KR20100040354A - Method for improving quality of 2-d ultrasound image - Google Patents
Method for improving quality of 2-d ultrasound image Download PDFInfo
- Publication number
- KR20100040354A KR20100040354A KR1020080099403A KR20080099403A KR20100040354A KR 20100040354 A KR20100040354 A KR 20100040354A KR 1020080099403 A KR1020080099403 A KR 1020080099403A KR 20080099403 A KR20080099403 A KR 20080099403A KR 20100040354 A KR20100040354 A KR 20100040354A
- Authority
- KR
- South Korea
- Prior art keywords
- direction vector
- pixel
- image
- tangential direction
- normal direction
- Prior art date
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H11/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties
Abstract
Description
본 발명은 초음파 영상의 화질 개선 방법에 관한 것으로, 보다 상세하게는 초음파 영상에 대하여 해상도가 다른 복수의 영상으로 분해하고 영상에 대한 필터링을 적용한 후 다시 합성함으로써, 초음파 영상 내의 스펙클 노이즈를 제거할 뿐만 아니라 대상체의 경계를 보전시키고 경계의 밝기 및 구조적 특징을 향상시키는 2차원 초음파 영상의 화질 개선 방법에 관한 것이다.The present invention relates to a method for improving the quality of an ultrasound image, and more particularly, to remove speckle noise in an ultrasound image by decomposing the ultrasound image into a plurality of images having different resolutions, applying filtering to the image, and then compositing again. In addition, the present invention relates to a method for improving image quality of a 2D ultrasound image to preserve the boundary of an object and to improve the brightness and structural features of the boundary.
근래에 들어 초음파를 이용한 진단장치가 일반 의료분야에서 널리 사용되고 있다. 초음파 영상 진단장치는 대상체에 초음파를 송신한 후, 대상체로부터 돌아오는 반사파를 검출하여 이로부터 얻어진 영상을 구성하여 제공하는 장치이다. 그러나 대상체로부터 돌아오는 초음파는 매질과 작은 생체조직 등에 의해 반사와 산란이 동시에 일어나게 된다. 이 때문에 생기는 노이즈를 스펙클 노이즈(speckle noise)라고 한다. Recently, a diagnostic apparatus using ultrasound has been widely used in the general medical field. The ultrasound imaging apparatus is a device that transmits an ultrasound to an object and then detects a reflected wave returning from the object to construct and provide an image obtained therefrom. However, the ultrasonic waves returned from the object are simultaneously reflected and scattered by the medium and the small living tissue. The noise generated due to this is called speckle noise.
영상을 정량적으로 분석하기 위해서는 양호한 상태의 화질을 얻는 것이 매우 중요하나, 실제 초음파 영상에는 스펙클 노이즈가 많이 포함되어 있거나, 영상의 일부분이 누락되는 등의 이유로 화질이 양호하지 못하다. 특히 화소 값의 밝기 변화가 균일한 영역(homogeneous region)에서 많이 발견되는 스펙클 노이즈는 시스템이 자동적으로 영상을 분석, 인식하는데 방해 요소로 작용한다.In order to quantitatively analyze an image, it is very important to obtain a good image quality. However, an actual ultrasound image may not have good image quality due to a large amount of speckle noise or a missing part of the image. In particular, speckle noise, which is often found in homogeneous regions of pixel values, is an obstacle for the system to automatically analyze and recognize an image.
따라서 초음파 영상을 이용하여 정확한 진단을 하기 위해서는 스펙클 잡음을 제거하거나 감소시키는 일이 필요하다.Therefore, in order to make an accurate diagnosis using an ultrasound image, it is necessary to remove or reduce speckle noise.
이러한 문제점을 해결하기 위하여 스펙클 노이즈를 제거하는 방법에 대한 연구가 진행되었는데, 그 대표적인 방법으로는 열 확산 모델을 응용한 방법이 있으며, 이는 각 픽셀들에 대해 영역을 구분하고, 그에 맞는 가우시안 필터링을 하는 것이다. 또 다른 방법은 웨이블릿(wavelet) 기반의 방법으로 각 대역별로 비선형 스레스홀드(threshold) 방법을 사용하여 노이즈를 제거하는 것이다.In order to solve this problem, researches on the method of removing speckle noise have been conducted. The representative method is a method of applying a heat diffusion model, which distinguishes an area for each pixel and applies Gaussian filtering accordingly. To do. Another method is a wavelet-based method that removes noise by using a nonlinear threshold method for each band.
