图像质量阈值，且所述滤波窗口的尺寸不小于所述窗口最小值，则降低所述滤波窗口的尺寸，并返回执行所述获取所述超声图像的滤波窗口内的图像质量的步骤。
在一种实施例中，所述选择滤波结果最优的候选梯度算子，包括：
确定各滤波结果中各元素的和值；
选择和值最大的候选梯度算子作为所述滤波结果最优的候选梯度算子。
在一种实施例中，候选梯度算子包括：
水平方向上的第一候选梯度算子，垂直方向上的第二候选梯度算子，自水平方向偏移四十五度的第三候选梯度算子，与所述第三候选梯度算子的方向垂直的第四候选梯度算子。
在一种实施例中，所述获取所述超声图像的滤波窗口内的图像质量，包括：
采样以下公式确定所述滤波窗口内的图像质量：
Figure BDA0003552174490000031
其中ya表示所述超声图像中像素点的灰度值，yc表示所述滤波窗口内像素点的灰度值，var为方差函数。
第二方面，本申请提出一种电子设备，包括：
存储器，用于存储处理器可执行指令；
处理器，被配置为执行所述指令，以实现如第一方面中任一项所述的方法。
第三方面，本申请提出一种计算机可读存储介质，当所述计算机可读存储介质中的指令由终端设备的处理器执行时，使得终端设备能够执行如本申请第一方面中提供的任一方法。
第四方面，本申请提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如本申请第一方面中提供的任一方法。
本申请的实施例提供的技术方案至少带来以下有益效果：
本申请通过设置滤波窗口，只对窗口内的图像进行滤波操作。若窗口内的图像质量大于图像质量阈值，则证明图像质量较高，此时即时采用Lee滤波算法进行滤波，也能在抑制相干斑噪声的同时保证图像的边缘信息。若窗口内的图像质量小于等于图像质量阈值，且滤波窗口的尺寸小于窗口最小值，则证明图像质量较低，此时采用梯度算子进行滤波，则避免了相干斑噪声抑制效果并不理想的问题，并且避免了边缘信息被破坏。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，显而易见地，下面所介绍的附图仅仅是本申请的一些实施例，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。
图1为本申请实施例中提供的电子设备的示意图；
图2为本申请实施例中提供的超声图像的降噪方法的流程示意图；
图3为本申请实施例中提供的选择候选梯度算子的流程示意图；
图4为本申请实施例中提供的滤波窗口示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
其中，在本申请实施例的描述中，除非另有说明，“/”表示或的意思，例如，A/B可以表示A或B；文本中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，另外，在本申请实施例的描述中，“多个”是指两个或多于两个。
以下，术语“第一”、“第二”仅用于描述目的，而不能理解为暗示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征，在本申请实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。
为了便于理解，本申请对一些名词先进行解释。
最小均方误差：是反映估计量与被估计量之间差异程度的一种度量，当度量的值最小时即为最小均方误差。
最小均方误差准则：选择一组时域采样值,采用最小均方误差算法,以使均方误差最小,从而达到最优化设计。
在相关技术中，通常采用Lee滤波方法对超声图像进行滤波操作。经典的Lee滤波去噪算法，是以相干斑噪声点完全发育乘性模型上构建的，对于未发育完全的相干斑噪声抑制效果并不理想，采用改进型的Lee滤波去噪可以很好地抑制相干斑噪声，但边缘信息被破坏。因此需要解决对图像滤波时也能很好地抑制相干斑噪声，又能很好地保持边缘信息的问题。
有鉴于此，本申请实施例中提出了一种超声图像的降噪方法。
本申请通过设置滤波窗口，只对窗口内的图像进行滤波操作。若窗口内的图像质量大于图像质量阈值，则证明图像质量较高，此时即时采用Lee滤波算法进行滤波，也能在抑制相干斑噪声的同时保证图像的边缘信息。若窗口内的图像质量小于等于图像质量阈值，且滤波窗口的尺寸小于窗口最小值，则证明图像质量较低，此时采用梯度算子进行滤波，则避免了相干斑噪声抑制效果并不理想的问题，并且避免了边缘信息被破坏。
在介绍完本申请实施例的设计思想之后，下面对本申请实施例的技术方案能够适用的应用场景做一些简单介绍，需要说明的是，以下介绍的应用场景仅用于说明本申请实施例而非限定。在具体实施时，可以根据实际需要灵活地应用本申请实施例提供的技术方案。
本申请中的电子设备可以是超声设备、亦或者是与超声设备相连的终端设备、还可以是服务器。参见图1所示，为本申请实施例提供的超声设备的结构框图。
