专利名称：一种实时医学视频图像去噪方法
技术领域：
本发明提供一种医学视频图像去噪方法，尤其涉及一种实时医学视频图像去噪 方法。
背景技术：
医学视频图像序列由于采集源及曝光参数和剂量等要求往往会受到噪声的干 扰，使得画质下降。例如，医学超声视频图像中通常存在大量的斑点噪声，会给超声图 像质量带来明显的下降，并掩盖了某些重要组织的病变，这给医生的诊断和识别某些特 定的疾病带来了较大的困难，并且会有漏诊和误诊的风险。通常采用滤波的方法来抑制信号的高频部分，在滤去噪声的同时也会将有用 的边缘信息去除，例如邻域平均法、中值滤波法都会将图像中有临床意义的边缘和细 节会过平滑；由此，一些基于边缘保留的滤波算法得到迅速的发展，例如BM3D和 NonlocalMeans医学图像去噪方法，在医学图像后处理阶段提高医学图像质量提供了一个 巨大的空间。然而即使是像BM3D这样的方法也无法彻底清除较大的斑点噪音，通常这 些较大的斑点噪音会被算法当作纹理来增强，使得原有的图像细节丢失。视频图像的帧序列去噪方法基本可按空域，频域，小波域，时域等来进行划 分。然而，单纯的空域滤波器不仅会造成帧间图像的闪烁，而且会使图像的边缘细节被 过平滑。但对于医学视频图像来说，相邻帧的图像往往存在很强的相关性，这样就可以 利用的时间域相关性来清除噪音。近年来，在视频图像降噪方法研究和探索中，时域和 空域的联合降噪方法得到广泛的关注对时域和空域中滤波器结合方法的研究、滤波器 本身的研究以及对运动估计和补偿方法的研究成为医学图像增强技术研究的热点问题， 例如基于运动补偿方法和运动自适应的滤波方法已经在医学实时医学影像设备中得到广 泛的应用。在目前的医学视频降噪中，对降噪方法有两种分类方法第一种是按照时域和 空域上的滤波来划分，主要可以分为时域滤波、空域滤波和空时滤波，而空时域滤波又 可分为基于运动补偿的滤波和无运动补偿的滤波。基于空域的滤波器只利用了图像中像素点局部领域的相关性，滤波的实际效果 非常有限，在滤除噪声的时候模糊了边缘和纹理，而且在某些噪音点上会产生帧间闪 烁，虽然近几年基于Nonlocal方法的滤波器在噪音去除和边缘保持上有很好的效果，但 这些滤波器会过增强一些噪音区域，比如说大的斑点噪音。然而，对没有运动目标(相 机也处于静止状态)的视频序列来说，通过时域上的加权平均做滤波会取得理想的效果。基于运动补偿的去噪方法是把当前图像分为一定数量互不重叠的子块，在参考 前一帧图像情况下，搜索和当前图像块最相似的参考块，也被称作匹配块。实际上， 相邻帧之间的配准块具有很大相关性，在配准块上的噪声原则上可以通过平均加权来去 除。然而，现有的医学视频图像降噪算法大多数都是单独在空域或时域做滤波处理，或者做时域和空域滤波的简单融合，这样的处理容易出现块效应或运动组织边缘的模糊 化。
发明内容
本发明提供一种实时医学视频图像去噪方法，应用于实时获取或已存储的医学 视频图像序列，利用相邻两帧图像的高度相关性，对每一帧视频图像实施时空域的递归 的滤波处理，滤波窗口的大小可以根据噪音水平自适应地来调节。本发明结合时域的运 动补偿方法和空域上的降噪增强算法，针对图像当前像素点，应用运动补偿方法和形态 学算子检测运动区域、噪音区域和背景区域，在噪音区域中估计图像的整体噪音水平。本发明为解决上述技术问题所采用的技术方案为一种视频图像增强的处理方法，图像序列为，gl，…，gt,…，gn，其包括以下 步骤A.从图像存储区域中提取图像帧序列，g(x，t) =gt，t=l，…，η；令t=2， 对g(x，t-1)做Bilateral滤波处理，得到平滑图像& (x，t-1)
权利要求
1.一种实时医学视频图像去噪方法，特征在于，图像序列为，gl，…，gt,…，&， 其包括以下步骤A.从图像存储区域中提取图像帧序列，g(x，t)= gt, t=l，…，η;令t = 2，对 g(x, t-1)做Bilateral滤波处理，得到平滑图像gst(x，t-1)