전술한 내용은 본 발명의 배경기술의 이해를 위해서 기재한 것이며, 본 발명이 속하는 기술분야에서 널리 알려진 종래기술을 의미하는 것은 아니다.The foregoing has been described for the purpose of understanding the background of the invention, and does not imply prior art that is well known in the art.
기존의 방법에 의하면 스펙클 노이즈는 제거되지만 영상이 인공적인 느낌이 나서, 임상적으로는 유용하지 않았다. 또한 표시장치를 통하여 화상을 표시할 때 에, 기관 등의 경계 부분을 뚜렷하게 표시하지 못하는 문제점이 있었다. 따라서 이를 개선할 필요성이 요청된다.Existing methods remove speckle noise but the image feels artificial, which is not clinically useful. In addition, when displaying an image through a display device, there is a problem that the boundary portion of the engine or the like cannot be clearly displayed. Therefore, there is a need for improvement.
본 발명은 상기와 같은 필요성에 의해 창출된 것으로서, 초음파 영상에 대하여 해상도가 다른 복수의 영상으로 분해하고 영상에 대한 필터링을 적용한 후 다시 합성함으로써, 초음파 영상 내의 스펙클 노이즈를 제거할 뿐만 아니라, 대상체의 경계를 보전시키고 경계의 밝기 및 구조적 특징을 향상시키는 데 그 목적이 있다.The present invention has been created by the necessity as described above, by decomposing the ultrasound image into a plurality of images having different resolutions, applying filtering on the image, and then recombining the image to remove speckle noise in the ultrasound image, as well as the object. The purpose is to preserve the boundary of and improve the brightness and structural features of the boundary.
본 발명에 따른 2차원 초음파 영상의 화질 개선 방법은: 초음파 영상을 해상도가 다른 복수의 영상으로 분해하는 단계와; 분해된 복수의 영상에 대하여 각 픽셀 별로 구조 텐서를 구하고 구조 텐서에서 접선 방향 벡터 및 법선 방향 벡터를 추출하는 단계와; 각 픽셀에 대한 접선 방향 벡터 및 법선 방향 벡터의 차이를 매개로 하여 확산 필터링을 하는 단계; 및 확산 필터링된 영상을 다중 해상도에 의하여 합성하는 단계를 포함한다.According to an aspect of the present invention, there is provided a method of improving a quality of a two-dimensional ultrasound image, comprising: decomposing an ultrasound image into a plurality of images having different resolutions; Obtaining a structural tensor for each pixel of the plurality of decomposed images and extracting a tangential direction vector and a normal direction vector from the structural tensor; Performing diffusion filtering on the basis of the difference between the tangential direction vector and the normal direction vector for each pixel; And synthesizing the diffusion filtered image by multiple resolutions.
본 발명에서 초음파 영상을 해상도가 다른 복수의 영상으로 분해하는 단계는 해상도가 다른 복수의 영상으로 N 레벨 분해하는 단계이고; 분해된 복수의 영상에 대하여 각 픽셀 별로 구조 텐서를 구하고 구조 텐서에서 접선 방향 벡터 및 법선 방향 벡터를 추출하는 단계와, 각 픽셀에 대한 접선 방향 벡터 및 법선 방향 벡터의 차이를 매개로 하여 확산 필터링을 하는 단계, 및 확산 필터링된 영상을 다중 해상도에 의하여 합성하는 단계를 N번 반복하는 것을 특징으로 한다.In the present invention, the step of decomposing an ultrasound image into a plurality of images having different resolutions is a step of N level decomposition into a plurality of images having different resolutions; Obtaining a structural tensor for each pixel of the plurality of decomposed images, extracting a tangential vector and a normal direction vector from the structural tensor, and spreading filtering through the difference between the tangential vector and the normal vector for each pixel. And N steps of synthesizing the diffusion filtered image by multiple resolutions.
본 발명에서 N은 1 이상의 정수인 것을 특징으로 한다.In the present invention, N is an integer of 1 or more.
본 발명에서 초음파 영상을 해상도가 다른 복수의 영상으로 분해하는 단계는 웨이블릿 변환을 이용하는 단계 또는 라플라시안 피라미드 부호화 방법을 이용하는 단계 중 어느 하나인 것을 특징으로 한다.In the present invention, the step of decomposing an ultrasound image into a plurality of images having different resolutions may be any one of using a wavelet transform or using a Laplacian pyramid encoding method.