应该理解的是，图1所示超声设备100仅是一个范例，并且超声设备100可以具有比图1中所示的更多的或者更少的部件，可以组合两个或多个的部件，或者可以具有不同的部件配置。图中所示出的各种部件可以在包括一个或多个信号处理和/或专用集成电路在内的硬件、软件、或硬件和软件的组合中实现。
图1中示例性示出了根据示例性实施例中超声设备100的硬件配置框图。
如图1所示，超声设备100例如可以包括：处理器110、存储器120、显示单元130和超声图像获取装置140；其中：
超声图像获取装置140，用于获取超声图像。
显示单元130，用于显示超声图像。
存储器120被配置为存储用于执行超声图像的降噪方法所需的数据，可包括软件程序，应用界面数据等。
处理器110，分别与所述超声图像获取装置140以及所述显示单元130相连接，被配置为执行本申请实施例提供的超声图像的降噪方法。
为进一步说明本申请实施例提供的技术方案，下面结合附图以及具体实施方式对此进行详细的说明。虽然本申请实施例提供了如下述实施例或附图所示的方法操作步骤，但基于常规或者无需创造性的劳动在所述方法中可以包括更多或者更少的操作步骤。在逻辑上不存在必要因果关系的步骤中，这些步骤的执行顺序不限于本申请实施例提供的执行顺序。
需要说明的是，本申请提出的超声图像的降噪方法适用于不同器官或生物组织的超声图像，对此本申请并不限制。
在本申请实施例中，由于超声图像具有低对比度特性，会影响滤波效果，因此需要对低对比度数据进行增强，便于后续的降噪处理。本申请在滤波之前先基于公式(1)对超声图像进行直方图均衡化，以提高图像的对比度。
Figure BDA0003552174490000061
在公式(1)中，k代表灰度等级，为0-255共256个灰度等级，rj∈[0，1]，代表映射前图像中像素点的归一化灰度级，W(rk)代表映射关系，n代表图像中像素点的总数，nj代表第k个灰度级中像素点的数量，pr(rj)代表映射前像素点在第k个灰度级的概率，Sk代表像素点经过映射后归一化的灰度级。
例如，超声图像中有100个像素点，其中10个像素点在第七个灰度等级中，则图像中像素点在第7个灰度级的概率为10％。对于第k个灰度等级，则将像素点在第0-k个灰度等级的概率累加，得到累加值，将各灰度等级的累加值乘以像素点的总数，即为均衡化后各灰度等级中的像素点数量。
由于相关技术中的Lee滤波算法存在缺陷，导致图像的抑制相干噪声的能力减弱，因此本申请结合图2所示的步骤，介绍本申请一种超声图像的降噪方法，通过采用不同的滤波方法提高滤波时抑制相干噪声的能力。
在步骤201中，获取超声图像的滤波窗口内的图像质量。
在步骤202中，判断图像质量是否大于图像质量阈值，若图像质量大于图像质量阈值，则执行步骤203，否则执行步骤204。
在本申请实施例中，图像质量用于衡量像素点的灰度值之间的差异，图像质量阈值是通过对比预设窗口中的图像质量与超声图像的图像质量得到的，像素点的灰度值之间的差异越小，图像质量越高。通过比较图像质量，对滤波窗口中高于像质量阈值的超声图像进行Lee滤波，能抑制相干噪声并保持图像边缘信息。本申请为了得到图像质量阈值，先设置了一个大小为W0的预设窗口，并基于公式(2)确定图像质量阈值。
Figure BDA0003552174490000071
在公式(2)中，ya表示超声图像中所有像素点的灰度值集合，yb表示窗口阈值内所有像素点的灰度值集合，var为方差函数，Tw表示图像质量阈值。
类似的，基于公式(3)计算窗口中的图像质量T：
Figure BDA0003552174490000072
其中ya表示超声图像中像素点的灰度值，yc表示滤波窗口内像素点的灰度值，var为方差函数。
在步骤203中，用Lee滤波方法对所述滤波窗口内的超声图像进行滤波处理。
在本申请实施例中，Lee滤波是通过假设图像是受到噪声的干扰，对图像混合了噪声后再进行线性滤波的滤波方式。本申请假设图像是受到一个均值为1、方差为
Figure BDA0003552174490000073
的平稳噪声的干扰，再采用Lee滤波方法对滤波窗口内的超声图像进行滤波处理。
本申请对滤波窗口中的图像X混合平稳噪声N，得到滤波窗口中的图像对应的含噪图像Y，即Y＝XN。再采用公式(4)计算滤波窗口中超声图像的像素值的局域均值
Figure BDA0003552174490000081
和局域方差
Figure BDA0003552174490000082
Figure BDA0003552174490000083
在公式(4)，
Figure BDA0003552174490000084
表示平稳噪声的局域均值，δN表示已知平稳噪声的标准差，
Figure BDA0003552174490000085
表示平稳噪声的局域方差,
Figure BDA0003552174490000086
表示含噪图像Y的局域均值，δY表示含噪图像Y的标准差，
Figure BDA0003552174490000087
表示含噪图像Y的局域方差。
同时基于公式(5)确定Lee滤波方法的权重系数k：
