KR102470249B1 - 초음파 영상 내 잡음 제거 방법 및 장치 - Google Patents
초음파 영상 내 잡음 제거 방법 및 장치 Download PDFInfo
- Publication number
- KR102470249B1 KR102470249B1 KR1020200032513A KR20200032513A KR102470249B1 KR 102470249 B1 KR102470249 B1 KR 102470249B1 KR 1020200032513 A KR1020200032513 A KR 1020200032513A KR 20200032513 A KR20200032513 A KR 20200032513A KR 102470249 B1 KR102470249 B1 KR 102470249B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- noise
- filter
- ultrasound image
- frequency sub
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 65
- 238000002604 ultrasonography Methods 0.000 claims abstract description 112
- 239000000654 additive Substances 0.000 claims abstract description 46
- 230000000996 additive effect Effects 0.000 claims abstract description 46
- 238000012805 post-processing Methods 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 238000000354 decomposition reaction Methods 0.000 claims description 16
- 230000009466 transformation Effects 0.000 claims description 16
- 238000009792 diffusion process Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 8
- 238000001914 filtration Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000003902 lesion Effects 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012014 optical coherence tomography Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5269—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving detection or reduction of artifacts
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/56—Details of data transmission or power supply
- A61B8/565—Details of data transmission or power supply involving data transmission via a network
-
- G06T5/002—
-
- 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
- G06T7/0012—Biomedical image inspection
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Surgery (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Networks & Wireless Communication (AREA)
- Image Processing (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
본 발명은 스페클 잡음을 포함하는 초음파 영상을 획득하는 단계; 상기 초음파 영상을 제 1 필터로 전처리하는 단계; 상기 전처리된 영상에 포함된 스페클 잡음을 가산 잡음(Additive Gaussian White Noise; AGWN)으로 변환하는 단계; 상기 가산 잡음을 포함하는 상기 전처리된 영상을 분해하여 제 2 필터로 후처리하는 단계; 및 상기 후처리된 영상에 기반하여 스페클 잡음이 제거된 초음파 영상을 획득하는 단계를 포함하는, 초음파 영상 내 잡음 제거 방법을 개시한다.
Description
본 발명은 초음파 영상 내 잡음을 제거하는 방법 및 장치에 관한 것으로, 더욱 상세하게는 복수의 필터를 이용하여 초음파 영상 내 잡음을 제거하는 방법 및 장치에 관한 것이다.
스페클 잡음이란, 활성 레이더, 합성 개구 레이더(SAR), 의료용 초음파 및 광학 일관성 단층 촬영 이미지(영상) 등에 본질적으로 존재하고 그 품질을 저하시키는 잡음을 의미한다. 또한, 의료 초음파 영상은 트랜스듀서로부터 생성되는 초음파를 인체내부에서 반사하여 발생하는 수신 신호를 트랜스듀서를 통해 전기적 펄스로 변환하여 획득한다. 이러한 의료 초음파 영상은 다양한 병변을 진단하는데 사용된다. 다만, 스페클 잡음은 의료 초음파 영상의 화질을 저하시키는 바 환자의 병변을 진단하는 데 방해가 된다.
따라서, 현재 이미지 내 스페클 잡음을 제거하기 위해 다양한 연구가 진행되고 있다. 예를 들어, 가우시안 필터나 평균(Mean) 필터와 같은 선형 필터링 기법은 영상에서 잡음을 효과적으로 제거할 수 있으나 경계를 흐릿하게 만드는 문제가 있다.
선형 필터링 기법의 문제점을 해결하기 위해 NLM(Non-Local Mean) 필터, 비등방성 확산 필터 및 양방향(Bilateral) 필터와 같은 다양한 비선형 필터링 기법들이 제안되면서 열화(Degradation)를 최소화하면서 영상 내 스페클 잡음을 제거한다. 다만, 비선형 필터링 기법들은 외곽선 영역에서는 열화를 최소화하지만 초음파 영상의 스페클 잡음의 특성을 고려하지 않아서 초음파 영상 내 스페클 잡음을 제거하는 데 적합하지 않다.
따라서, 선형 필터, 비선형 필터와 같은 단일 필터링 기법의 문제점을 해결하기 위해 다양한 필터링 기법을 조합한 필터링 기법들이 제안되었다. 예를 들어, 스페클 잡음의 지역적인 통계와 NLM 필터를 고려하여 하이브리드 잡음 제거 기법을 이용하여 초음파 영상 내 스페클 잡음을 제거하는 방법이 제안되었고, 개선된 웨이블렛 필터 및 가이디드 필터에 기반하여 초음파 영상 내 스페클 잡음을 제거하는 방법이 제안되었다. 다만, 이러한 필터링 기법들은 영상 내 낮은 외곽선 보존 및 노이즈 제거 성능을 나타낸다.
상기와 같은 문제점을 해결하기 위한 본 발명의 목적은 정확한 병변을 분류하고자 초음파 영상 내 스페클 잡음을 제거하는 방법을 제공하는 데 있다.
상기와 같은 문제점을 해결하기 위한 본 발명의 다른 목적은 초음파 영상 내 스페클 잡음을 제거하여 초음파 영상의 화질을 개선하는 데 있다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 초음파 영상 내 잡음 제거 방법은, 스페클 잡음을 포함하는 초음파 영상을 획득하는 단계; 상기 초음파 영상을 제 1 필터로 전처리하는 단계; 상기 전처리된 영상에 포함된 스페클 잡음을 가산 잡음(Additive Gaussian White Noise; AGWN)으로 변환하는 단계; 상기 가산 잡음을 포함하는 상기 전처리된 영상을 분해하여 제 2 필터로 후처리하는 단계; 및 상기 후처리된 영상에 기반하여 스페클 잡음이 제거된 초음파 영상을 획득하는 단계를 포함할 수 있다.
여기서, 상기 제 1필터는, 상기 초음파 영상의 균일 영역과 상기 초음파 영상 내 객체와의 경계를 구성하는 외곽선 영역을 구분할 수 있다.