본 발명에서 분해된 복수의 영상에 대하여 각 픽셀 별로 구조 텐서를 구하고 구조 텐서에서 접선 방향 벡터 및 법선 방향 벡터를 추출하는 단계는 분해된 영상의 각 픽셀의 경사도(gradient)를 이용하여 구조 텐서를 구하는 단계; 구조 텐서에서 고유값과 고유벡터를 구하고 고유값과 고유벡터를 이용하여 접선 방향 벡터와 법선 방향 벡터를 얻는 단계; 및 접선 방향 벡터와 법선 방향 벡터의 차이로 픽셀의 특성을 구분하는 단계를 포함하는 것을 특징으로 한다.In the present invention, the step of obtaining the structural tensor for each pixel of the plurality of decomposed images and extracting the tangential direction vector and the normal direction vector from the structural tensor is performed to obtain the structural tensor using the gradient of each pixel of the decomposed image. step; Obtaining eigenvalues and eigenvectors from a structural tensor and obtaining tangential and normal directions vectors using the eigenvalues and eigenvectors; And dividing characteristics of the pixel by a difference between the tangential direction vector and the normal direction vector.
본 발명에서 접선 방향 벡터와 법선 방향 벡터의 차이로 픽셀의 특성을 구분하는 단계는 두 벡터 차이에 따라 픽셀의 특성을 동질 영역, 일관성 영역, 그리고 에지 및 구조 영역으로 구분하는 단계인 것을 특징으로 한다.In the present invention, the step of dividing the characteristic of the pixel by the difference between the tangential direction vector and the normal direction vector is characterized in that the characteristic of the pixel is divided into a homogeneous region, a coherent region, and an edge and a structure region according to the difference between the two vectors. .
본 발명에서 각 픽셀에 대한 접선 방향 벡터 및 법선 방향 벡터의 차이를 매개로 하여 확산 필터링을 하는 단계는 동질 영역, 일관성 영역, 그리고 에지 및 구조영역으로의 구분에 따라 각각 평활화 확산 필터링을 하는 단계, 일관성 확산 필터링을 하는 단계, 그리고 에지 강화 확산 필터링을 하는 단계인 것을 특징으로 한다.In the present invention, the step of performing diffusion filtering through the difference between the tangential direction vector and the normal direction vector for each pixel may include: performing smoothed diffusion filtering according to classification into homogeneous regions, coherent regions, and edge and structure regions, respectively. Performing coherent spread filtering, and edge enhanced spreading filtering.
본 발명에서 에지 강화 확산 필터링을 하는 단계는 에지 및 구조 영역에 대하여 고유값을 음으로 하는 것을 특징으로 한다.The edge enhanced diffusion filtering in the present invention is characterized by negative eigenvalues for edge and structure regions.
본 발명에서 각 픽셀에 대한 접선 방향 벡터 및 법선 방향 벡터의 차이를 매개로 하여 확산 필터링을 하는 단계는 다음의 수학식으로 표현되는 처리를 수행하는 것을 특징으로 한다.In the present invention, the step of performing diffusion filtering through the difference between the tangential direction vector and the normal direction vector for each pixel is characterized by performing a process represented by the following equation.
(수학식)(Mathematical formula)
It+1 = It + αD▽It I t + 1 = I t + α D ▽ I t
여기에서, It+1은 확산 필터링 후의 픽셀값, It는 확산 필터링 전의 픽셀값을 나타내고 D는 구조 텐서이며, α는 0.25를 사용한다. Here, I t + 1 denotes a pixel value after diffusion filtering, I t denotes a pixel value before diffusion filtering, D denotes a structural tensor, and α uses 0.25.
이상에서 설명한 바와 같이, 본 발명에 따른 2차원 초음파 영상의 화질 개선 방법을 이용하여, 초음파 영상에 대해 해상도가 다른 복수의 영상으로 분해하고 영상에 대한 필터링을 적용한 후 다시 합성함으로써 초음파 영상 내의 스펙클 노이즈를 제거할 수 있다.As described above, by using the method for improving the quality of a 2D ultrasound image according to the present invention, the speckle in the ultrasound image is decomposed into a plurality of images having different resolutions, the image is filtered, and then synthesized again. Noise can be removed.
또한 에지 및 구조 영역에 대하여 고유값을 음의 값으로 함으로써 대상체의 경계를 더욱 잘 보전시킬 뿐만 아니라 경계의 밝기 및 구조적인 특징을 향상시킬 수 있다.In addition, by making the eigenvalues negative for the edge and the structure region, not only the boundary of the object can be better maintained but also the brightness and structural characteristics of the boundary can be improved.
