CN1919144A - 超声图像增强与斑点抑制方法 - Google Patents
超声图像增强与斑点抑制方法 Download PDFInfo
- Publication number
- CN1919144A CN1919144A CNA2005100368419A CN200510036841A CN1919144A CN 1919144 A CN1919144 A CN 1919144A CN A2005100368419 A CNA2005100368419 A CN A2005100368419A CN 200510036841 A CN200510036841 A CN 200510036841A CN 1919144 A CN1919144 A CN 1919144A
- Authority
- CN
- China
- Prior art keywords
- image
- template
- characteristic area
- pixel
- frame
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000005764 inhibitory process Effects 0.000 title claims description 21
- 238000012545 processing Methods 0.000 claims abstract description 29
- 239000000284 extract Substances 0.000 claims abstract description 6
- 238000005520 cutting process Methods 0.000 claims description 16
- 238000009499 grossing Methods 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000012805 post-processing Methods 0.000 claims description 11
- 238000002604 ultrasonography Methods 0.000 claims description 9
- 230000002708 enhancing effect Effects 0.000 claims description 8
- 238000003707 image sharpening Methods 0.000 claims description 5
- 238000003706 image smoothing Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000004321 preservation Methods 0.000 claims description 3
- 241001270131 Agaricus moelleri Species 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 abstract description 3
- 230000002401 inhibitory effect Effects 0.000 abstract 1
- 230000003014 reinforcing effect Effects 0.000 abstract 1
- 238000003709 image segmentation Methods 0.000 description 14
- 230000000694 effects Effects 0.000 description 12
- 238000012937 correction Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000035807 sensation Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 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
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/52017—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 particularly adapted to short-range imaging
- G01S7/52023—Details of receivers
- G01S7/52034—Data rate converters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/52017—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 particularly adapted to short-range imaging
- G01S7/52046—Techniques for image enhancement involving transmitter or receiver
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/52017—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 particularly adapted to short-range imaging
- G01S7/52053—Display arrangements
- G01S7/52057—Cathode ray tube displays
- G01S7/5206—Two-dimensional coordinated display of distance and direction; B-scan display
- G01S7/52063—Sector scan display
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/52017—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 particularly adapted to short-range imaging
- G01S7/52053—Display arrangements
- G01S7/52057—Cathode ray tube displays
- G01S7/52068—Stereoscopic displays; Three-dimensional displays; Pseudo 3D displays
- G01S7/52069—Grey-scale displays
-
- 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
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-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
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- 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
- G06T2207/30004—Biomedical image processing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
一种超声图像增强与斑点抑制方法,用于超声成像系统对超声扫描图像显示数据的优化处理,包括步骤:读取超声图像数据;将与该超声图像数据对应的增强图像数据输出或保存;尤其是,在上述两步骤之间还包括步骤:将所述超声图像分割为特征区域和非特征区域,分别进行数据处理;将所述针对特征区域和非特征区域处理的结果数据合并,得到所述增强图像数据。其中,分割图像时可以综合利用图像中多种信息,包括梯度、灰度和方差信息,以便提取出图像中的明显边界、较亮区域和弱边界,进行有针对性的图像增强和斑点抑制,从而提高图像质量,使超声成像更适应人的视觉系统。
Description
技术领域 本发明涉及超声技术,特别涉及超声成像中的数据处理技术,尤其是提高超声图像质量的图像增强与斑点抑制方法。
背景技术 图1方框图示意的是一个典型的超声成像系统,该系统包括一个超声波成像装置,其工作原理是:在主控制器的控制下,探头向受测机体组织发射超声波,经一定延时后接收从受测机体组织反射回来的超声波;该回波信号进入波束合成器,由所述波束合成器完成聚焦延时、加权和通道求和,形成一条或多条扫描线上的信号;该波束合成器输出的扫描线信号经检测器检测后,送给数字扫描变换器(D.S.C)完成坐标变换,得到的图像数据被送往计算装置,一般包括内置处理器,FPGA电路,甚至计算机系统等,经图像增强模块处理后送入显示器显示。该超声成像系统也可以调用被保存于外部存储器中的图像序列,经所述图像增强模块处理后用来显示。