또한, 상기 제 1 필터는, 상기 외곽선 영역을 보존하는 전역 통과 필터(All Pass Filter; APF)를 포함할 수 있다.
또한, 상기 제 1필터는, 상기 균일 영역에 존재하는 스페클 잡음을 제거하는 확산(Diffusion) 필터를 포함할 수 있다.
또한, 상기 전처리된 영상에 포함된 스페클 잡음을 가산 잡음(Additive Gaussian White Noise; AGWN)으로 변환하는 단계는, 로그 변환(Logarithmic Transformation)을 활용하여 상기 스페클 잡음을 가산 잡음으로 변환하는 단계를 포함할 수 있다.
또한, 상기 가산 잡음을 포함하는 상기 전처리된 영상을 분해하여 제 2 필터로 후처리하는 단계는, 상기 전처리된 영상에 대해 저역 통과 필터 및 고역 통과 필터를 적용한 후 다운 샘플링을 적용하여 상기 전처리된 영상을 제 1 저주파 부대역 영상 및 복수의 고주파 부대역 영상으로 웨이블렛 분해하는 단계; 및 상기 제 1 저주파 부대역 영상에 대해 저역 통과 필터 및 고역 통과 필터를 적용한 후 다운 샘플링을 적용하여 상기 제 1 저주파 부대역 영상을 제 2 저주파 부대역 영상 및 복수의 고주파 부대역 영상으로 웨이블렛 분해하는 단계를 포함할 수 있다.
여기서, 상기 제 2 필터는, 상기 분해된 영상의 고주파 부대역 영상에 대해 잡음을 제거하는 베이즈 임계값(Bayes Threshold)을 적용하는 필터일 수 있다.
또한, 상기 후처리된 영상에 기반하여 스페클 잡음이 제거된 초음파 영상을 획득하는 단계는, 지수 변환(Exponential Transformation)을 활용하여 스페클 잡음이 제거된 초음파 영상을 획득하는 단계를 포함할 수 있다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 초음파 영상 내 잡음 제거 장치는, 프로세서; 및 상기 프로세서를 통해 실행되는 적어도 하나의 명령을 저장하는 메모리를 포함하고, 스페클 잡음을 포함하는 초음파 영상을 획득하도록 하는 명령; 상기 초음파 영상을 제 1 필터로 전처리하도록 하는 명령; 상기 전처리된 영상에 포함된 스페클 잡음을 가산 잡음(Additive Gaussian White Noise; AGWN)으로 변환하도록 하는 명령; 상기 가산 잡음을 포함하는 상기 전처리된 영상을 분해하여 제 2 필터로 후처리하도록 하는 명령; 및 상기 후처리된 영상에 기반하여 스페클 잡음이 제거된 초음파 영상을 획득하도록 하는 명령을 포함할 수 있다.
여기서, 상기 제 1필터는, 상기 초음파 영상의 균일 영역과 상기 초음파 영상 내 객체와의 경계를 구성하는 외곽선 영역을 구분할 수 있다.
또한, 상기 제 1 필터는, 상기 외곽선 영역을 보존하는 전역 통과 필터(All Pass Filter; APF)를 포함할 수 있다.
또한, 상기 제 1필터는, 상기 균일 영역에 존재하는 스페클 잡음을 제거하는 확산(Diffusion) 필터를 포함할 수 있다.
또한, 상기 전처리된 영상에 포함된 스페클 잡음을 가산 잡음(Additive Gaussian White Noise; AGWN)으로 변환하도록 하는 명령은, 로그 변환(Logarithmic Transformation)을 활용하여 상기 스페클 잡음을 가산 잡음으로 변환하도록 하는 명령을 포함할 수 있다.
또한, 상기 가산 잡음을 포함하는 상기 전처리된 영상을 분해하여 제 2 필터로 후처리하도록 하는 명령은, 상기 전처리된 영상에 대해 저역 통과 필터 및 고역 통과 필터를 적용한 후 다운 샘플링을 적용하여 상기 전처리된 영상을 제 1 저주파 부대역 영상 및 복수의 고주파 부대역 영상으로 웨이블렛 분해하도록 하는 명령; 및 상기 제 1 저주파 부대역 영상에 대해 저역 통과 필터 및 고역 통과 필터를 적용한 후 다운 샘플링을 적용하여 상기 제 1 저주파 부대역 영상을 제 2 저주파 부대역 영상 및 복수의 고주파 부대역 영상으로 웨이블렛 분해하도록 하는 명령을 포함할 수 있다.
여기서, 상기 제 2 필터는, 상기 분해된 영상의 고주파 부대역 영상에 대해 잡음을 제거하는 베이즈 임계값(Bayes Threshold)을 적용하는 필터일 수 있다.
또한, 상기 후처리된 영상에 기반하여 스페클 잡음이 제거된 초음파 영상을 획득하도록 하는 명령은, 지수 변환(Exponential Transformation)을 활용하여 스페클 잡음이 제거된 초음파 영상을 획득하도록 하는 명령을 포함할 수 있다.
상기와 같은 본 발명의 실시예들에 따르면, 초음파 영상 내 스페클 잡음을 제거하는 동시에 외곽선 정보를 보존하는 장점이 있다.
도 1 은 본 발명의 일 실시예에 따른 초음파 영상 내 잡음 제거 방법의 동작 순서도이다.
도 2는 본 발명의 일 실시예에 따른 초음파 영상 내 잡음 제거 방법의 개념도다.
도 3은 초음파 영상을 분해하는 방법의 개념도이다.
도 4a는 초음파 영상을 분해하는 방법의 제 1 예시도이다.
도 4b는 초음파 영상을 분해하는 방법의 제 2 예시도이다.
도 5는 본 발명의 일 실시예에 따른 초음파 영상 내 잡음 제거 장치의 블록 구성도이다.
도 2는 본 발명의 일 실시예에 따른 초음파 영상 내 잡음 제거 방법의 개념도다.
도 3은 초음파 영상을 분해하는 방법의 개념도이다.
도 4a는 초음파 영상을 분해하는 방법의 제 1 예시도이다.