이하, 첨부된 도면들을 참조하여 본 발명에 따른 2차원 초음파 영상의 화질 개선 방법의 일 실시예를 설명한다. 이 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다. 또한 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로, 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.Hereinafter, an embodiment of a method of improving image quality of a 2D ultrasound image according to the present invention will be described with reference to the accompanying drawings. In this process, the thickness of the lines or the size of the components shown in the drawings may be exaggerated for clarity and convenience of description. In addition, terms to be described later are terms defined in consideration of functions in the present invention, which may vary according to the intention or convention of a user or an operator. Therefore, definitions of these terms should be made based on the contents throughout the specification.
도 1은 본 발명의 일 실시예에 따른 화질 개선 방법의 전체 과정을 도시한 흐름도이고, 도 2는 본 발명의 일 실시예에서 사용되는 표시장치에 표시되는 기관 등의 경계에서의 고유벡터를 도시한 도면이며, 도 3은 본 발명의 일 실시예에서 구조 텐서를 고유치 분해하여 얻은 고유벡터 v1 및 v2와 제 1 고유값 μ1 및μ2의 관계를 보이는 개략도이다.1 is a flowchart illustrating an overall process of an image quality improving method according to an embodiment of the present invention, and FIG. 2 is a eigenvector at a boundary of an engine or the like displayed on a display device used in an embodiment of the present invention. 3 is a schematic diagram showing a relationship between eigenvectors v 1 and v 2 obtained by eigenvalue decomposition of a structural tensor in an embodiment of the present invention and first eigenvalues μ 1 and μ 2 .
도 1에 도시된 바와 같이 본 발명의 일 실시예에 따른 방법은 초음파 입력 영상을 해상도가 다른 복수의 영상으로 분해하는 단계 1(S100), 분해된 각 영상에 대하여 픽셀별로 구조 텐서를 구하고 그 구조 텐서에서 접선 방향 벡터 및 법선 방향 벡터를 추출하는 단계 2(S110), 접선 방향 벡터 및 법선 방향 벡터의 차이를 매개로 하여 확산 필터링을 하는 단계3(S120), 및 필터링된 영상을 다중 해상도에 의하여 합성하는 단계 4(S130)를 포함한다.As shown in FIG. 1, the method according to an exemplary embodiment of the present invention may decompose an ultrasound input image into a plurality of images having different resolutions (S100), and obtain a structure tensor for each pixel for each of the decomposed images. Step 2 (S110) of extracting a tangential direction vector and a normal direction vector from the tensor, step 3 (S120) of performing diffusion filtering based on a difference between the tangential direction vector and the normal direction vector, and filtering the filtered image by multiple resolutions. Synthesizing step 4 (S130).
이를 상세히 설명하면 다음과 같다.This will be described in detail as follows.
단계 1(S100)에서는 초음파 입력 영상을 해상도가 다른 복수의 영상으로 분해한다. 다중 해상도에 의한 분해라고 하면, 임의의 영상 신호를 다중 해상도를 갖 는 복수의 영상으로 분해하여 분석하는 것을 말하며, 이러한 분해를 통해 입력 영상의 고주파 성분과 저주파 성분을 분해하여 얻을 수 있게 된다. 이러한 다중 해상도의 영상을 얻는 방법에는 웨이블릿 변환(wavelet transform), 라플라시안 피라미드(Laplacian Pyramid) 부호화 방법 등이 있다. 본 실시예에서는 다중 해상도의 영상을 얻기 위한 어떤 방법도 사용될 수 있으며, 또한 N 레벨로 분해가 행해질 수 있다. 여기에서 N은 1 이상의 임의의 정수이다.In operation S100, the ultrasound input image is decomposed into a plurality of images having different resolutions. Decomposition by multiple resolution refers to the decomposition and analysis of an arbitrary video signal into a plurality of images having multiple resolutions. The decomposition can obtain a high frequency component and a low frequency component of the input image. A method of obtaining such a multi-resolution image includes a wavelet transform and a Laplacian pyramid coding method. In this embodiment, any method for obtaining a multi-resolution image may be used, and decomposition may be performed at the N level. Where N is any integer of 1 or more.