Figure BDA0003552174490000088
在公式(5)中，CN表示已知平稳噪声的局域方差系数，CY表示含噪图像Y的局域方差系数，δN表示已知平稳噪声的标准差，δY表示含噪图像Y的标准差。由于公式(5)中需要预先知道平稳噪声的均值和方差，但是对于具体的超声图像，只能通过预先假设超声图像中混合了平稳噪声并确定平稳噪声的均值和方差。为了计算方便，令公式(5)中的
Figure BDA0003552174490000089
其中
Figure BDA00035521744900000810
代表滤波窗口中超声图像的局域均值，u代表滤波窗口中超声图像的标准差。
Lee滤波是利用最小均方误差(The Minimum Mean Square Error,MMSE)及无偏估计来求出线性近似式，从而得到滤波后的图像，假设
Figure BDA00035521744900000811
是滤波窗口中超声图像X的最小均方估计，对Y进行泰勒展开后，取一阶泰勒展开式，得到如公式(6)所示的含噪图像信号Y的泰勒展开Y′。
Figure BDA00035521744900000812
通过使用最小均方误差准则，将公式(6)中的Y′，公式(4)中滤波窗口中超声图像的像素值的局域均值
Figure BDA00035521744900000813
和公式(5)代入公式(7)所示的Lee滤波公式中，得到滤波窗口中超声图像的经过降噪后的灰度值GLee。
Figure BDA00035521744900000814
在公式(7)中，
Figure BDA0003552174490000091
代表滤波窗口中超声图像的像素值的局域均值，k代表Lee滤波的权重系数，Y代表含噪图像。
基于公式(7)对滤波窗口内的超声图像进行Lee滤波处理。
在步骤204中，若滤波窗口的尺寸小于窗口最小值，则为滤波窗口选择梯度算子，并采用梯度算子对滤波窗口内的超声图像进行滤波处理。
在本申请实施例中，由于超声图像中不同组织在图像中的灰度不同，相同的算法或梯度算子滤波时对图像中不同灰度的像素点的降噪效果相同，为了使用同一算法或同一梯度算子滤波时，对不同灰度的像素点进行降噪处理时尽可能接近像素点不含噪声的真实灰度，本申请还设置了滤波窗口，其中滤波窗口的变化区间[Wmin，Wmax]，滤波窗口的大小在变化区间内，每次滤波窗口的变化量为value，且每次滑动窗口的步长小于Wmin。由于本申请设置的步长小于Wmin，因此保证了采用滑动滤波窗口的方式选取部分超声图像滤波时，能完全覆盖超声图像。
在本申请实施例中，还需要判断滤波窗口的大小与窗口最小值之间的大小关系，通过调整滤波窗口大小进一步提高图像抑制相干噪声的能力。若图像质量小于或等于图像质量阈值，且滤波窗口的尺寸不小于窗口最小值，则降低滤波窗口的尺寸，并基于降低后的滤波窗口的尺寸返回执行获取超声图像的滤波窗口内的图像质量的步骤，直至图像质量大于Tw或滤波窗口小于等于Wmin。
在本申请另一实施例中，若图像质量小于或等于图像质量阈值，且滤波窗口的尺寸小于或等于窗口最小值，则按照如图3所示的步骤为滤波窗口选候选择梯度算子。
在步骤301中，将滤波窗口内的超声图像划分成n*n个子区域，其中n为候选梯度算子的阶数。
在步骤302中，采用各子区域的像素均值构建预处理图像。
在步骤303中，采用各候选梯度算子分别对预处理图像进行卷积操作，得到各候选梯度算子的滤波结果。
在步骤304中，选择滤波结果最优的候选梯度算子作为调整后的滤波窗口的梯度算子。
在本申请实施例中，为了考虑各方向上的像素点的灰度值，本申请分别在四个对称的方向上设置四个n*n的梯度算子，并将滤波窗口平均分为n*n个子窗口，分别采用不同的梯度算子进行梯度卷积计算，得到每个窗口的滤波结果Mi。
本申请示例性的给出了四个方向上的候选梯度算子，分别为水平方向上的第一候选梯度算子，垂直方向上的第二候选梯度算子，自水平方向偏移四十五度的第三候选梯度算子，与所述第三候选梯度算子的方向垂直的第四候选梯度算子。
例如，四个候选梯度算子分别如公式(8)所示，其中G1为第一候选梯度算子，G2为第二候选梯度算子，G3为第三候选梯度算子，G4为第四候选梯度算子，为了便于计算，将各候选梯度算子设置为3×3的矩阵。
Figure BDA0003552174490000101
Figure BDA0003552174490000102
此时梯度算子的阶数是3，将滤波窗口内的超声图像划分成3×3个子区域，按照如公式(9)的方式将的到各梯度算子的滤波结果。
Figure BDA0003552174490000103
在公式(9)中，Gi代表第i各梯度算子，
Figure BDA0003552174490000104
代表滤波窗口中的超声图像，y1-y9代表被划分的3×3个子区域的超声图像，Mi代表使用第i个梯度算子得到的滤波结果。计算各滤波结果中各元素的和值，选择和值最大的候选梯度算子作为滤波结果最优的候选梯度算子，并输出最终的滤波结果。