2.根据权利要求1所述的一种实时医学视频图像去噪方法，其特征在于所述B步骤包 括以下步骤Bi.对当前帧图像g(x，t)，做窗口大小为W1XW1的平滑得到图像s(x，t)； B2.将原始图像g(x，t)和平滑图像s(x，t)相减估计出噪音图像η (X，t) =g(x,t) -S (χ, t)；B3.估计出的噪音图像η (x，t)的每个像素点χ，在以χ为中心的大小SwnXwn窗 口做标准方差估计，得到噪音水平估计值σ (χ，t)。
3.根据权利要求1所述的一种实时医学视频图像去噪方法，其特征在于所述C步骤包 括以下步骤Cl.估计图像的运动区域即 R= {x||g(x，t-l)"g(x, t)|>ftgl&|g(x，t+l)-g(x, t)| >ftgl}，用一个二值图像或Mask图像来表示为b(x，t) il, xgR [0, x^RC2.针对图像b(x，t)做Morphological的closing操作，得到一个运动目标区域增强的 图像bjx，t)，然后对bjx，t)图像做Connected Component Labeling数学形态学操作，得到N个连通的区域H= {R」i= 1，…，N},(前景区域即区域中的每个像素点满足b(x, t) = 1)；C3.对于任意一个连通区域R1,如果其面积小于某个预设的值TluA1则该区域设为噪 音区域；否则将该区域设为一个运动区域。C4.对任意一个运动区域R1,如果它的面积大于ftg2(>20)，则在其中找出前20个梯 度值最大的特征点，实施基于SAD (Sum of Absolute Difference 绝对差值和)运动检测； 否则，对R1中所有的点做基于SAD运动估计；C5.对每个像素点X，如果χ是运动点，计算g,(x，t) = |gst (χ+Δ χ, t-l)-g(x, t)|， 其中ΔΧ是像素点χ在t时刻的运动向量；否则§,&，t) = |gst(x, t-l)-g(x, t)|；C6.如果 χ 是运动目标种子点并且 |&(x，t-l)-g(x, t) I < |gst (χ+Δ χ, t-l)-g(x, t)|， 则可以将该点重置成背景点，即b(x，t) =0；
4.根据权利要求1所述的一种实时医学视频图像去噪方法，其特征在于所述D步骤包 括以下步骤Dl.基于步骤D检测到的噪音区域，估计一个全局的噪音水平ο ；D2.对计算图像g(x，t)的Sobel梯度图像，针对梯度图像做二值化的边缘检测，二 值化的阈值设为Th_A2= ο ，得到图像込&，t)，然后做图像做Connected Component Labeling操作，如果连通区域的面积大于某个预设的值Th_A3则该区域上的所有点为边缘占.D3.如果σ (χ，t) <5，滤波窗口大小为W_size(x，t) =3，否则如果是边缘点，其 滤波窗口大小为w_size(x，t) = 5,否则大小为w_size(x，t) = 7 ；D4.选择领域中的滤波点如果当前点不是边缘点，y也不是边缘点，y设为滤波候 选点，否则，将y从滤波候选点去除；如果当前点是边缘点，y也是边缘点，y设为滤波 候选点，否则，将y从滤波候选点去除。
5.根据权利要求1所述的一种实时医学视频图像去噪方法，其特征在于所述E步骤包 括以下步骤El.计算时空滤波器的融合系数首先计算当前像素点的运动强度或置信度
全文摘要
本发明提供一种实时医学视频图像去噪方法，应用于实时获取或已存储的医学视频图像序列，利用相邻两帧图像的高度相关性，对每一帧视频图像实施时空域的递归的滤波处理，滤波窗口的大小可以根据噪音水平自适应地来调节。本发明结合时域的运动补偿方法和空域上的降噪增强算法，针对图像当前像素点，应用运动补偿方法和形态学算子检测运动区域、噪音区域和背景区域，在噪音区域中估计图像的整体噪音水平。
文档编号G06T5/00GK102014240SQ20101056816
公开日2011年4月13日 申请日期2010年12月1日 优先权日2010年12月1日
发明者张羽, 徐漫涛, 潘梁亮, 陆汇海 申请人:深圳市蓝韵实业有限公司