所述超声成像系统是依靠所述图像增强模块来实现图像后处理技术,该技术以提高超声图像质量、辅助医疗诊断为目的,具体包括两个重要方面的内容。其一是抑制斑点:当人体内组织反射面不光滑,其粗糙度和入射超声波的波长相当时,不同反射源产生的回波信号由于相位不同,它们可能叠加也可能相消,反映为图像的颗粒感;这样,不同位置的扫描线数据经处理而最终被组合形成一幅超声图像时,斑点噪声始终存在。这些斑点噪声将会掩盖图像中的一些有用信息,一定程度上对医生的诊断造成干扰。因而抑制斑点是达到图像增强的一方面内容。其二是,增强图像中医生所关注的重要结构或特征,包括骨骼、包膜、管腔等;也就是说,超声图像增强后的结果图像中应该保留所有可辨别的结构,包括正常或不正常的结构,同时提供足够的纹理与对比度信息。
与解决上述问题相关的是,GE公司在美国专利US 6,208,763和US 6,592,523中公开了一种基于梯度分割的图像增强方法。该方法依据梯度信息,将图像分割为结构区域与非结构区域。对结构区域进行基于灰度加权方向性二阶倒数的各向异性锐化处理,以增强图像边缘的对比度;对非结构区域进行各向同性的平滑处理以消除斑点噪声。
上述现有技术的不足在于:虽然所述专利方法将图像分割为结构区域和非结构区域来分别处理,具有一定的合理性,但是该方法以梯度为特征进行图像分割会漏掉一些不明显的特征。尤其在结构区域以原图像的灰度值作为锐化系数会使增强效果过分依赖于分割模板,并且在分割模板的边缘会产生很强烈的不连续感;以及,对非结构区域仅采用线性平滑处理并不能很好地抑制斑点噪声。
发明内容 本发明要解决的技术问题是针对上述现有技术的不足,而提出一种超声图像数据处理方法,进行图像增强与斑点抑制,能摆脱增强效果对分割模板的依赖而提高图像质量,并突出图像中的特定信息、抑制或去除无效信息,包括斑点噪声,使超声成像更适应人的视觉系统。
为解决上述技术问题,本发明的基本构思为:在现有超声图像基础上,通过后处理的方式,综合利用图像中的各种信息,比如梯度、灰度和方差信息,将图像区分为包含特征的区域和不含特征的区域,对两类区域分别采取不同的数据处理方法,从而使最终成像效果对区域划分不敏感,不至于在区域边界产生明显的人为界限,并且能够有效抑制黑色斑点噪声。其中,对特征区域的数据可以选择方差最大方向的垂直方向作方向性平滑处理,及沿方差最大的方向作图像锐化处理,锐化系数取决于灰度值的标准方差;对非特征区域的数据可以进行基于局部灰度调整和斑点检测抑制的平滑处理。
作为实现本发明构思的技术方案是,提供一种超声图像增强与斑点抑制方法,用于超声成像系统对超声扫描图像显示数据的优化处理,包括步骤:
A.读取超声图像数据;
D.将与该超声图像数据对应的增强图像数据输出或保存;
尤其是,在上述两步骤之间还包括步骤:
B.将所述超声图像分割为特征区域和非特征区域,分别进行数据处理;
C.将所述针对特征区域和非特征区域处理的结果数据合并,得到所述增强图像数据。
上述方案中,所述步骤B分割图像是综合利用图像中的梯度和灰度信息来进行的,包括利用梯度提取出图像中的明显边界,以及利用灰度提取出图像中的较亮区域。
上述方案中,所述步骤B分割图像还利用了图像中的方差信息,用来提取出图像中的弱边界。
上述方案中,所述步骤B分割图像时,对利用所述信息来完成提取、从而得到的包括了相应图像特征的模板进行模板后处理,以得到分割模板;所述特征区域设置为该分割模板中包括的图像区域。
上述方案中,所述模板后处理包括模板帧平均处理,对当前帧图像模板新增加的特征区域,仅当该特征区域能连续若干帧满足被分割为模板的条件,该特征区域才能后来被补充成为分割模板的一部分。
上述方案中,所述步骤B中对所述特征区域内的数据处理包括各向异性平滑处理,包括步骤:
a.确定像素点的局部主方向;
b.在所述局部主方向的垂直方向上进行该像素的数据平滑处理。
上述方案中,所述步骤B中对所述特征区域内的数据处理还包括对各向异性平滑处理后的数据进行各向异性锐化处理,包括步骤:
a.在所述局部主方向上,计算所述像素数据平滑后的方向性Laplacian;
b.将该方向性Laplacian乘以一个图像锐化系数Rsharpen以得到各向异性锐化结果。
上述方案中,所述步骤B中对所述非特征区域内的数据处理采用局部灰度调整来进行图像平滑,包括步骤:
1.对输入图像Iin进行分块,计算分块图像的灰度均值,得到Meanblock图像;
2.根据输入图像中各像素的不同梯度值,设置不同的灰度调整系数Radjust;
3.计算局部灰度调整后的图像灰度值
Iadjusted=Meanblock+(Iin-Meanblock)*Radjust。
上述方案中,所述步骤B中对所述非特征区域内的数据处理还包括了黑色斑点检测及补偿处理,包括步骤:
a.对所述输入图像或局部灰度调整后图像Iadjusted用可变大小邻域求图像均值Imean;
b.基于所述图像均值Imean确定补偿像素及各补偿像素的补偿量;
c.将所述各补偿像素的补偿量加回所述局部灰度调整后图像Iadjusted,以得到非特征区域斑点去除后的图像数据。
采用上述技术方案,可以更有效地提取并增强显示超声图像中的特征信息,并且图像增强效果对图像分割的依赖程度较小,能够更有效地消除黑色斑点,从而使增强的图像更适应人的视觉系统,更便利于医学诊断参考。
附图说明 图1是本发明方法基于的超声成像系统方框图
图2是本发明方法流程示意图
图3是本发明方法图像分割处理的流程示意图
图4是图像分割中产生梯度模板的流程示意图
图5是图像分割中产生灰度模板的流程示意图
图6是图像分割中产生方差模板的流程示意图
图7是图像分割中模板后处理的流程示意图
图8是模板后处理中模板帧平均的效果示意图
图9是本发明针对特征区域的各向异性平滑处理流程示意图
图10是本发明计算方差的方向取向示意图
图11是本发明针对特征区域的各向异性锐化处理的流程示意图
图12是本发明针对特征区域的图像融合处理流程示意图
图13是本发明针对非特征区域的局部灰度调整处理流程示意图
图14是非特征区域灰度调整前后局部直方图变化比较示意图
图15是针对非特征区域的斑点检测与抑制处理流程示意图
图16是本发明方法黑色斑点检测示意图
具体实施方式 下面,结合附图所示之最佳实施例进一步阐述本发明。
本发明超声图像增强与斑点抑制方法,用于超声成像系统对超声扫描图像显示数据的优化处理,如图2流程图所示,系统先读取超声图像数据,再将该图像分割为特征区域和非特征区域,分别进行数据处理;最后将所述针对特征区域和非特征区域处理的结果数据合并,得到对应所述超声图像数据的增强图像数据,再输出或保存。
其中,特征区域包括图像变化比较丰富的区域,以及亮度较大的区域;非特征区域确定为所述特征区域以外的区域,一般情况下该区域中的数据灰度值比较一致。为了有效地提取图像中各种不同类型的特征,本发明分割图像可以综合利用图像中的梯度和灰度信息来进行:利用梯度可以提取图像中很明显的边界,利用灰度可以选择图像中较亮的区域;还可以进一步利用方差信息来分割图像:利用方差可以提取图像中不明显但需要加强的边界(又称之为“弱边界”)。
具体分割过程可以如图3所示。系统可以先将输入图像缩小,以提高计算速度和减小原图像中噪声对计算处理的影响。比如(但不限于)将输入图像Iin缩小得到边长为原大小1/2的缩小图像Ishrunk。系统先使用梯度信息,对图像(以缩小图像Ishrunk为例)进行分割,得到梯度模板;再使用图像Ishrunk的灰度信息修改模板,从而得到灰度模板;接着使用图像Ishrunk的局部方差信息再次修改模板,得到方差模板;最后对方差模板进行后处理,得到分割模板。所述特征区域就是该分割模板中包括的图像区域。这里,梯度模板、灰度模板和方差模板是依次包容的关系,即灰度模板包括梯度模板中的图像内容,而方差模板又包括灰度模板中的图像内容。
所述梯度模板的产生可以如图4所示。先对缩小图像Ishrunk中的每个像素,求水平方向梯度gradx和竖直方向梯度grady,为简化计算,定义简化梯度G为
G=max(|gradx|,|grady|)。
设置一个梯度门限GTh,使图像中对应梯度大于该门限的像素的数目等于预定百分比(例如25%)。这样,梯度模板可被设置为包括了那些梯度G大于门限GTh的像素。
所述灰度模板的产生可以如图5所示。可以设置一个灰度门限Ith,例如(但不限于)设置该门限值为梯度模板所包括像素的灰度平均值的若干倍(例如1.5倍)。这样,可以设置初始灰度模板包括了梯度模板中的像素,以及缩小图像Ishrunk中灰度值大于ITh的像素。为了消除模板中孤立的小区域,可以对该初始灰度模板进行形态学滤波,比如将模板视为二值图像(模板点为1,非模板点为0),进行3*3形态腐蚀滤波和5*5形态扩张滤波,从而得到灰度模板。
所述方差模板的产生可以如图6所示。先对缩小图像进行适当平滑后逐点计算方差Var