일 실시예로 N 레벨 라플라시안 피라미드 부호화 방법을 이용하는 경우에 대하여 구체적으로 설명한다. 1 레벨 라플라시안 부호화 방법은 입력 영상에 대해 입력 영상의 2-2 크기의 저주파 성분의 영상과 고주파 성분의 영상을 얻는다. 2 레벨 라플라시안 부호화 방법은 입력 영상의 2-2 크기의 저주파 성분의 영상에 대해 입력 영상의 2-4 크기의 저주파 성분의 영상과 고주파 성분의 영상을 얻는다. 이런 과정을 N번 반복하는 것이 N 레벨 라플라시안 부호화이다. 그러므로 N 레벨 라플라시안 부호화를 통해 입력 영상의 2-2N 크기의 저주파 성분의 영상과 그 이외의 복수의 고주파 성분의 영상을 얻는다.As an embodiment, a case of using the N-level Laplacian pyramid coding method will be described in detail. The one-level Laplacian encoding method obtains a low frequency component image and a high frequency component image having a size of 2 -2 from the input image. Second level Laplacian encoding method obtains an image of the input image size 2-2 2-4 Size low-frequency component of the low frequency component of the input image for the image of the image of the high-frequency component. Repeating this process N times is N level Laplacian coding. Therefore, an N-level Laplacian encoding obtains a low frequency component of 2-2N size of the input image and a plurality of high frequency components.
단계 2(S110)에서는 상기 단계 1(S110)에서 분해된 각 영상에 대하여 픽셀 별로, 구조 텐서를 구하고 그 구조 텐서에서 접선 방향 벡터 및 법선 방향 벡터를 추출한다.In step 2 (S110), a structural tensor is obtained for each pixel decomposed in step 1 (S110), and a tangential direction vector and a normal direction vector are extracted from the structural tensor.
초음파 영상신호로부터 각 화소의 밝기 값을 추출하고, 2차원 초음파 영상의 위치에 따른 밝기의 변화도 즉, 그라디언트(gradient) ▽I를 다음의 수학식 1에 따라 구한다.The brightness value of each pixel is extracted from the ultrasound image signal, and the change in brightness according to the position of the 2D ultrasound image, that is, the gradient ▽ I, is obtained according to Equation 1 below.
ρ(ρ>0 ) 크기의 분산을 갖는 가우시안 필터 Kρ를 형성하고, 본 기술분야에서 사용되는 선형 대수법에 의하여, 각각의 레벨의 저주파 영상에 대하여 소정의 범위의 픽셀(예를 들어, 5ㅧ5 또는 10ㅧ10 등)에서 좌우 그리고 상하로 변화된 정도를 이용하여 (Ix Iy)T 로부터 다음의 수학식 2와 같이 평활화(smoothing)를 위해 가우시안 필터 Kρ가 적용된 구조 텐서(structure tensor) D를 구한다.A Gaussian filter K ρ having a dispersion of size ρ (ρ> 0) is formed, and by a linear algebra used in the art, a predetermined range of pixels (e.g., 5) for low-frequency images of each level Structure tensor with Gaussian filter K ρ applied for smoothing from (I x I y ) T to the following equation (2) ) Find D.
수학식 2의 텐서에서 고유값(eigenvalue)과 고유벡터(eigenvector)를 구하고, 이 고유값과 고유벡터를 이용하여 각 픽셀에서의 접선 방향 벡터와 법선 방향 벡터를 얻는다. An eigenvalue and an eigenvector are obtained from the tensor of Equation 2, and the tangential direction vector and the normal direction vector at each pixel are obtained using the eigenvalue and the eigenvector.
접선 방향 벡터와 법선 방향 벡터의 크기의 차이를 매개로 하여 별도로 입력 받은 임계값 1 및 임계값 2를 이용하여 각 픽셀의 특성을 구분한다. 두 벡터의 크기의 차이가 크다는 것은 한쪽 방향으로의 벡터 성분이 큰 것이며, 한쪽 방향으로의 방향성이 크다는 것이므로 표시하고자 하는 대상체의 경계에 해당하게 된다. 이와 반대로, 두 벡터의 크기의 차이가 작으면 어느 방향으로도 방향성이 존재하지 않는 것을 의미한다. 스펙클의 경우에는 어느 방향으로든 큰 벡터로 표현되므로 두 고유벡터의 크기의 차이가 작으며, 또한 평탄한 영역에 대해서는 어느 방향으로도 작은 벡터로 표현되므로 마찬가지로 두 고유벡터의 크기의 차이는 작다.The characteristics of each pixel are distinguished by using the threshold 1 and the threshold 2 separately input by the difference between the magnitude of the tangential direction vector and the normal direction vector. A large difference in the magnitude of the two vectors corresponds to a vector component in one direction and a large direction in one direction, and thus corresponds to a boundary of an object to be displayed. On the contrary, a small difference in the magnitude of the two vectors means that there is no directionality in any direction. In the case of speckle, the difference in the magnitude of the two eigenvectors is small because it is represented by a large vector in any direction. Also, the difference in the magnitude of the two eigenvectors is small because the size of the speckle is represented by the small vector in any direction.