도 4b는 초음파 영상을 분해하는 방법의 제 2 예시도이다.
도 5는 본 발명의 일 실시예에 따른 초음파 영상 내 잡음 제거 장치의 블록 구성도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는 데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. "및/또는"이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1 은 본 발명의 일 실시예에 따른 초음파 영상 내 잡음 제거 방법의 동작 순서도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 초음파 영상 내 잡음 제거 방법은, 스페클 잡음을 포함하는 초음파 영상을 획득하는 단계(S110)를 포함할 수 있다.
또한, 본 발명은 상기 초음파 영상을 제 1 필터로 전처리하는 단계(S120)를 포함할 수 있다. 여기서, 상기 제 1필터는, 상기 초음파 영상의 균일 영역과 상기 초음파 영상 내 객체와의 경계를 구성하는 외곽선 영역을 구분할 수 있다. 또한, 상기 제 1 필터는, 상기 외곽선 영역을 보존하는 전역 통과 필터(All Pass Filter; APF)를 포함할 수 있다. 또한, 상기 제 1필터는, 상기 균일 영역에 존재하는 스페클 잡음을 제거하는 확산(Diffusion) 필터를 포함할 수 있다.
또한, 본 발명은 상기 전처리된 영상에 포함된 스페클 잡음을 가산 잡음(Additive Gaussian White Noise; AGWN)으로 변환하는 단계(S130)를 포함할 수 있다. 여기서, 상기 전처리된 영상에 포함된 스페클 잡음을 가산 잡음(Additive Gaussian White Noise; AGWN)으로 변환하는 단계는, 로그 변환(Logarithmic Transformation)을 활용하여 상기 스페클 잡음을 가산 잡음으로 변환하는 단계를 포함할 수 있다.
또한, 본 발명은 상기 가산 잡음을 포함하는 상기 전처리된 영상을 분해하여 제 2 필터로 후처리하는 단계(S140)를 포함할 수 있다.
여기서, 상기 가산 잡음을 포함하는 상기 전처리된 영상을 분해하여 제 2 필터로 후처리하는 단계는, 상기 전처리된 영상에 대해 저역 통과 필터 및 고역 통과 필터를 적용한 후 다운 샘플링을 적용하여 상기 전처리된 영상을 제 1 저주파 부대역 영상 및 복수의 고주파 부대역 영상으로 웨이블렛 분해하는 단계; 및 상기 제 1 저주파 부대역 영상에 대해 저역 통과 필터 및 고역 통과 필터를 적용한 후 다운 샘플링을 적용하여 상기 제 1 저주파 부대역 영상을 제 2 저주파 부대역 영상 및 복수의 고주파 부대역 영상으로 웨이블렛 분해하는 단계를 포함할 수 있다.
또한, 여기서, 상기 제 2 필터는, 상기 분해된 영상의 고주파 부대역 영상에 대해 잡음을 제거하는 베이즈 임계값(Bayes Threshold)을 적용하는 필터일 수 있다.
또한, 본 발명은 상기 후처리된 영상에 기반하여 스페클 잡음이 제거된 초음파 영상을 획득하는 단계(S150)를 포함할 수 있다. 여기서, 상기 후처리된 영상에 기반하여 스페클 잡음이 제거된 초음파 영상을 획득하는 단계는, 지수 변환(Exponential Transformation)을 활용하여 스페클 잡음이 제거된 초음파 영상을 획득하는 단계를 포함할 수 있다.
도 2는 본 발명의 일 실시예에 따른 초음파 영상 내 잡음 제거 방법의 개념도다.
도 2를 참조하면, 본 발명은 상기 초음파 영상을 제 1 필터로 전처리하는 단계(S120)를 포함할 수 있다. 여기서, 상기 제 1필터는, 상기 초음파 영상의 균일 영역과 상기 초음파 영상 내 객체와의 경계를 구성하는 외곽선 영역을 구분할 수 있다. 또한, 상기 제 1 필터는, 상기 외곽선 영역을 보존하는 전역 통과 필터(All Pass Filter; APF)를 포함할 수 있다. 또한, 상기 제 1필터는, 상기 균일 영역에 존재하는 스페클 잡음을 제거하는 확산(Diffusion) 필터를 포함할 수 있다.
즉, 여기서 제 1필터는 스페클 잡음을 제거하는 비등방성 확산 필터를 의미할 수 있다. 스페클 잡음을 제거하는 비등방성 확산(Speckle Reducing Anisotropic Diffusion) 필터는 스페클 잡음에 의해 손상된 초음파 영상에서 우수한 잡음 제거 성능을 나타낼 수 있다.
여기서, 스페클 잡음을 제거하는 비등방성 확산 필터는 수학식 1 및 수학식 2과 같다.
수학식 1 및 수학식 2를 참조하면, 스페클 잡음을 제거하는 비등방성 확산 필터는 편미분 방정식으로 나타낼 수 있다.
여기서, I0(x,y)는 m 과 n을 곱한 크기를 갖는 이미지가 가지고 있는 초기 잡음을 포함하는 영상을 의미할 수 있다. 또한, I(x,y;t)는 스페클 잡음을 제거하는 비등방성 확산 필터를 거친 결과 영상을 의미할 수 있다. 또한, 
는 그래디언트(Gradient) 연산자를 의미할 수 있고, 
는 영상 내 위치를 나타낼 수 있고, 
는 영상 내 위치의 이미지 경계 영역을 의미할 수 있다. 또한, di는 발산 연산자를 의미할 수 있고, n벡터는 
의 외부 법선을 의미할 수 있다.
또한, 본 발명은 수학식 3 및 수학식 4을 활용하여 스페클 잡음을 포함하는 영상에서 외곽선 영역 및 균일 영역을 구분할 수 있다.
여기서, 
2 는 라플라스 연산자를 의미할 수 있고, c(q)를 활용하면 영상 내 외곽선 영역에서 전역 통과 필터(All Pass Filter; APF)를 적용하여 영상을 보존할 수 있다. 반면에, 균일 영역에서는 확산(Diffusion) 필터를 적용하여 스페클 잡음을 제거할 수 있다.