其中E代表在邻域内取平均。然后,对整幅方差图像进行分块(例如但不限于每块大小为9*9),求出每块内方差Var的平均值Block_Mean(Var)和标准方差Block_Std(Var),并根据这两个值来确定局部的方差门限Block_VarTh
例如(但不限于)Block_VarTh=Block_Mean+Block_Std从而,可以将方差Var大于Block_VarTh的像素补充到灰度模板中以得到方差模板。这里,因方差门限Block_VarTh是局部门限,所以能够比较好地捕捉到那些从整幅图像来看梯度不大,但是局部方差较大的区域,包括弱边界。这种区域往往是比较均匀区域中具有结构特征的部分,虽然梯度值不大,但是很容易引起人的视觉注意,因而特别需要增强。方差信息必须要和梯度信息配合使用,否则对于强边界很多的局部区域,仅用方差信息进行分割会丢失有用特征。
图7是图像分割中进行模板后处理的流程示意图。对上述获得的模板,先剔除小结构,可以(但不限于)用八连通法;再依次进行模板修正和模板帧平均处理,从而得到分割模板。其中模板帧平均处理是本发明的重要环节,将在下面再具体介绍,而八连通法剔除小结构是指将相邻像素合并为同一个连通区域,再将像素数目少于预定阈值的连通区域去除,具体可以包括步骤:
a.在方差模板中,逐行扫描模板像素,扫描到的第一个像素,取其标记值为1,其后每扫描到一个像素,标记值设为前一标记值加1,重复此过程直到扫描完毕,得到标记值图;
b.扫描标记值图,对每一像素用其周围八个点中最小的标记值代替此像素的标记值。重复此过程,直到标记图中的标记值不再改变。具有同样标记值的像素构成一个连通区域;
c.若某一连通区域的像素数目少于预定阈值,则去除该连通区域。模板修正的内容可以包括:
1)修复边缘和结构的连续性,设定一个区域增长梯度门限(GTh乘以某个小于1的常数,例如:0.85),在模板像素周围进行搜索,如果某个非模板像素的梯度大于该门限,则在模板中加入该像素。
2)为使模板具有合理结构,进一步修正模板。对一模板像素,如果其3*3邻域中模板像素个数小于某个常数(例如:3),则将其改为非模板像素;对非模板像素,如果其3*3邻域中的模板像素个数大于某个常数(例如:6),将其置为模板像素。
为了减少图像序列中相邻帧之间模板突变带来的不利影响,本发明分割图像的模板后处理重点包括了模板帧平均处理,该处理包括步骤:
a.设置一个模板帧平均矩阵Mframe_ave,根据第一帧图像的模板修正结果(或直接根据前述的方差模板或其它模板,下不赘述)来初始化该矩阵的各阵元值:比如,有对应模板点的为最大值Vmax(例如:128+5),其余无对应模板点的为最小值Vmin(例如:128-5);
b.对于第二帧及以后的图像,根据模板修正结果来修改所述矩阵Mframe_ave的各阵元值,有对应模板点的为原值加一常数(例如:1)后的值,其余无对应模板点的为原值减去一常数(例如:1)后的值;若阵元值大于Vmax,则将该阵元值设为Vmax,若小于Vmin,则设为Vmin;
c.根据所述矩阵Mframe_ave来确定当前帧图像的分割模板;例如可以设置分割模板仅包括值大于预定值(例如:128)的阵元所对应的图像像素。
这样,对当前帧图像模板新增加的特征区域,仅当该特征区域能连续若干帧满足被分割为模板的条件,该特征区域才能后来被补充成为分割模板的一部分,从而有效地降低帧与帧之间模板突变的可能。如图8的效果示意图所示,当图像分割子模块(不包括模板帧平均的部分)在第N+1帧分割出新的部分之后,模板并不立即扩大,只是更新Mframe_ave中相对应的部分。如果该部分在其后几帧中一直被分割为模板,则第N+m帧时该部分成为模板的一部分。
一旦确定了分割模板,也就确定了所述特征区域和非特征区域。如图2流程所示,系统对特征区域和非特征区域的数据分别采用不同处理方法。图示的是最佳实施方式,对特征区域的数据可以逐点依次作各向异性平滑,各向异性锐化,再与输入图像Iin进行融合,从而得到特征区域的增强结果;对非特征区域的数据可以进行局部灰度调整,再进行斑点检测及去除,得到非特征区域的增强结果。上述实施方式并不限定本发明方法的保护范围,其它同等变化方式也将落入本发明保护范围。例如,特征区域的处理后数据与输入图像Iin之间的融合处理也可以在最后与非特征区域数据的合并同时进行。
图9是所述各向异性平滑处理的流程示意图。在特征区域(可以对应输入图像的缩小图像Ishrunk或直接对应输入图像)中,以每个像素为中心,在0、45、90和135的角度上各取若干个点(如图10所示,以三点为例,但不限于三点),计算各方向上的方向性方差,将该点方向设定为所述方向性方差值最大的那个方向。在每个像素周围取一小邻域(例如但不限于5*5邻域),以该像素为中心统计各方向上的像素数目,将像素数目最多的方向确定为该像素的局部主方向,该局部主方向可以理解为平滑后的局部梯度方向。在所述局部主方向的垂直方向上以所述像素为中心,取一线邻域进行该像素的数据平滑处理(例如:当局部主方向为0度方向时,其垂直方向为90度方向,因而取线邻域为所述像素及其上下各若干个像素),可以是计算该线邻域上各像素的加权平均值,作为方向性平均结果Ismoothed。
图11是所述各向异性锐化处理的流程示意图。可以依据所述局部主方向对所述方向性平均结果Ismoothed计算方向性Laplacian,具体例如:若一像素点的所述局部主方向为水平方向,则在水平方向上以该点I0为中心取三个点,I-1,I0和I+1,为例,计算
0度Laplacian=-I-1+2*I0+I+1。将该方向性Laplacian乘以一个图像锐化系数Rsharpen即得到各向异性锐化结果Isharpened。其中Rsharpen的计算方法如下:
Rsharpen=C*std*(Mframe_ave-MID)/5。其中std为缩小图像Ishrunk(但不限定于Ishrunk,还可以是输入图像或输入图像的各种平滑或变形图像)中的每个像素邻域(例如3*3邻域)内灰度的标准方差
Mframe_ave为图像分割中得到的模板帧平均矩阵,MID为该模板帧平均矩阵对应的预定值,在本实施例中,可以设置MID=128;C是一预定常数,可以但不限于取C=20。以所述标准方差std作为锐化系数,可以获得三个好处:一是可以很好地突出边界,因为图像包含边缘的区域中标准方差值较大;二是在模板的边界处(特征区域与非特征区域的分界处)标准方差值较小,因此增强效果会很弱,可以很好地实现从特征区域到非特征区域的过渡而不会引入人为的边界;三是大大减小了增强效果对分割模板的依赖性,假设分割模板过大包含了比较均匀的区域,由于这些区域内标准方差很小,因此被误增强而产生的不利影响可以被忽略不计。所述锐化系数Rsharp的计算中与矩阵Mframe_ave有关,是为了使分割模板变化时,图像在时间上有一个渐变的切换过程,防止出现图像闪烁。
图12为特征区域方向性锐化结果与输入图像进行融合的流程。将方向性锐化结果放大到输入图像大小(可以使用双线性插值或其它插值方法),与用户选择的增强系数(例如范围1~2内取值的一个系数)相乘,最后与输入图像Iin相加,得到特征区域增强结果。
本发明最佳实施例对图像非特征区域数据的处理流程如图13所示,先进行局部灰度调整,主要是使用局部灰阶压缩的方法来实现图像平滑,可以直接在输入图像Iin数据上进行。先对Iin进行分块(例如但不限于分成11*11的小块,块与块之间要有部分重叠以消除分块效应),计算分块图像的灰度均值,得到Meanblock图像。将图像分割时计算的图像梯度G放大到输入图像大小,对于较大的G(例如G大于10),设置灰度调整系数Radjust为一较大值(例如0.75),其它位置对应Radjust设置为一较小值(例如0.6)。局部灰度直方图调整后图像Iadjusted的灰度值由以下公式计算得到:
Iadjusted=Meanblock+(Iin-Meanblock)*Radjust。这样局部灰度调整后,图像的局部灰阶将变少,可以理解为在局部区域灰度直方图被压缩(如图14比较所示,以局部均值为中心被压缩),这样可以给人的视觉以图像被平滑的感觉。同时对梯度较大的点,Radjust也较大,因此局部的细小特征能够被保留。
可以进一步对局部灰度调整后的非特征区域图像数据进行如图15所示的斑点检测与抑制处理。本最佳实施例提出一种对其中黑色斑点进行检测并加以补偿的方法。首先对局部灰度调整后图像Iadjusted用可变大小邻域求图像均值Imean,然后用输入图像Iin减去Imean得到差值图像Idiff;将Idiff大于一预定数值的像素确定为补偿像素,并将这些像素所对应的Idiff乘以一个常数计算出补偿图像Imodify,该补偿图像Imodify中非补偿像素所对应位置的值设为0。最后将Imodify直接或作适当平均后加回Iadjusted即可得到非特征区域斑点去除后的图像数据。