두 벡터(접선 방향 벡터 및 법선 방향 벡터) 차이값에 대하여 임계값 1 이하의 값을 갖는 부분은 동질 영역, 임계값 1과 임계값 2 사이의 값을 갖는 부분은 일관성 영역, 임계값 2 이상의 값을 갖는 부분은 에지 및 구조 영역으로 부른다.For a difference between two vectors (tangential and normal), the part having a value less than or equal to the threshold 1 is the homogeneous region, and the part having a value between the threshold 1 and the threshold 2 is the consistency region, and the value is greater than or equal to the threshold 2. The part having is called the edge and the structure area.
단계 3(S120)에서는 접선 방향 벡터 및 법선 방향 벡터의 차이를 매개로 하여 평활화 확산 필터링, 일관성 확산 필터링, 그리고 에지 강화 확산 필터링을 한다.In step 3 (S120), smoothed spreading filtering, coherent spreading filtering, and edge-enhanced spreading filtering are performed through the difference between the tangential direction vector and the normal direction vector.
수학식 2의 텐서 D는 확산 필터링을 위한 매개로 사용될 수 있다. 또한 수학식 3과 같이 고유치 분해되어 텐서 D가 갖는 2차원 물리적 성질을 변형 시킬 수 있다.Tensor D of Equation 2 may be used as a medium for spreading filtering. In addition, the eigenvalue decomposition as shown in Equation 3 may modify the two-dimensional physical properties of the tensor D.
수학식 3에서 v1은 그라디언트가 가장 빠르게 변화하는 방향을 나타내는 벡터이고, v2는 v1에 직교하는 대상체의 경계 방향을 나타내는 벡터이다. 제 1 고유값 μ1 및μ2는 각각 v1 및 v2의 크기를 나타내는 스칼라 값이다. In Equation 3, v 1 is a vector representing a direction in which the gradient changes fastest, and v 2 is a vector representing a boundary direction of an object orthogonal to v 1 . The first eigenvalues μ 1 and μ 2 are scalar values representing the magnitudes of v 1 and v 2 , respectively.
도 3은 구조 텐서를 고유치 분해하여 얻은 고유벡터 v1 및 v2와 제 1 고유값 μ1 및μ2의 관계를 보인다. 3 shows the relationship between the eigenvectors v 1 and v 2 obtained by eigenvalue decomposition of the structural tensor and the first eigenvalues μ 1 and μ 2 .
수학식 3의 μ1 및μ2를 변경함으로써 확산 필터링의 결과를 변형시킬 수 있다. By modifying μ 1 and μ 2 in Equation 3, the result of the diffusion filtering can be modified.
동질 영역에 대하여는 μ1 및μ2는 동일한 값(예를 들어, 1.0)을 갖게 하고, 일관성 영역에 대하여는 접선 방향에 대한 크기 μ1 의 값을μ2의 값보다 크도록 변경한다. 에지 및 구조 영역에 대하여는 μ1의 값을 크게 변경하고(일반적으로 1.0), μ2의 값은 음의 값을 취하여 확산 필터링을 한다.For homogeneous regions, μ 1 and μ 2 have the same value (eg 1.0), and for coherent regions the value of size μ 1 in the tangential direction is changed to be larger than the value of μ 2 . For edge and structure regions, the value of μ 1 is greatly changed (typically 1.0), and the value of μ 2 is negatively filtered for diffusion filtering.
에지 및 구조 영역에 대하여 μ2의 값을 음의 값으로 함으로써 경계를 더욱 잘 보전시킬 수 있고 경계의 밝기 및 구조적 특징을 향상시킬 수 있게 된다.Negative values of μ 2 for the edge and structure regions can help preserve the boundary better and improve the brightness and structural features of the boundary.
수학식 4는 구조 텐서 D를 이용하여 확산 필터링 하는 수식이다. Equation 4 is a formula for diffusion filtering using a structural tensor D.
여기에서, It+1은 확산 필터링 후의 픽셀값, It는 확산 필터링 전의 픽셀값을 나타내고 I0는 원본 영상이다. 또한 D는 구조 텐서이고, α는 일반적으로 0.25를 사용한다. Here, I t + 1 denotes a pixel value after diffusion filtering, I t denotes a pixel value before diffusion filtering, and I 0 is an original image. D is a structural tensor and α generally uses 0.25.