当对当前的滤波窗口进行降噪处理之后，按照如图4所示的方法将滤波窗口平移一个步长。在图4中，虚线框代表滤波窗口，以滤波窗口的初始位置在与超声图像的左边与上边重合为例，对窗口内图像完成降噪处理后，将滤波窗口向右或向下平移一个步长，继续对滤波窗口内新的图像进行降噪处理。以滤波窗口向右平移为例，当滤波窗口的右边与超声图像的右边重合，则滤波窗口的下一个位置为将初始位置向下平移一个步长的位置。
需要说明的是，本申请为了便于计算，采用计算各滤波结果中各元素的和值的方式确定候选梯度算子，也可以采用计算各滤波结果的模确定候选梯度算子，对此本申请不进行限制。
在示例性实施例中，本申请还提供了一种包括指令的计算机可读存储介质，例如包括指令的存储器120，上述指令可由电子设备100的处理器110执行以完成上述超声图像处理方法。可选地，计算机可读存储介质可以是非临时性计算机可读存储介质，例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中，还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器110执行时实现如本申请提供的超声图像处理方法。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种超声图像的降噪方法，其特征在于，所述方法包括：
获取所述超声图像的滤波窗口内的图像质量；
若所述图像质量大于图像质量阈值，则采用Lee滤波方法对所述滤波窗口内的超声图像进行滤波处理；
若所述图像质量小于或等于所述图像质量阈值，且所述滤波窗口的尺寸小于窗口最小值，则为所述滤波窗口选择梯度算子，并采用所述梯度算子对所述滤波窗口内的超声图像进行滤波处理。
2.根据权利要求1所述的方法，其特征在于，基于以下方法确定所述图像质量阈值：
Figure FDA0003552174480000011
其中ya表示所述超声图像中所有像素点的灰度值集合，yb表示所述窗口阈值内所有像素点的灰度值集合，var为方差函数，Tw表示所述图像质量阈值。
3.根据权利要求1所述的方法，其特征在于，所述为所述滤波窗口选择梯度算子，包括：
将所述滤波窗口内的超声图像划分成n*n个子区域，其中n为候选梯度算子的阶数；
采用各所述子区域的像素均值构建预处理图像；
采用各所述候选梯度算子分别对所述预处理图像进行卷积操作，得到各候选梯度算子的滤波结果；
选择滤波结果最优的候选梯度算子作为所述调整后的滤波窗口的梯度算子。
4.根据权利要求1所述的方法，其特征在于，所述采用Lee滤波方法对所述滤波窗口内的超声图像进行滤波处理，包括：
基于以下权重系数确定公式确定权重系数：
Figure FDA0003552174480000021
基于所述权重系数，对所述滤波窗口内的超声图像进行Lee滤波处理。
5.根据权利要求1所述的方法，其特征在于，所述获取所述超声图像的滤波窗口内的图像质量之前，还包括：
对所述超声图像进行均衡化处理。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
若所述图像质量小于或等于所述图像质量阈值，且所述滤波窗口的尺寸不小于所述窗口最小值，则降低所述滤波窗口的尺寸，并返回执行所述获取所述超声图像的滤波窗口内的图像质量的步骤。
7.根据权利要求3所述的方法，其特征在于，所述选择滤波结果最优的候选梯度算子，包括：
确定各滤波结果中各元素的和值；
选择和值最大的候选梯度算子作为所述滤波结果最优的候选梯度算子。
8.根据权利要求3所述的方法，其特征在于，候选梯度算子包括：
水平方向上的第一候选梯度算子，垂直方向上的第二候选梯度算子，自水平方向偏移四十五度的第三候选梯度算子，与所述第三候选梯度算子的方向垂直的第四候选梯度算子。
9.根据权利要求1所述的方法，其特征在于，所述获取所述超声图像的滤波窗口内的图像质量，包括：
采样以下公式确定所述滤波窗口内的图像质量：
Figure FDA0003552174480000022
其中ya表示所述超声图像中像素点的灰度值，yc表示所述滤波窗口内像素点的灰度值，var为方差函数。
10.一种电子设备，其特征在于，包括：
存储器，用于存储处理器可执行指令；
处理器，被配置为执行所述指令，以实现如权利要求1-9中提供的任一方法。
CN202210266801.7A 2022-03-17 2022-03-17 超声图像的降噪方法和电子设备 Pending CN114648456A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210266801.7A CN114648456A (zh) 2022-03-17 2022-03-17 超声图像的降噪方法和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210266801.7A CN114648456A (zh) 2022-03-17 2022-03-17 超声图像的降噪方法和电子设备