여기서, 외곽선 영역은 초음파 영상 내 객체와의 경계를 구성하는 영역을 의미할 수 있고, 균일 영역은 외곽선 영역 외의 영역을 의미할 수 있다. 또한, 객체는 초음파 영상에서 관찰하고자 하는 목표물이 될 수 있다.
수학식 4는 ICOV(Instantaneous Coefficient of Variation)로서 스페클 잡음 영상에서 외곽선 검출기로 사용될 수 있다. 즉, ICOV는 정규화된 그레이디언트 크기 연산자(Normalized Gradient Magnitude Operator)와 정규화된 라플라시안 연산자(Normalized Laplacian Operator)를 결합하여 외곽선 검출기로 사용될 수 있다. 예를 들어, 수학식 4의 q(x,y,t)는 스페클 잡음을 포함하는 영상의 외곽선 영역에서는 높은 값을 나타낼 수 있고, 균일 영역에서는 낮은 값을 나타낼 수 있다.
또한, 본 발명은 수학식 5에 따라 초음파 영상 내 균일 영역 또는 외곽선 영역에 스무딩(Smoothing)을 수행할 지 결정할 수 있다.
여기서, q0(t)는 스페클 스캐일 함수를 의미할 수 있고, var[z(t)]와 
는 각각 초음파 영상 내 균일 영역에서의 시간 t에서의 화소 값의 분산 및 평균을 의미할 수 있다.
또한, 스페클 잡음을 포함하는 영상을 1차 필터에 의해 전처리한 영상은 원 신호, 승산 잡음 및 가산 잡음을 포함하는 수학식 6과 같이 나타낼 수 있다.
여기서, R(x, y)는 스페클 잡음을 포함하는 영상을 1차 필터에 의해 전처리한 결과 영상을 의미할 수 있고, ○(x, y)는 원 신호를 의미할 수 있고, M(x, y)는 승산 잡음을 의미할 수 있고, A(x, y)는 가산 잡음을 의미할 수 있다.
또한, 본 발명은 상기 전처리된 영상에 포함된 스페클 잡음을 가산 잡음(Additive Gaussian White Noise; AGWN)으로 변환하는 단계(S130)를 포함할 수 있다. 여기서, 상기 전처리된 영상에 포함된 스페클 잡음을 가산 잡음(Additive Gaussian White Noise; AGWN)으로 변환하는 단계는, 로그 변환(Logarithmic Transformation)을 활용하여 상기 스페클 잡음을 가산 잡음으로 변환하는 단계를 포함할 수 있다.
따라서, 가산 잡음은 승산 잡음에 비해 영상에 미치는 영향이 적으므로 스페클 잡음을 포함하는 영상을 1차 필터에 의해 전처리한 영상은 수학식 7 및 수학식 8과 같이 나타낼 수 있다.
즉, 수학식 7은 수학식 6에서 영상에 미치는 영향이 적은 가산 잡음을 생략하고, 로그 변환(Logarithmic Transformation)하여 승산 잡음을 가산 잡음으로 변환하여 나타낸 것이다.
여기서, g(x, y)는 
를 의미할 수 있고, k(x, y)는 
를 의미할 수 있고, l(x, y)는 
를 의미할 수 있다.
또한, 본 발명은 상기 가산 잡음을 포함하는 상기 전처리된 영상을 분해하여 제 2 필터로 후처리하는 단계(S140)를 포함할 수 있다.
여기서, 상기 가산 잡음을 포함하는 상기 전처리된 영상을 분해하여 제 2 필터로 후처리하는 단계는, 상기 전처리된 영상에 대해 저역 통과 필터 및 고역 통과 필터를 적용한 후 다운 샘플링을 적용하여 상기 전처리된 영상을 제 1 저주파 부대역 영상 및 복수의 고주파 부대역 영상으로 웨이블렛 분해하는 단계; 및 상기 제 1 저주파 부대역 영상에 대해 저역 통과 필터 및 고역 통과 필터를 적용한 후 다운 샘플링을 적용하여 상기 제 1 저주파 부대역 영상을 제 2 저주파 부대역 영상 및 복수의 고주파 부대역 영상으로 웨이블렛 분해하는 단계를 포함할 수 있다.
즉, 상기 전처리된 영상에 대해 가로 방향으로 저역 통과 필터 및 고역 통과 필터를 적용한 후, 다운 샘플링을 적용하여 원본 영상 크기를 1/2로 감소시킬 수 있다. 이어서, 세로 방향으로 상기 전처리된 영상에 대해 저역 통과 필터 및 고역 통과 필터를 적용한 후, 다운 샘플링을 적용하여 원본 영상 크기의 1/4 크기가 된 4개의 부대역 영상들을 획득할 수 있다. 웨이블렛 변환은 수행할 때마다 4개의 부대역 영상을 획득할 수 있고, 2단계 웨이블렛 변환을 수행할 경우 1단계 웨이블렛 변환 후 생성된 저주파 부대역 영상에 대해 웨이블렛 변환을 수행하여 부대역 영상들을 획득할 수 있다. 웨이블렛 변환은 횟수는 사용자가 원하는 만큼 수행될 수 있다.
따라서, 본 발명은 상기 전처리된 영상을 2단계 웨이블렛 분해함으로써 6개의 고주파 부대역 영상과 1개의 부대역 영상으로 분해할 수 있다. 이 때, 저주파 부대역 영상에는 이미지의 텍스쳐(Texture)와 같은 중요한 정보가 포함되고, 고주파 부대역 영상에는 디테일 정보 및 잡음이 포함된다. 또한, 6개의 고주파 부대역 영상에만 후술하는 베이즈 임계값을 적용하여 고주파 부대역 영상에 남아있는 가산 잡음을 제거할 수 있다.
여기서, 본 발명의 웨이블렛(Wavelet) 분해는 수학식 9를 활용하여 생성된 함수들의 집합들을 윈도우 함수로써 사용할 수 있다.