영역마다 수학식 4를 통해 확산 필터링하면 동질 영역에서는 평활화를, 일관성 영역에서는 방향성 평활화를, 에지 및 구조 영역에서는 에지 및 구조 향상을 하는 효과를 얻게 된다.For each region, diffusion filtering through Equation 4 provides smoothing in the homogeneous region, directional smoothing in the consistent region, and edge and structure enhancement in the edge and structure regions.
단계 2(S110)와 단계 3(S120)에 의하여, 단계 1(S100)에서 분해된 영상의 경계가 뚜렷해지고, 스펙클 노이즈가 줄어든 저해상도 영상이 얻어진다. By the step 2 (S110) and the step 3 (S120), the boundary of the image decomposed in the step 1 (S100) becomes clear, and a low resolution image with reduced speckle noise is obtained.
단계 4(S130)에서는 단계 2(S110)와 단계 3(S120)을 거치면서 화질이 개선된 저해상도 영상에 대하여 1 레벨의 합성을 행한다. In step 4 (S130), one level of synthesis is performed on low-resolution images having improved image quality through steps 2 (S110) and 3 (S120).
예를 들어, 단계 1(S100)에서 N 레벨의 웨이블릿 변환을 한 경우에는, 1 레벨 웨이블릿 역변환을 통해 2배의 크기의 영상이 복원된다.For example, in the case where the N level wavelet transform is performed in step 1 (S100), an image of twice the size is reconstructed through the 1 level wavelet inverse transform.
단계 4(S130)에서는 합성된 영상이 입력 영상과 같은 크기가 될 때까지 단계 2 내지 단계 4(S110-S130)를 반복한다. 단계 1(S100)에서 N 레벨로 분해를 한 경우에는 단계 2 내지 단계 4(S110-S130)가 N회 반복된다.In step 4 (S130), steps 2 to 4 (S110-S130) are repeated until the synthesized image is the same size as the input image. When the decomposition is performed at the N level in step 1 (S100), steps 2 to 4 (S110-S130) are repeated N times.
이와 같이 초음파 영상의 확산 필터링을 통해 입력 영상의 경계를 보다 뚜렷하게 나타내고, 스펙클 노이즈를 제거하여 화질을 개선시킬 수 있다.As such, the boundary of the input image may be more clearly displayed through diffusion filtering of the ultrasound image, and the image quality may be improved by removing speckle noise.
본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나, 이는 예시적인 것에 불과하며, 당해 기술이 속하는 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 기술적 보호범위는 아래의 특허청구범위에 의해서 정하여져야 할 것이다.Although the present invention has been described with reference to the embodiments shown in the drawings, this is merely exemplary, and those skilled in the art to which the art belongs can make various modifications and other equivalent embodiments therefrom. I will understand. Therefore, the technical protection scope of the present invention will be defined by the claims below.
도 1은 본 발명의 일 실시예에 따른 화질 개선 방법의 전체 과정을 도시한 흐름도이다.1 is a flowchart illustrating an entire process of a method for improving image quality according to an embodiment of the present invention.
도 2는 본 발명의 일 실시예에서 사용되는 표시장치에 표시되는 기관 등의 경계에서의 고유벡터를 도시한 도면이다.FIG. 2 is a diagram showing eigenvectors at the boundary of an engine or the like displayed on a display device used in an embodiment of the present invention.
도 3은 본 발명의 일 실시예에서 구조 텐서를 고유치 분해하여 얻은 고유벡터 v1 및 v2와 제 1 고유값 μ1 및μ2의 관계를 보이는 개략도이다.Figure 3 is a schematic diagram showing the relationship between the eigenvectors v 1 and v 2 and the first eigen value μ 1 and μ 2 obtained by eigenvalue decomposition of the structural tensor in one embodiment of the present invention.