其中,如图16所示,a处代表一个黑色斑点,其灰度低于周围像素,对周围小领域求平均后灰度值变化较大;b处为大结构内部,灰度值比较一致,求平均后灰度值几乎没有变化;c处为大结构边缘,求平均后灰度变化值介于以上两者之间。采用合适的阈值可以对情况a和c加以区分,从而检测出斑点。因为斑点的大小在图像的近场与远场有很大不同,因此需要采用大小不同的邻域来求均值图像Imean,邻域的大小应当与所要去除的斑点大小相适应(例如,对于大小为500*400的图像,近场邻域大小可以选择为5*5,中场大小可以选择为7*7,远场大小可以选择为9*9)。这样,能够检测出小于预定大小(取决于取平均邻域的大小)的黑色斑点,并且根据斑点与周围像素的灰度差异来确定补偿量。经过这样处理,能够很好地对黑色斑点进行抑制,而对其它区域仅引入很小的模糊效果。
所述实施例经一(但不限于)全数字黑白B超实验,证实经本方法图像增强与斑点抑制处理后,图像质量得到很好提高。
Claims (11)
1.一种超声图像增强与斑点抑制方法,用于超声成像系统对超声扫描图像显示数据的优化处理,包括步骤:
A.读取超声图像数据;
D.将与该超声图像数据对应的增强图像数据输出或保存;
其特征在于,在上述两步骤之间还包括步骤:
B.将所述超声图像分割为特征区域和非特征区域,分别进行数据处理;
C.将所述针对特征区域和非特征区域处理的结果数据合并,得到所述增强图像数据。
2.根据权利要求1所述的超声图像增强与斑点抑制方法,其特征在于,
所述步骤B分割图像是综合利用图像中的梯度和灰度信息来进行的,包括利用梯度提取出图像中的明显边界,以及利用灰度提取出图像中的较亮区域。
3.根据权利要求2所述的超声图像增强与斑点抑制方法,其特征在于,
所述步骤B分割图像还利用了图像中的方差信息,用来提取出图像中的弱边界。
4.根据权利要求2或3所述的超声图像增强与斑点抑制方法,其特征在于,
所述步骤B分割图像时,对利用所述信息来完成提取、从而得到的包括了相应图像特征的模板进行模板后处理,以得到分割模板,所述特征区域设置为该分割模板中包括的图像区域;
所述模板后处理包括模板帧平均处理,对当前帧图像模板新增加的特征区域,仅当该特征区域能连续若干帧满足被分割为模板的条件,该特征区域才能后来被补充成为分割模板的一部分。
5.根据权利要求4所述的超声图像增强与斑点抑制方法,其特征在于,所述模板帧平均处理包括步骤:
a.设置一个模板帧平均矩阵Mframe_ave,根据第一帧图像的模板来初始化该矩阵的各阵元值;
b.对于第二帧及以后的图像,根据模板来修改所述矩阵的各阵元值;
c.根据所述矩阵Mframe_ave来确定当前帧图像的分割模板。
6.根据权利要求1所述的超声图像增强与斑点抑制方法,其特征在于,
所述步骤B中对所述特征区域内的数据处理包括各向异性平滑处理,包括步骤:
a.确定像素点的局部主方向;
b.在所述局部主方向的垂直方向上进行该像素的数据平滑处理。
7.根据权利要求6所述的超声图像增强与斑点抑制方法,其特征在于,
所述步骤B中对所述特征区域内的数据处理还包括对各向异性平滑处理后的数据进行各向异性锐化处理,包括步骤:
a.在所述局部主方向上,计算所述像素数据平滑后的方向性Laplacian;
b.将该方向性Laplacian乘以一个图像锐化系数Rsharpen以得到各向异性锐化结果。
8.根据权利要求7所述的超声图像增强与斑点抑制方法,其特征在于,
所述图像锐化系数Rsharpen=C*std*(Mframe_ave-MID)/5,其中C是一预定常数,std为图像I中的每个像素邻域内灰度的标准方差
Mframe_ave为分割所述图像I时设置的模板帧平均矩阵,MID为该模板帧平均矩阵对应的预定值。
9.根据权利要求1所述的超声图像增强与斑点抑制方法,其特征在于,
所述步骤B中对所述非特征区域内的数据处理采用局部灰度调整来进行图像平滑,包括步骤:
a.对输入图像Iin进行分块,计算分块图像的灰度均值,得到Meanblock图像;
b.根据输入图像中各像素的不同梯度值,设置不同的灰度调整系数Radjust;
c.计算局部灰度调整后的图像灰度值
Iadjusted=Meanblock+(Iin-Meanblock)*Radjust。
10.根据权利要求1或9所述的超声图像增强与斑点抑制方法,其特征在于,
所述步骤B中对所述非特征区域内的数据处理还包括了黑色斑点检测及补偿处理,包括步骤:
a.对所述输入图像或局部灰度调整后图像Iadjusted用可变大小邻域求图像均值Imean;
b.基于所述图像均值Imean确定补偿像素及各补偿像素的补偿量;
c.将所述各补偿像素的补偿量加回所述局部灰度调整后图像Iadjusted,以得到非特征区域斑点去除后的图像数据。
11.根据权利要求10所述的超声图像增强与斑点抑制方法,其特征在于,
所述步骤b中补偿像素包括这些像素:所述输入图像或局部灰度调整后图像Iadjusted减去所述图像均值Imean得到的差值图像Idiff上,该差值大于一预定值的像素;
这些像素的补偿量为各对应的所述差值的倍数。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2005100368419A CN100484479C (zh) | 2005-08-26 | 2005-08-26 | 超声图像增强与斑点抑制方法 |
US11/318,421 US7720266B2 (en) | 2005-08-26 | 2005-12-23 | Ultrasound image enhancement and speckle mitigation method |
US12/751,682 US7844093B2 (en) | 2005-08-26 | 2010-03-31 | Ultrasound image enhancement and speckle mitigation method |
US12/752,926 US7840054B2 (en) | 2005-08-26 | 2010-04-01 | Ultrasound image enhancement and speckle mitigation method |
US12/953,302 US7961929B2 (en) | 2005-08-26 | 2010-11-23 | Ultrasound image enhancement and speckle mitigation method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2005100368419A CN100484479C (zh) | 2005-08-26 | 2005-08-26 | 超声图像增强与斑点抑制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1919144A true CN1919144A (zh) | 2007-02-28 |
CN100484479C CN100484479C (zh) | 2009-05-06 |
Family
ID=37777088
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2005100368419A Active CN100484479C (zh) | 2005-08-26 | 2005-08-26 | 超声图像增强与斑点抑制方法 |
Country Status (2)
Country | Link |
---|---|
US (4) | US7720266B2 (zh) |
CN (1) | CN100484479C (zh) |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7933439B2 (en) | 2008-03-04 | 2011-04-26 | Shenzhen Mindray Bio-Medical Electronics Co., Ltd. | Ultrasound imaging method and appartus for adaptively suppressing tissue flickering |
CN101467893B (zh) * | 2007-12-26 | 2012-05-09 | 株式会社东芝 | 超声波诊断装置、超声波图像处理装置及方法 |
CN101459766B (zh) * | 2007-12-10 | 2012-06-27 | 深圳迈瑞生物医疗电子股份有限公司 | 超声图像增强与噪声抑制的方法及其装置 |
CN102855483A (zh) * | 2011-06-30 | 2013-01-02 | 北京三星通信技术研究有限公司 | 处理超声图像的方法和装置以及乳腺癌诊断设备 |
CN103267498A (zh) * | 2013-05-09 | 2013-08-28 | 北京科技大学 | 铁矿石粗糙度自动数字量化测量方法 |
CN104899841A (zh) * | 2015-06-15 | 2015-09-09 | 惠仁望都医疗设备科技有限公司 | 一种核磁共振图像的生成计算方法 |
CN105590105A (zh) * | 2016-01-07 | 2016-05-18 | 黎海纤 | 一种快速反应的横向限位和纠偏装置 |