여기서, t는 시간을 의미할 수 있고, a는 스케일링(Scaling) 파라미터이고, b는 트랜스레이션(Translation) 파라미터일 수 있다. 여기서, 스케일링은 함수(
)의 폭을 팽창 또는 수축하는 것을 의미할 수 있다. 또한, 스케일링은 값이 작을수록 폭을 축소하므로 고주파 특성을 나타낼 수 있고, 값이 커질수록 저주파 특성을 나타낼 수 있다. 함수의 위치는 트랜스레이션에 의해 시간축의 위치가 결정될 수 있다. 따라서, 트랜스레이션의 값이 증가함에 따라 윈도우 함수는 우측으로 평행이동할 수 있다.
또한, 상기 제 2 필터는, 상기 분해된 영상의 고주파 부대역 영상에 대해 잡음을 제거하는 베이즈 임계값(Bayes Threshold)을 적용하는 필터일 수 있다. 즉, 전술한 바와 같이 1개의 저주파 부대역 영상은 영상의 중요한 정보를 포함하므로 영상 정보를 보존하기 위해 베이즈 임계값을 적용하지 않는다.
또한, 전처리된 영상을 웨이블렛 변환하여 고주파 부대역 영상 내 스페클 잡음을 제거할 때 하드 임계값 또는 소프트 임계값이 적용될 수 있으나, 본 발명에서는 신호 성분을 포함하는 영역에서는 신호를 보존하고 잡음을 포함한 영역에서는 잡음을 제거하는 소프트 임계값에 기반한 베이즈 임계값이 적용될 수 있다. 또한, 베이즈 임계값을 적용할 경우 아티팩트(Artifact)가 발생하지 않는다.
여기서, 베이즈 임계값은 서브밴드의 웨이블렛 계수들이 수학식 10과 같은 GGD(Generalized Gaussain Distribution)을 따를 때, 초음파 영상 내 잡음을 제거할 수 있다. 수학식 11, 수학식 12 및 수학식 13은 GGD의 파라미터에 대한 개념을 나타내는 수학식이다.
여기서, 
는 표준편차를 의미할 수 있고, β는 쉐이프(Shape) 파라미터를 의미할 수 있다.
또한, 베이즈 임계값은 주어진 매개변수 집합 내에서 베이지안 리스크(Bayesian Risk)를 최소화하는 소프트 임계값(T)으로써 수학식 14를 활용하여 획득할 수 있다. 여기서, 베이지안 리스크(r(T))를 최소화하는 본 발명의 소프트 임계값(T*)은 수학식 15를 활용하여 획득할 수 있다.
또한, 본 발명은 상기 후처리된 영상에 기반하여 스페클 잡음이 제거된 초음파 영상을 획득하는 단계(S150)를 포함할 수 있다. 여기서, 상기 후처리된 영상에 기반하여 스페클 잡음이 제거된 초음파 영상을 획득하는 단계는, 지수 변환(Exponential Transformation)을 활용하여 스페클 잡음이 제거된 초음파 영상을 획득하는 단계를 포함할 수 있다.
즉, 본 발명은 2단계 웨이블렛 분해를 수행한 초음파 영상을 웨이블렛 복원하고, 이어서 지수 변환을 통해 스페클 잡음이 제거된 초음파 영상을 획득할 수 있다.
도 3은 초음파 영상을 분해하는 방법의 개념도이다.
도 3을 참조하면, 본 발명에 따라 2차원 초음파 영상에 대해 2단계 웨이블랫 분해하는 과정을 알 수 있다. 먼저, 본 발명은 초음파 영상의 가로 방향에 대해 저역 통과 필터(LPF) 및 고역 통과 필터(HPF)를 적용할 수 있다. 이어서, 본 발명은 각각의 필터를 적용한 결과 영상에 대해 다운 샘플링을 적용하고, 다시 세로 방향에 대해 저역 통과 필터 및 고역 통과 필터를 적용하여 다운 샘플링을 적용하면 1개의 저주파 부대역 영상(LL1) 및 3개의 고주파 부대역 영상(LH1, HL1, HH1)을 획득함으로써 1단계 웨이블렛 분해를 수행할 수 있다. 여기서, LL1은 저주파 부대역 영상을 의미할 수 있고, LH1은 수평 방향의 고주파 부대역 영상을 의미할 수 있고, HL1은 수직 방향의 고주파 부대역 영상을 의미할 수 있고, HH1은 대각선 방향의 고주파 부대역 영상을 의미할 수 있다.
이어서, 본 발명은 1단계 저주파 부대역 영상(LL1)을 다시 1개의 저주파 부대역 영상(LL2) 및 3개의 고주파 부대역 영상(LH2, HL2, HH2)으로 2단계 웨이블렛 분해를 수행할 수 있다. 여기서, 웨이블렛 분해 과정은 사용자가 요구하는 단계까지 수행할 수 있다.
도 4a는 초음파 영상을 분해하는 방법의 제 1 예시도이고, 도 4b는 초음파 영상을 분해하는 방법의 제 2 예시도이다.
도 4a 및 도 4b를 참조하면, 하나의 2차원 초음파 영상에 대해 2단계 웨이블렛 분해를 적용하면 6개의 고주파 부대역 영상(LH1, HL1, HH1, LH2, HL2, HH2) 및 1개의 저주파 부대역 영상(LL2)을 획득할 수 있다.
도 5는 본 발명의 일 실시예에 따른 초음파 영상 내 잡음 제거 장치의 블록 구성도이다.
도 5를 참조하면, 본 발명의 일 실시예에 따른 초음파 영상 내 잡음 제거 장치(500)는 프로세서(510) 및 프로세서를 통해 실행되는 적어도 하나의 명령 및 명령 수행의 결과를 저장하는 메모리(520) 및 네트워크와 연결되어 통신을 수행하는 송수신 장치(530)를 포함할 수 있다.
초음파 영상 내 잡음 제거 장치(500)는 또한, 입력 인터페이스 장치(540), 출력 인터페이스 장치(550), 저장 장치(560) 등을 더 포함할 수 있다. 초음파 영상 내 잡음 제거 장치(500)에 포함된 각각의 구성 요소들은 버스(Bus)(570)에 의해 연결되어 서로 통신을 수행할 수 있다.