- 도면의 주요 부분에 대한 부호의 설명 --Explanation of symbols for the main parts of the drawing-
21 : 경계 22, 23 : 법선 방향 벡터21:
24, 25 : 접선 방향 벡터 301 : 타원24, 25: tangential direction vector 301: ellipse
Claims (9)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020080099403A KR101604800B1 (en) | 2008-10-10 | 2008-10-10 | Method for improving quality of 2-d ultrasound image |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020080099403A KR101604800B1 (en) | 2008-10-10 | 2008-10-10 | Method for improving quality of 2-d ultrasound image |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20100040354A true KR20100040354A (en) | 2010-04-20 |
| KR101604800B1 KR101604800B1 (en) | 2016-03-18 |
Family
ID=42216451
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020080099403A KR101604800B1 (en) | 2008-10-10 | 2008-10-10 | Method for improving quality of 2-d ultrasound image |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101604800B1 (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101533968B1 (en) * | 2014-02-14 | 2015-07-06 | 서강대학교산학협력단 | Picture quality improvement method and system of ultrasonic medical image based on multiscale |
| CN114782283A (en) * | 2022-06-16 | 2022-07-22 | 深圳华声医疗技术股份有限公司 | Ultrasonic image enhancement method and device, ultrasonic equipment and storage medium |
| CN116196034A (en) * | 2023-05-04 | 2023-06-02 | 北京易优联科技有限公司 | Ultrasonic imaging method and system |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100646715B1 (en) | 2004-10-18 | 2006-11-23 | 한국과학기술원 | Method for improving a quality of a 2-d ultrasound image by post-processing |
-
2008
- 2008-10-10 KR KR1020080099403A patent/KR101604800B1/en active IP Right Grant
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101533968B1 (en) * | 2014-02-14 | 2015-07-06 | 서강대학교산학협력단 | Picture quality improvement method and system of ultrasonic medical image based on multiscale |
| CN114782283A (en) * | 2022-06-16 | 2022-07-22 | 深圳华声医疗技术股份有限公司 | Ultrasonic image enhancement method and device, ultrasonic equipment and storage medium |
| CN114782283B (en) * | 2022-06-16 | 2022-09-02 | 深圳华声医疗技术股份有限公司 | Ultrasonic image enhancement method and device, ultrasonic equipment and storage medium |
| CN116196034A (en) * | 2023-05-04 | 2023-06-02 | 北京易优联科技有限公司 | Ultrasonic imaging method and system |
| CN116196034B (en) * | 2023-05-04 | 2023-08-18 | 北京易优联科技有限公司 | Ultrasonic imaging method and system |
Also Published As
| Publication number | Publication date |
|---|---|
| KR101604800B1 (en) | 2016-03-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR100646715B1 (en) | Method for improving a quality of a 2-d ultrasound image by post-processing | |
| Naimi et al. | Medical image denoising using dual tree complex thresholding wavelet transform and Wiener filter | |
| Wu et al. | Evaluation of various speckle reduction filters on medical ultrasound images | |
| Kang et al. | A new feature-enhanced speckle reduction method based on multiscale analysis for ultrasound b-mode imaging | |
| JP5851301B2 (en) | Image processing apparatus, image processing method, and magnetic resonance imaging apparatus | |
| Morin et al. | Semi-blind deconvolution for resolution enhancement in ultrasound imaging | |
| Morin et al. | Alternating direction method of multipliers framework for super-resolution in ultrasound imaging | |
| Dolui et al. | A new similarity measure for non-local means filtering of MRI images | |
| CN109003232B (en) | Medical MRI image denoising method based on frequency domain scale smoothing Shearlet | |
| US8774480B2 (en) | Medical image enhancement technique based on image transform resonance | |
| Gupta et al. | Despeckling of ultrasound medical images using nonlinear adaptive anisotropic diffusion in nonsubsampled shearlet domain | |
| KR20080044737A (en) | Method for processing an ultrasound image | |
| US20160324505A1 (en) | Ultrasonic diagnostic device | |
| Rawat et al. | Wavelet and total variation based method using adaptive regularization for speckle noise reduction in ultrasound images | |
| KR100760251B1 (en) | Ultrasound image processing system and method | |
| Sahli et al. | Analytic approach for fetal head biometric measurements based on log gabor features | |
| Raj et al. | Denoising of magnetic resonance and x-ray images using variance stabilization and patch based algorithms | |
| Yu et al. | A multiplicative Nakagami speckle reduction algorithm for ultrasound images | |
| KR20100040354A (en) | Method for improving quality of 2-d ultrasound image | |
| Vijikala et al. | Identification of most preferential denoising method for mammogram images | |
| Garg et al. | Speckle noise reduction in medical ultrasound images using coefficient of dispersion | |
| KR100778823B1 (en) | Ultrasound image processing system and method | |
| Jabbar et al. | High dimensional Bio medical images denoising using wavelet transform and modified bilateral filter | |
| Angelini et al. | Harmonic multiresolution estimators for denoising and regularization of SPECT-PET data | |
| Kalavathi et al. | Noise removal in MR brain images using 2D wavelet based bivariate shrinkage method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| FPAY | Annual fee payment |
Payment date: 20190304 Year of fee payment: 4 |