CN105678841A (zh) * | 2016-01-07 | 2016-06-15 | 邱炎新 | 一种快速建模的立体地图获取装置 |
CN105760442A (zh) * | 2016-02-01 | 2016-07-13 | 中国科学技术大学 | 基于数据库邻域关系的图像特征增强方法 |
CN105894004A (zh) * | 2014-12-16 | 2016-08-24 | 中防通用电信技术有限公司 | 一种针对车牌识别系统中定位不全车牌的补全技术 |
CN106108941A (zh) * | 2016-06-13 | 2016-11-16 | 杭州融超科技有限公司 | 一种超声图像区域质量增强装置及方法 |
CN106600550A (zh) * | 2016-11-29 | 2017-04-26 | 深圳开立生物医疗科技股份有限公司 | 超声图像处理方法及系统 |
CN106651984A (zh) * | 2016-01-21 | 2017-05-10 | 上海联影医疗科技有限公司 | 计算机断层成像伪影校正方法及装置 |
CN106691505A (zh) * | 2016-12-27 | 2017-05-24 | 深圳先进技术研究院 | 一种处理超声影像均匀性和对比度的方法和装置 |
CN107680057A (zh) * | 2017-09-28 | 2018-02-09 | 武汉中旗生物医疗电子有限公司 | 超声图像增强的方法及装置 |
CN108269240A (zh) * | 2017-12-29 | 2018-07-10 | 杭州昕龙医疗科技有限公司 | 一种图像自动聚焦方法、电子设备及存储介质 |
CN109069100A (zh) * | 2016-11-09 | 2018-12-21 | 深圳市理邦精密仪器股份有限公司 | 超声成像系统及其方法 |
CN109350118A (zh) * | 2018-12-05 | 2019-02-19 | 宁波可凡电器有限公司 | 超声扫描辅助处理机构 |
CN109544581A (zh) * | 2018-11-15 | 2019-03-29 | 湖南自兴智慧医疗科技有限公司 | 一种早孕子宫图像的自动分割处理方法 |
CN110335284A (zh) * | 2019-07-11 | 2019-10-15 | 上海昌岛医疗科技有限公司 | 一种病理图像的去除背景的方法 |
CN111539354A (zh) * | 2020-04-27 | 2020-08-14 | 易普森智慧健康科技(深圳)有限公司 | 一种液基细胞玻片扫描区域识别方法 |
CN111814524A (zh) * | 2019-09-25 | 2020-10-23 | 常俊杰 | 自适应大数据分析平台 |
CN112903758A (zh) * | 2021-01-21 | 2021-06-04 | 电子科技大学 | 一种气体传感器重叠分块温湿度智能自校准方法 |
CN113538299A (zh) * | 2021-09-13 | 2021-10-22 | 深圳瀚维智能医疗科技有限公司 | 超声图像去噪方法、装置、设备及计算机可读存储介质 |
CN113892967A (zh) * | 2021-09-07 | 2022-01-07 | 青岛海信医疗设备股份有限公司 | 一种超声图像的处理方法和超声仪器 |
CN114066886A (zh) * | 2022-01-11 | 2022-02-18 | 北京威高智慧科技有限公司 | 骨骼分割边界确定方法、装置、电子设备及存储介质 |
CN116523802A (zh) * | 2023-07-04 | 2023-08-01 | 天津大学 | 一种用于肝脏超声图像的增强优化方法 |
Families Citing this family (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7450783B2 (en) * | 2003-09-12 | 2008-11-11 | Biopticon Corporation | Methods and systems for measuring the size and volume of features on live tissues |
CN100484479C (zh) * | 2005-08-26 | 2009-05-06 | 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 |
WO2007043899A1 (en) | 2005-10-14 | 2007-04-19 | Applied Research Associates Nz Limited | A method of monitoring a surface feature and apparatus therefor |
KR100870412B1 (ko) * | 2005-12-01 | 2008-11-26 | 주식회사 메디슨 | Svm 기반 질감분류를 이용하여 추출된 태아의 표면영상을 기초로 태아의 3차원 초음파 영상을 형성하는초음파 시스템 및 방법 |
JP5269517B2 (ja) * | 2008-08-14 | 2013-08-21 | 株式会社東芝 | 超音波診断装置、超音波画像処理装置及び超音波画像処理プログラム |
TWI405145B (zh) * | 2008-11-20 | 2013-08-11 | Ind Tech Res Inst | 以圖素之區域特徵為基礎的影像分割標記方法與系統,及其電腦可記錄媒體 |
US20110103663A1 (en) * | 2009-11-03 | 2011-05-05 | Mckesson Financial Holdings Limited | Apparatus, method and computer-readable storage mediums for detecting a region of interest in a medical image |
US10249037B2 (en) | 2010-01-25 | 2019-04-02 | Amcad Biomed Corporation | Echogenicity quantification method and calibration method for ultrasonic device using echogenicity index |
US9773307B2 (en) * | 2010-01-25 | 2017-09-26 | Amcad Biomed Corporation | Quantification and imaging methods and system of the echo texture feature |
US8948474B2 (en) * | 2010-01-25 | 2015-02-03 | Amcad Biomed Corporation | Quantification method of the feature of a tumor and an imaging method of the same |
WO2012066568A1 (en) | 2010-11-15 | 2012-05-24 | Indian Institute Of Technology | An improved ultrasound imaging method/technique for speckle reduction/suppression in an improved ultra sound imaging system |
US9179844B2 (en) | 2011-11-28 | 2015-11-10 | Aranz Healthcare Limited | Handheld skin measuring or monitoring device |
KR102025756B1 (ko) * | 2013-01-04 | 2019-09-27 | 삼성전자주식회사 | 영상에서 스펙클을 제거하는 방법, 장치 및 시스템. |
US11373439B1 (en) * | 2013-03-14 | 2022-06-28 | Telos Corporation | Touchless fingerprint matching systems and methods |
DE102014106005A1 (de) * | 2014-04-29 | 2015-10-29 | Ge Sensing & Inspection Technologies Gmbh | Verfahren zur zerstörungsfreien Prüfung eines Werkstücks mittels Ultraschall sowie Vorrichtung hierzu |