프로세서(510)는 메모리(520) 및 저장 장치(560) 중에서 적어도 하나에 저장된 프로그램 명령(program command)을 실행할 수 있다. 프로세서(510)는 중앙 처리 장치(central processing unit, CPU), 그래픽 처리 장치(graphics processing unit, GPU), 또는 본 발명의 실시예에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 메모리(520) 및 저장 장치(560) 각각은 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(520)는 읽기 전용 메모리(read only memory, ROM) 및 랜덤 액세스 메모리(random access memory, RAM) 중에서 적어도 하나로 구성될 수 있다.
저장 장치(560)는 또한, 본 발명의 SRAD 필터를 적용한 초음파 영상을 저장할 수 있고, SRAD 필터로 전처리된 초음파 영상을 2단계 웨이블렛 분해한 영상을 저장할 수 있고, 2단계 웨이블렛 분해된 영상에 대해 베이즈 임계값을 활용하는 필터를 적용한 초음파 영상을 저장할 수 있다.
여기서, 적어도 하나의 명령은, 스페클 잡음을 포함하는 초음파 영상을 획득하도록 하는 명령; 상기 초음파 영상을 제 1 필터로 전처리하도록 하는 명령; 상기 전처리된 영상에 포함된 스페클 잡음을 가산 잡음(Additive Gaussian White Noise; AGWN)으로 변환하도록 하는 명령; 상기 가산 잡음을 포함하는 상기 전처리된 영상을 분해하여 제 2 필터로 후처리하도록 하는 명령; 및 상기 후처리된 영상에 기반하여 스페클 잡음이 제거된 초음파 영상을 획득하도록 하는 명령을 포함할 수 있다.
여기서, 상기 제 1필터는, 상기 초음파 영상의 균일 영역과 상기 초음파 영상 내 객체와의 경계를 구성하는 외곽선 영역을 구분할 수 있다.
또한, 상기 제 1 필터는, 상기 외곽선 영역을 보존하는 전역 통과 필터(All Pass Filter; APF)를 포함할 수 있다.
또한, 상기 제 1필터는, 상기 균일 영역에 존재하는 스페클 잡음을 제거하는 확산(Diffusion) 필터를 포함할 수 있다.
여기서, 상기 전처리된 영상에 포함된 스페클 잡음을 가산 잡음(Additive Gaussian White Noise; AGWN)으로 변환하도록 하는 명령은, 로그 변환(Logarithmic Transformation)을 활용하여 상기 스페클 잡음을 가산 잡음으로 변환하도록 하는 명령을 포함할 수 있다.
또한, 상기 가산 잡음을 포함하는 상기 전처리된 영상을 분해하여 제 2 필터로 후처리하도록 하는 명령은, 상기 전처리된 영상에 대해 저역 통과 필터 및 고역 통과 필터를 적용한 후 다운 샘플링을 적용하여 상기 전처리된 영상을 제 1 저주파 부대역 영상 및 복수의 고주파 부대역 영상으로 웨이블렛 분해하도록 하는 명령; 및 상기 제 1 저주파 부대역 영상에 대해 저역 통과 필터 및 고역 통과 필터를 적용한 후 다운 샘플링을 적용하여 상기 제 1 저주파 부대역 영상을 제 2 저주파 부대역 영상 및 복수의 고주파 부대역 영상으로 웨이블렛 분해하도록 하는 명령을 포함할 수 있다.
여기서, 상기 제 2 필터는, 상기 분해된 영상의 고주파 부대역 영상에 대해 잡음을 제거하는 베이즈 임계값(Bayes Threshold)을 적용하는 필터일 수 있다.
또한, 상기 후처리된 영상에 기반하여 스페클 잡음이 제거된 초음파 영상을 획득하도록 하는 명령은, 지수 변환(Exponential Transformation)을 활용하여 스페클 잡음이 제거된 초음파 영상을 획득하도록 하는 명령을 포함할 수 있다.
본 발명의 실시예에 따른 방법의 동작은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 프로그램 또는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의해 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산 방식으로 컴퓨터로 읽을 수 있는 프로그램 또는 코드가 저장되고 실행될 수 있다.
또한, 컴퓨터가 읽을 수 있는 기록매체는 롬(rom), 램(ram), 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다. 프로그램 명령은 컴파일러(compiler)에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다.
본 발명의 일부 측면들은 장치의 문맥에서 설명되었으나, 그것은 상응하는 방법에 따른 설명 또한 나타낼 수 있고, 여기서 블록 또는 장치는 방법 단계 또는 방법 단계의 특징에 상응한다. 유사하게, 방법의 문맥에서 설명된 측면들은 또한 상응하는 블록 또는 아이템 또는 상응하는 장치의 특징으로 나타낼 수 있다. 방법 단계들의 몇몇 또는 전부는 예를 들어, 마이크로프로세서, 프로그램 가능한 컴퓨터 또는 전자 회로와 같은 하드웨어 장치에 의해(또는 이용하여) 수행될 수 있다. 몇몇의 실시예에서, 가장 중요한 방법 단계들의 하나 이상은 이와 같은 장치에 의해 수행될 수 있다.
실시예들에서, 프로그램 가능한 로직 장치(예를 들어, 필드 프로그머블 게이트 어레이)가 여기서 설명된 방법들의 기능의 일부 또는 전부를 수행하기 위해 사용될 수 있다. 실시예들에서, 필드 프로그머블 게이트 어레이는 여기서 설명된 방법들 중 하나를 수행하기 위한 마이크로프로세서와 함께 작동할 수 있다. 일반적으로, 방법들은 어떤 하드웨어 장치에 의해 수행되는 것이 바람직하다.