Publications (1)

Publication Number Publication Date
CN114648456A true CN114648456A (zh) 2022-06-21

Family

ID=81994995

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210266801.7A Pending CN114648456A (zh) 2022-03-17 2022-03-17 超声图像的降噪方法和电子设备

Country Status (1)

Country Link
CN (1) CN114648456A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116308748A (zh) * 2023-03-19 2023-06-23 二十六度数字科技(广州)有限公司 一种基于知识图谱的用户欺诈行为判断系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116308748A (zh) * 2023-03-19 2023-06-23 二十六度数字科技(广州)有限公司 一种基于知识图谱的用户欺诈行为判断系统
CN116308748B (zh) * 2023-03-19 2023-10-20 二十六度数字科技(广州)有限公司 一种基于知识图谱的用户欺诈行为判断系统

Similar Documents

Publication Publication Date Title
KR100463461B1 (ko) 얻어진자기공명영상에서공간세기의비균질성을보정하는방법
EP2819091B1 (en) Method and apparatus for processing a gray image
US8090214B2 (en) Method for automatic detection and correction of halo artifacts in images
US7792384B2 (en) Image processing apparatus, image processing method, program, and recording medium therefor
EP1993070B1 (en) Image processing device for image-analyzing magnification color aberration, image processing program, electronic camera, and image processing method for image analysis of chromatic aberration of magnification
US10628924B2 (en) Method and device for deblurring out-of-focus blurred images
US10021413B2 (en) Apparatus and method for video data processing
US7570831B2 (en) System and method for estimating image noise
CN114648456A (zh) 超声图像的降噪方法和电子设备
CN115937231B (zh) 一种频谱结构约束的红外图像迭代去噪方法及系统
CN111062884A (zh) 一种图像增强方法、装置、存储介质和终端设备
US20120213451A1 (en) Image processing apparatus and method
CN107451978B (zh) 一种图像处理方法、装置及设备
US7359540B2 (en) Systems and methods for correcting inhomogeneity in images
CN105662412A (zh) 一种磁共振系统的一阶匀场方法、装置及设备
CN112802080A (zh) 基于深度学习的单目绝对深度估计方法和装置
CN111047587B (zh) 图像的噪声估计方法、计算机设备和存储介质
CN110738621B (zh) 线性结构滤波方法、装置、设备和存储介质
CN110211105B (zh) 一种模糊图像检测方法、装置及系统
CN113658153B (zh) 一种轮廓数据特征点检测方法及装置
CN111861947B (zh) 提高直方图技术增强图像的信息熵的方法、装置
Imamura et al. Image denoising using non-local means for Poisson noise
CN114648455A (zh) 超声图像处理方法及电子设备、存储介质
CN106611405B (zh) 图像插值方法及装置
EP2688044A1 (en) Rendering processing method and apparatus

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