US9996935B2 (en) | 2014-10-10 | 2018-06-12 | Edan Instruments, Inc. | Systems and methods of dynamic image segmentation |
TWI569778B (zh) * | 2014-11-06 | 2017-02-11 | 安克生醫股份有限公司 | 聲波散射訊號之影像強化方法與成像加速系統 |
JP6003963B2 (ja) * | 2014-11-07 | 2016-10-05 | カシオ計算機株式会社 | 診断装置並びに当該診断装置における画像処理方法及びそのプログラム |
JP6003964B2 (ja) * | 2014-11-07 | 2016-10-05 | カシオ計算機株式会社 | 診断装置並びに当該診断装置における画像処理方法及びそのプログラム |
US9881368B2 (en) * | 2014-11-07 | 2018-01-30 | Casio Computer Co., Ltd. | Disease diagnostic apparatus, image processing method in the same apparatus, and medium storing program associated with the same method |
US20160377717A1 (en) * | 2015-06-29 | 2016-12-29 | Edan Instruments, Inc. | Systems and methods for adaptive sampling of doppler spectrum |
CN106251304B (zh) * | 2015-09-11 | 2019-09-17 | 深圳市理邦精密仪器股份有限公司 | 动态图像分段系统和方法 |
US10013527B2 (en) | 2016-05-02 | 2018-07-03 | Aranz Healthcare Limited | Automatically assessing an anatomical surface feature and securely managing information related to the same |
EP3293672A1 (en) * | 2016-09-07 | 2018-03-14 | Malvern Panalytical Limited | Particle boundary identification |
US10282826B2 (en) * | 2016-10-10 | 2019-05-07 | Carestream Health, Inc. | Despeckling method for radiographic images |
US11116407B2 (en) | 2016-11-17 | 2021-09-14 | Aranz Healthcare Limited | Anatomical surface assessment methods, devices and systems |
EP3343501A1 (en) | 2016-12-28 | 2018-07-04 | Karl-Franzens-Universität Graz | Method and device for image processing |
CN106875353B (zh) * | 2017-01-20 | 2019-11-08 | 飞依诺科技(苏州)有限公司 | 超声图像的处理方法及处理系统 |
EP4183328A1 (en) | 2017-04-04 | 2023-05-24 | Aranz Healthcare Limited | Anatomical surface assessment methods, devices and systems |
CN109345491B (zh) * | 2018-09-26 | 2021-07-27 | 中国科学院西安光学精密机械研究所 | 一种融合梯度和灰度信息的遥感图像增强方法 |
CN110070519B (zh) * | 2019-03-13 | 2023-07-14 | 西安电子科技大学 | 基于相位一致性的拼接图像质量测定方法、图像拼接系统 |
CN211884905U (zh) | 2019-08-22 | 2020-11-10 | 贝克顿·迪金森公司 | 球囊扩张导管及其球囊 |
CN110893109B (zh) * | 2019-10-18 | 2021-05-07 | 深圳北芯生命科技有限公司 | 血管内超声系统的图像降噪方法 |
CN111402244B (zh) * | 2020-03-20 | 2023-04-07 | 华侨大学 | 一种胎儿心脏标准切面自动分类法 |
CN111563410B (zh) * | 2020-03-27 | 2023-04-28 | 中信重工机械股份有限公司 | 一种泡沫图像运动速度检测的处理方法 |
CN111915527B (zh) * | 2020-08-05 | 2023-04-07 | 成都圭目机器人有限公司 | 基于多模板的自适应光照补偿方法 |
CN112883852B (zh) * | 2021-02-04 | 2022-10-28 | 浙江大学山东工业技术研究院 | 一种高光谱图像分类系统和方法 |
CN113689424B (zh) * | 2021-09-09 | 2023-11-24 | 中国人民解放军陆军军医大学 | 可自动识别图像特征的超声检查系统及识别方法 |
CN115829883B (zh) * | 2023-02-16 | 2023-06-16 | 汶上县恒安钢结构有限公司 | 一种异性金属结构件表面图像去噪方法 |
CN116883293B (zh) * | 2023-09-08 | 2023-11-17 | 青岛云智霄凡科技有限公司 | 一种用于神经麻醉穿刺的图像增强处理方法 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES2068917T3 (es) * | 1988-02-05 | 1995-05-01 | Schering Ag | Medios de contraste por ultrasonido, procedimiento para su obtencion y utilizacion de los mismos como productos de diagnostico y terapeuticos. |
JPH03222945A (ja) | 1990-01-30 | 1991-10-01 | Toshiba Corp | 超音波診断装置 |
DE19636949A1 (de) * | 1996-09-11 | 1998-03-12 | Siemens Ag | Verfahren zur Detektion von Kanten in einem Bildsignal |
US6466687B1 (en) * | 1997-02-12 | 2002-10-15 | The University Of Iowa Research Foundation | Method and apparatus for analyzing CT images to determine the presence of pulmonary tissue pathology |
US6102864A (en) * | 1997-05-07 | 2000-08-15 | General Electric Company | Three-dimensional ultrasound imaging of velocity and power data using average or median pixel projections |
US6674879B1 (en) * | 1998-03-30 | 2004-01-06 | Echovision, Inc. | Echocardiography workstation |
US6208763B1 (en) | 1998-04-14 | 2001-03-27 | General Electric Company | Method and apparatus for enhancing discrete pixel images |
US6234960B1 (en) * | 1998-09-30 | 2001-05-22 | A-Med Systems, Inc. | Heart stabilizer apparatus |
US6196971B1 (en) * | 1999-04-02 | 2001-03-06 | Agilent Technologies, Inc. | Chord propagation velocity measurement system and method for an ultrasound imaging system |
US6425868B1 (en) * | 1999-07-26 | 2002-07-30 | Aloka Co., Ltd. | Ultrasonic imaging system |
US6592523B2 (en) * | 2001-11-21 | 2003-07-15 | Ge Medical Systems Global Technology Company, Llc | Computationally efficient noise reduction filter for enhancement of ultrasound images |
US6544179B1 (en) | 2001-12-14 | 2003-04-08 | Koninklijke Philips Electronics, Nv | Ultrasound imaging system and method having automatically selected transmit focal positions |
US6912309B2 (en) * | 2003-03-06 | 2005-06-28 | Lockheed Martin Corporation | Method and system for identifying objects in an image |
US7348991B1 (en) * | 2003-04-16 | 2008-03-25 | Silicon Image, Inc. | Video/graphics text mode enhancement method for digitally processed data |
JP4473543B2 (ja) | 2003-09-05 | 2010-06-02 | 株式会社東芝 | 超音波診断装置 |
JP4594610B2 (ja) | 2003-10-21 | 2010-12-08 | 株式会社東芝 | 超音波画像処理装置及び超音波診断装置 |
CA2449080A1 (en) | 2003-11-13 | 2005-05-13 | Centre Hospitalier De L'universite De Montreal - Chum | Apparatus and method for intravascular ultrasound image segmentation: a fast-marching method |
CN100403992C (zh) | 2004-03-01 | 2008-07-23 | 深圳迈瑞生物医疗电子股份有限公司 | 超声波彩色血流成像的图像信号后处理方法及装置 |
US7512284B2 (en) * | 2005-03-29 | 2009-03-31 | General Electric Company | Volumetric image enhancement system and method |
CN100484479C (zh) * | 2005-08-26 | 2009-05-06 | 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 |
-
2005
- 2005-08-26 CN CNB2005100368419A patent/CN100484479C/zh active Active
- 2005-12-23 US US11/318,421 patent/US7720266B2/en active Active
-
2010
- 2010-03-31 US US12/751,682 patent/US7844093B2/en active Active
- 2010-04-01 US US12/752,926 patent/US7840054B2/en active Active
- 2010-11-23 US US12/953,302 patent/US7961929B2/en active Active
Cited By (41)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101459766B (zh) * | 2007-12-10 | 2012-06-27 | 深圳迈瑞生物医疗电子股份有限公司 | 超声图像增强与噪声抑制的方法及其装置 |
CN101467893B (zh) * | 2007-12-26 | 2012-05-09 | 株式会社东芝 | 超声波诊断装置、超声波图像处理装置及方法 |
US8216145B2 (en) | 2007-12-26 | 2012-07-10 | Kabushiki Kaisha Toshiba | Ultrasonic diagonstic apparatus, ultrasonic image processing apparatus, and ultrasonic image processing method |
US7933439B2 (en) | 2008-03-04 | 2011-04-26 | Shenzhen Mindray Bio-Medical Electronics Co., Ltd. | Ultrasound imaging method and appartus for adaptively suppressing tissue flickering |
CN102855483A (zh) * | 2011-06-30 | 2013-01-02 | 北京三星通信技术研究有限公司 | 处理超声图像的方法和装置以及乳腺癌诊断设备 |
CN102855483B (zh) * | 2011-06-30 | 2017-09-12 | 北京三星通信技术研究有限公司 | 处理超声图像的方法和装置以及乳腺癌诊断设备 |
CN103267498A (zh) * | 2013-05-09 | 2013-08-28 | 北京科技大学 | 铁矿石粗糙度自动数字量化测量方法 |
CN103267498B (zh) * | 2013-05-09 | 2016-04-27 | 北京科技大学 | 铁矿石粗糙度自动数字量化测量方法 |
CN105894004A (zh) * | 2014-12-16 | 2016-08-24 | 中防通用电信技术有限公司 | 一种针对车牌识别系统中定位不全车牌的补全技术 |
CN104899841A (zh) * | 2015-06-15 | 2015-09-09 | 惠仁望都医疗设备科技有限公司 | 一种核磁共振图像的生成计算方法 |
CN104899841B (zh) * | 2015-06-15 | 2018-10-09 | 惠仁望都医疗设备科技有限公司 | 一种核磁共振图像的生成计算方法 |
CN105590105A (zh) * | 2016-01-07 | 2016-05-18 | 黎海纤 | 一种快速反应的横向限位和纠偏装置 |
CN105678841A (zh) * | 2016-01-07 | 2016-06-15 | 邱炎新 | 一种快速建模的立体地图获取装置 |
CN106651984A (zh) * | 2016-01-21 | 2017-05-10 | 上海联影医疗科技有限公司 | 计算机断层成像伪影校正方法及装置 |
CN105760442B (zh) * | 2016-02-01 | 2019-04-26 | 中国科学技术大学 | 基于数据库邻域关系的图像特征增强方法 |
CN105760442A (zh) * | 2016-02-01 | 2016-07-13 | 中国科学技术大学 | 基于数据库邻域关系的图像特征增强方法 |
CN106108941A (zh) * | 2016-06-13 | 2016-11-16 | 杭州融超科技有限公司 | 一种超声图像区域质量增强装置及方法 |
CN109069100A (zh) * | 2016-11-09 | 2018-12-21 | 深圳市理邦精密仪器股份有限公司 | 超声成像系统及其方法 |
CN106600550A (zh) * | 2016-11-29 | 2017-04-26 | 深圳开立生物医疗科技股份有限公司 | 超声图像处理方法及系统 |
CN106600550B (zh) * | 2016-11-29 | 2020-08-11 | 深圳开立生物医疗科技股份有限公司 | 超声图像处理方法及系统 |
CN106691505A (zh) * | 2016-12-27 | 2017-05-24 | 深圳先进技术研究院 | 一种处理超声影像均匀性和对比度的方法和装置 |
CN107680057A (zh) * | 2017-09-28 | 2018-02-09 | 武汉中旗生物医疗电子有限公司 | 超声图像增强的方法及装置 |
CN108269240B (zh) * | 2017-12-29 | 2021-03-23 | 杭州昕龙医疗科技有限公司 | 一种图像自动聚焦方法、电子设备及存储介质 |
CN108269240A (zh) * | 2017-12-29 | 2018-07-10 | 杭州昕龙医疗科技有限公司 | 一种图像自动聚焦方法、电子设备及存储介质 |
CN109544581A (zh) * | 2018-11-15 | 2019-03-29 | 湖南自兴智慧医疗科技有限公司 | 一种早孕子宫图像的自动分割处理方法 |
CN109350118A (zh) * | 2018-12-05 | 2019-02-19 | 宁波可凡电器有限公司 | 超声扫描辅助处理机构 |
CN109350118B (zh) * | 2018-12-05 | 2021-04-20 | 深圳市迈捷生命科学有限公司 | 超声扫描辅助处理机构 |
CN110335284A (zh) * | 2019-07-11 | 2019-10-15 | 上海昌岛医疗科技有限公司 | 一种病理图像的去除背景的方法 |
CN111814524A (zh) * | 2019-09-25 | 2020-10-23 | 常俊杰 | 自适应大数据分析平台 |
CN111539354B (zh) * | 2020-04-27 | 2020-12-15 | 易普森智慧健康科技(深圳)有限公司 | 一种液基细胞玻片扫描区域识别方法 |
CN111539354A (zh) * | 2020-04-27 | 2020-08-14 | 易普森智慧健康科技(深圳)有限公司 | 一种液基细胞玻片扫描区域识别方法 |
CN112903758A (zh) * | 2021-01-21 | 2021-06-04 | 电子科技大学 | 一种气体传感器重叠分块温湿度智能自校准方法 |
CN112903758B (zh) * | 2021-01-21 | 2021-09-28 | 电子科技大学 | 一种气体传感器重叠分块温湿度智能自校准方法 |
CN113892967A (zh) * | 2021-09-07 | 2022-01-07 | 青岛海信医疗设备股份有限公司 | 一种超声图像的处理方法和超声仪器 |
CN113892967B (zh) * | 2021-09-07 | 2023-10-27 | 青岛海信医疗设备股份有限公司 | 一种超声图像的处理方法和超声仪器 |
CN113538299A (zh) * | 2021-09-13 | 2021-10-22 | 深圳瀚维智能医疗科技有限公司 | 超声图像去噪方法、装置、设备及计算机可读存储介质 |
CN113538299B (zh) * | 2021-09-13 | 2022-01-11 | 深圳瀚维智能医疗科技有限公司 | 超声图像去噪方法、装置、设备及计算机可读存储介质 |
CN114066886A (zh) * | 2022-01-11 | 2022-02-18 | 北京威高智慧科技有限公司 | 骨骼分割边界确定方法、装置、电子设备及存储介质 |
CN114066886B (zh) * | 2022-01-11 | 2022-05-06 | 北京威高智慧科技有限公司 | 骨骼分割边界确定方法、装置、电子设备及存储介质 |
CN116523802A (zh) * | 2023-07-04 | 2023-08-01 | 天津大学 | 一种用于肝脏超声图像的增强优化方法 |
CN116523802B (zh) * | 2023-07-04 | 2023-08-29 | 天津大学 | 一种用于肝脏超声图像的增强优化方法 |
Also Published As
Publication number | Publication date |
---|---|
US20110096965A1 (en) | 2011-04-28 |
US20070065009A1 (en) | 2007-03-22 |
US20100189346A1 (en) | 2010-07-29 |
US7961929B2 (en) | 2011-06-14 |
CN100484479C (zh) | 2009-05-06 |
US7720266B2 (en) | 2010-05-18 |
US7844093B2 (en) | 2010-11-30 |
US20100189335A1 (en) | 2010-07-29 |
US7840054B2 (en) | 2010-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1919144A (zh) | 超声图像增强与斑点抑制方法 | |
US6592523B2 (en) | Computationally efficient noise reduction filter for enhancement of ultrasound images | |
KR100830263B1 (ko) | 컴퓨터 단층촬영 영상을 개선하기 위한 방법, 컴퓨터프로그램 제품 및 장치 | |
CN1892696B (zh) | 超声图像边缘锐化与斑点抑制方法 | |
JP4413504B2 (ja) | 医用画像処理装置、医用画像処理方法および医用画像処理プログラム | |
US9585636B2 (en) | Ultrasonic diagnostic apparatus, medical image processing apparatus, and medical image processing method | |
US9123139B2 (en) | Ultrasonic image processing with directional interpolation in order to increase the resolution of an image | |
CN109035203B (zh) | 医学图像处理方法、装置、设备及存储介质 | |
WO2005110232A1 (ja) | 画像処理装置及びその方法 | |
CN1839760A (zh) | 宽景成像处理方法 | |
Guo et al. | A novel approach to speckle reduction in ultrasound imaging | |
CN102306377A (zh) | 一种超声图像去噪的方法和装置 | |
CN1819621A (zh) | 医学图像增强处理方法 | |
Bhairannawar | Efficient medical image enhancement technique using transform HSV space and adaptive histogram equalization | |
JP2016174905A (ja) | 超音波診断装置、医用画像処理装置及び医用画像処理プログラム | |
CN106780718A (zh) | 一种古生物化石的三维重建方法 | |
CN105828725A (zh) | 超声波诊断装置 | |
CN106691505A (zh) | 一种处理超声影像均匀性和对比度的方法和装置 | |
CN1269082C (zh) | 图像灰度变换方法、装置和系统 | |
US9153016B2 (en) | Method and system for enhancing contrast of spatially-localized phenomena in mammography image | |
JP4679095B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
CN102567956B (zh) | 一种图像边缘清晰化的方法和系统 | |
JP2000115526A (ja) | 画像処理装置およびエッジ処理方法 | |
JP3366872B2 (ja) | 超音波診断装置 | |
JP5134757B2 (ja) | 画像処理装置、画像処理方法、及び超音波診断装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20070228 Assignee: Shenzhen Mindray Animal Medical Technology Co.,Ltd. Assignor: SHENZHEN MINDRAY BIO-MEDICAL ELECTRONICS Co.,Ltd. Contract record no.: X2022440020009 Denomination of invention: Ultrasound Image Enhancement and Speckle Suppression Granted publication date: 20090506 License type: Common License Record date: 20220804 |
|
EE01 | Entry into force of recordation of patent licensing contract |