이상 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
Claims (16)
- 스페클 잡음을 포함하는 초음파 영상을 획득하는 단계;
상기 초음파 영상을 제 1 필터로 전처리하는 단계;
상기 전처리된 영상에 포함된 스페클 잡음을 가산 잡음(Additive Gaussian White Noise; AGWN)으로 변환하는 단계;
상기 가산 잡음을 포함하는 상기 전처리된 영상을 분해하여 제 2 필터로 후처리하는 단계; 및
상기 후처리된 영상에 기반하여 스페클 잡음이 제거된 초음파 영상을 획득하는 단계를 포함하고,
상기 후처리된 영상에 기반하여 스페클 잡음이 제거된 초음파 영상을 획득하는 단계는,
지수 변환(Exponential Transformation)을 활용하여 스페클 잡음이 제거된 초음파 영상을 획득하는 단계를 포함하는, 초음파 영상 내 잡음 제거 방법. - 청구항 1에 있어서,
상기 제 1필터는,
상기 초음파 영상의 균일 영역과 상기 초음파 영상 내 객체와의 경계를 구성하는 외곽선 영역을 구분하는, 초음파 영상 내 잡음 제거 방법. - 청구항 2에 있어서,
상기 제 1 필터는,
상기 외곽선 영역을 보존하는 전역 통과 필터(All Pass Filter; APF)를 포함하는, 초음파 영상 내 잡음 제거 방법. - 청구항 2에 있어서,
상기 제 1필터는,
상기 균일 영역에 존재하는 스페클 잡음을 제거하는 확산(Diffusion) 필터를 포함하는, 초음파 영상 내 잡음 제거 방법. - 청구항 1에 있어서,
상기 전처리된 영상에 포함된 스페클 잡음을 가산 잡음(Additive Gaussian White Noise; AGWN)으로 변환하는 단계는,
로그 변환(Logarithmic Transformation)을 활용하여 상기 스페클 잡음을 가산 잡음으로 변환하는 단계를 포함하는, 초음파 영상 내 잡음 제거 방법. - 청구항 1에 있어서,
상기 가산 잡음을 포함하는 상기 전처리된 영상을 분해하여 제 2 필터로 후처리하는 단계는,
상기 전처리된 영상에 대해 저역 통과 필터 및 고역 통과 필터를 적용한 후 다운 샘플링을 적용하여 상기 전처리된 영상을 제 1 저주파 부대역 영상 및 복수의 고주파 부대역 영상으로 웨이블렛 분해하는 단계; 및
상기 제 1 저주파 부대역 영상에 대해 저역 통과 필터 및 고역 통과 필터를 적용한 후 다운 샘플링을 적용하여 상기 제 1 저주파 부대역 영상을 제 2 저주파 부대역 영상 및 복수의 고주파 부대역 영상으로 웨이블렛 분해하는 단계를 포함하는, 초음파 영상 내 잡음 제거 방법. - 청구항 1에 있어서,
상기 제 2 필터는,
상기 분해된 영상의 고주파 부대역 영상에 대해 잡음을 제거하는 베이즈 임계값(Bayes Threshold)을 적용하는 필터인, 초음파 영상 내 잡음 제거 방법. - 삭제
- 프로세서; 및
상기 프로세서를 통해 실행되는 적어도 하나의 명령을 저장하는 메모리를 포함하고,
스페클 잡음을 포함하는 초음파 영상을 획득하도록 하는 명령;
상기 초음파 영상을 제 1 필터로 전처리하도록 하는 명령;
상기 전처리된 영상에 포함된 스페클 잡음을 가산 잡음(Additive Gaussian White Noise; AGWN)으로 변환하도록 하는 명령;
상기 가산 잡음을 포함하는 상기 전처리된 영상을 분해하여 제 2 필터로 후처리하도록 하는 명령; 및
상기 후처리된 영상에 기반하여 스페클 잡음이 제거된 초음파 영상을 획득하도록 하는 명령을 포함하고,
상기 후처리된 영상에 기반하여 스페클 잡음이 제거된 초음파 영상을 획득하도록 하는 명령은,
지수 변환(Exponential Transformation)을 활용하여 스페클 잡음이 제거된 초음파 영상을 획득하도록 하는 명령을 포함하는, 초음파 영상 내 잡음 제거 장치. - 청구항 9에 있어서,
상기 제 1필터는,
상기 초음파 영상의 균일 영역과 상기 초음파 영상 내 객체와의 경계를 구성하는 외곽선 영역을 구분하는, 초음파 영상 내 잡음 제거 장치. - 청구항 10에 있어서,
상기 제 1 필터는,
상기 외곽선 영역을 보존하는 전역 통과 필터(All Pass Filter; APF)를 포함하는, 초음파 영상 내 잡음 제거 장치. - 청구항 10에 있어서,
상기 제 1필터는,
상기 균일 영역에 존재하는 스페클 잡음을 제거하는 확산(Diffusion) 필터를 포함하는, 초음파 영상 내 잡음 제거 장치. - 청구항 9에 있어서,
상기 전처리된 영상에 포함된 스페클 잡음을 가산 잡음(Additive Gaussian White Noise; AGWN)으로 변환하도록 하는 명령은,
로그 변환(Logarithmic Transformation)을 활용하여 상기 스페클 잡음을 가산 잡음으로 변환하도록 하는 명령을 포함하는, 초음파 영상 내 잡음 제거 장치. - 청구항 9에 있어서,
상기 가산 잡음을 포함하는 상기 전처리된 영상을 분해하여 제 2 필터로 후처리하도록 하는 명령은,
상기 전처리된 영상에 대해 저역 통과 필터 및 고역 통과 필터를 적용한 후 다운 샘플링을 적용하여 상기 전처리된 영상을 제 1 저주파 부대역 영상 및 복수의 고주파 부대역 영상으로 웨이블렛 분해하도록 하는 명령; 및
상기 제 1 저주파 부대역 영상에 대해 저역 통과 필터 및 고역 통과 필터를 적용한 후 다운 샘플링을 적용하여 상기 제 1 저주파 부대역 영상을 제 2 저주파 부대역 영상 및 복수의 고주파 부대역 영상으로 웨이블렛 분해하도록 하는 명령을 포함하는, 초음파 영상 내 잡음 제거 장치. - 청구항 9에 있어서,
상기 제 2 필터는,
상기 분해된 영상의 고주파 부대역 영상에 대해 잡음을 제거하는 베이즈 임계값(Bayes Threshold)을 적용하는 필터인, 초음파 영상 내 잡음 제거 장치. - 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200032513A KR102470249B1 (ko) | 2020-03-17 | 2020-03-17 | 초음파 영상 내 잡음 제거 방법 및 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200032513A KR102470249B1 (ko) | 2020-03-17 | 2020-03-17 | 초음파 영상 내 잡음 제거 방법 및 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210115976A KR20210115976A (ko) | 2021-09-27 |
| KR102470249B1 true KR102470249B1 (ko) | 2022-11-22 |
Family
ID=77925776
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200032513A KR102470249B1 (ko) | 2020-03-17 | 2020-03-17 | 초음파 영상 내 잡음 제거 방법 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102470249B1 (ko) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230170441A (ko) | 2022-06-10 | 2023-12-19 | 재단법인대구경북과학기술원 | 레퍼런스 데이터를 사용하지 않는 딥러닝 네트워크에 기반하여 초음파 영상의 노이즈를 저감시키는 방법 및 장치 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140213901A1 (en) * | 2013-01-29 | 2014-07-31 | Karen Shackelford | System & Method for Delineation and Quantification of Fluid Accumulation in EFAST Trauma Ultrasound Images |
| US20150094591A1 (en) | 2013-05-31 | 2015-04-02 | eagleyemed, Inc. | Speckle and noise reduction in ultrasound images |
| WO2019014070A1 (en) | 2017-07-09 | 2019-01-17 | The Board Of Trustees Of The Leland Stanford Junior University | ULTRASOUND IMAGING COMPRISING A SPECTRAL COMPOSITION FOR TAVELURE REDUCTION |
| US20200008784A1 (en) | 2018-07-05 | 2020-01-09 | Hitachi, Ltd. | Ultrasonic imaging device and image processing device |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100778823B1 (ko) * | 2006-02-14 | 2007-11-22 | 주식회사 메디슨 | 초음파 영상 처리 시스템 및 방법 |
| KR101919998B1 (ko) * | 2016-11-21 | 2018-11-19 | 서강대학교산학협력단 | 유사 패치를 이용하여 초음파 영상의 스페클을 제거하는 장치 및 방법 |
| KR102216965B1 (ko) * | 2019-05-07 | 2021-02-18 | 주식회사 힐세리온 | 이산 웨이브릿 변환을 이용한 영상신호의 노이즈 제거 장치 및 이를 포함하는 원격 의료 진단 시스템 |
-
2020
- 2020-03-17 KR KR1020200032513A patent/KR102470249B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140213901A1 (en) * | 2013-01-29 | 2014-07-31 | Karen Shackelford | System & Method for Delineation and Quantification of Fluid Accumulation in EFAST Trauma Ultrasound Images |
| US20150094591A1 (en) | 2013-05-31 | 2015-04-02 | eagleyemed, Inc. | Speckle and noise reduction in ultrasound images |
| WO2019014070A1 (en) | 2017-07-09 | 2019-01-17 | The Board Of Trustees Of The Leland Stanford Junior University | ULTRASOUND IMAGING COMPRISING A SPECTRAL COMPOSITION FOR TAVELURE REDUCTION |
| US20200008784A1 (en) | 2018-07-05 | 2020-01-09 | Hitachi, Ltd. | Ultrasonic imaging device and image processing device |
Non-Patent Citations (1)
| Title |
|---|
| IEEE Sensors Journal, Vol.18, No.8(2018.4.15.) |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20210115976A (ko) | 2021-09-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7831097B2 (en) | System and method for image reconstruction | |
| Ben Abdallah et al. | Adaptive noise-reducing anisotropic diffusion filter | |
| Raj et al. | Denoising of medical images using dual tree complex wavelet transform | |
| US8139891B2 (en) | System and method for structure enhancement and noise reduction in medical images | |
| KR102094599B1 (ko) | 뉴럴 네트워크를 이용한 내부 전산단층 촬영 영상 처리 방법 및 그 장치 | |
| US11035919B2 (en) | Image reconstruction using a colored noise model with magnetic resonance compressed sensing | |
| Dolui et al. | A new similarity measure for non-local means filtering of MRI images | |
| Salehi et al. | A novel hybrid filter for image despeckling based on improved adaptive wiener filter, bilateral filter and wavelet filter | |
| KR102470249B1 (ko) | 초음파 영상 내 잡음 제거 방법 및 장치 | |
| Sahu et al. | An application of deep dual convolutional neural network for enhanced medical image denoising | |
| Singh et al. | A homomorphic non-subsampled contourlet transform based ultrasound image despeckling by novel thresholding function and self-organizing map | |
| WO2021094471A1 (en) | Method and apparatus for contrast enhancement | |
| Chawla et al. | Hybrid filtering technique for image denoising using artificial neural network | |
| US20230133074A1 (en) | Method and Apparatus for Noise Reduction | |
| Hosseinian et al. | Assessment of restoration methods of X-ray images with emphasis on medical photogrammetric usage | |
| KR102237994B1 (ko) | Sar 영상 내 잡음 제거 방법 및 장치 | |
| Rela et al. | Efficient image enhancement techniques applied on medical imaging-A state-of-the art survey | |
| Benameur et al. | An homomorphic filtering and expectation maximization approach for the point spread function estimation in ultrasound imaging | |
| Rajpoot et al. | Discrete wavelet diffusion for image denoising | |
| Datta et al. | Denoising magnetic resonance images with Rician noise based on deep learning | |
| Raj et al. | Denoising of Poisson and Rician Noise from Medical Images using Variance Stabilization and Multiscale Transforms | |
| Saoji et al. | Speckle and rician noise removal from medical images and Ultrasound images | |
| Lo et al. | Wavelet-domain soft-thresholding for non-stationary noise | |
| Salehi | Image de-speckling based on the coefficient of variation, improved guided filter, and fast bilateral filter | |
| Souag | Speckle reduction in echocardiographic images |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |