基于小波变换和快速双边滤波的医学超声图像去噪方法
【专利摘要】基于小波变换和快速双边滤波的医学超声图像去噪方法，包括以下步骤：步骤1)医学超声图像模型的建立；步骤2)对第一步得到的对数变换后的图像进行小波分解，得到四个频域(LL1、LH1、HL1和HH1)；对低频域LL1继续进行小波分解，再得到四个频域(LL2、LH2、HL2和HH2)；然后重复这个步骤，直到分解最大层数J；步骤3)对最后一层的低频部分(LLJ)进行快速双边滤波处理；步骤4)对每一层的高频部分(LHj、HLj和HHj，j＝1,2,...,J)的小波系数进行阈值法收缩处理；步骤5)作小波逆变换处理，得到去噪后的医学超声图像；如果要得到去噪后的超声包络信号，对第5步得到的超声图像作指数变换即可。
【专利说明】基于小波变换和快速双边滤波的医学超声图像去噪方法
【技术领域】
[0001] 本发明应用于医学图像去噪领域，设计一种适用于医学超声图像的基于小波变换 和快速双边滤波的去噪方法。
【背景技术】
[0002] 在医学成像领域，超声成像、CT、MRI等成像技术已应用于医学临床诊断中。由于 超声成像技术具有无创、无放射性损害、快捷方便等特性，因此超声成像技术相对于其他成 像技术更加安全。尤其在观察孕妇体内胎儿成长状况与诊断腹部器官病变等临床应用中， 超声成像技术的使用更为重要。
[0003] 根据美国癌症协会在2013年给出了一份女性患乳腺癌的统计数据，在过去的一 年里，美国妇女中共有232340例新的浸润性乳腺癌病例和39620人死于乳腺癌。对于人 体的乳腺以及腹部的其他器官进行检测的主要技术为超声成像技术，即通常所说的B超图 像。因此提高医学超声图像质量，为医生提供更加清晰无噪声的图像具有非常重要的意义。
[0004] 由于超声成像机理的限制，斑点噪声的存在严重影响了超声图像的质量，导致了 超声图像质量较差。斑点噪声的产生是由于超声成像中的基本分辨单元内存在大量的随机 散射现象，在图像上表现为空间域内相关的形状各异的小斑点，它将掩盖那些灰度差别很 小的图像特征。对于临床医生而言，斑点噪声对他们的准确诊断造成了很大的干扰，特别是 对于经验不是很丰富的医生造成的影响更大。因此，从临床应用的角度出发，需要研究去除 斑点噪声的算法，为医生做出更准确的诊断提供技术支持，降低人工诊断的风险。
[0005] 由于医院资源的局限性，特别是医生每天进行人工诊断病人的数量无法满足社会 整个阶层的需求，即面临着病人多医生少情况。因此，各种自动诊断仪器的需求越来越大， 自动诊断仪器的出现，一方面可以节约医生资源，另一方面可以方便更多的病人进行诊断。 随着当今社会经济的飞跃发展，人们自身健康情况却不容乐观，所以人们对家用型医疗自 动诊断仪器的需求也非常大，例如家用超声图像自动诊断仪等。但是超声图像自动诊断仪 同样面临着图像质量不高的问题，并且自动诊断仪需要对超声图像做后期的智能分析，如 特征提取、边缘检测和图像分类识别等。因此，从自动化诊断技术的角度出发，需要研究去 除斑点噪声的方法，为图像的后期智能处理提供技术保障，促进自动诊断技术的发展。
[0006] 综上所述，研究医学超声图像去噪方法具有非常重要的意义：
[0007] (1)提高医学超声图像的质量，改善视觉效果；
[0008] (2)方便医生更加准确地针对病灶区域做出判断，降低辅助诊断的风险；
[0009] (3)促进超声图像自动化诊断技术的发展，具有不可估量的价值。
[0010] 超声成像原理介绍。超声波是频率高于20K赫兹的声波，即超越了人类的听觉上 限，它具有很好的方向性和很强的穿透力。医学超声成像技术就是通过超声波信号作为载 体，利用电子科学、信号处理等技术对人体内部反射回来的声波信号进行提取，然后作成像 处理[。超声诊断技术的实现，主要是利用超声波信号的反射原理，因为超声波信号具有很 好的方向性，与光相似的反射、散射、衰减及多普勒效应等物理特性。通过探头将超声波信 号发射到体内，超声波信号会在各种组织内传播，并且不同组织的声抗是有差异的，超声波 信号在各种组织的表面发生反射和散射，然后再通过探头接收回声信号，经过一些信号增 强处理，最后得到具体的超声图像。由于各种组织的表面形态和对超声的阻抗不同，再结合 病理知识和临床医学经验，可对病人患病的空间位置、性质或病变程度等做出更加准确的 诊断。目前B超图像诊断技术是国内临床上使用量最多的技术。
[0011] B超成像的基本原理是超声脉冲回声检测原理。为了显示回波信号的强弱，B超成 像采用亮度调制方式来显示，即检测到的回波信号越强，B超图像的亮度越大；检测到的回 波信号越弱，B超图像的亮度越暗。
[0012] B超仪器主要由探头、主控电路、发射电路、接收电路、信号处理电路和显示器等6 部分组成。B超成像基本原理简易示意图，如图1所示。
[0013] B超成像的基本过程为：主控电路控制发射电路，发射电路产生激励脉冲，当探头 获得这种激励脉冲后，由探头内部的电路系统产生超声波，并将超声波信号发射到人体内， 然后经过一段延迟时间，探头再接收由人体反射回来的声波信号（回波信号），回波信号再 经过接收电路、信号处理电路等一系列的滤波、模数转换等信号处理，最终以二维图像的形 式显示在终端显示器上。
[0014] 由于抑制斑点噪声具有非常重要的意义，众多科研工作者在此问题上投入了大量 的精力。近几十年来出现的医学超声图像去噪方法，可以简单分为5种类型：自适应去噪方 法、各向异性扩散去噪方法、非局部均值去噪方法、小波变换去噪方法和混合型去噪方法。 通过实验虽然自适应滤波方法的复杂度低，但是往往会模糊图像的细节部分，对于斑点噪 声的抑制效果不是很理想。各向异性扩散去噪方法，具有很强的去噪能力，但是结果可能会 出现过度平滑的现象。非局部去噪算法对于斑点噪声的抑制效果比较理想，但是这类去噪 方法的复杂度较高，不易满足医学超声成像系统的实时性要求，往往用于医学超声图像的 后期去噪处理。
【发明内容】
[0015] 本发明要克服现有技术的上述缺点，结合斑点噪声的模型的特点和医学超声图像 的处理需求，提出了一种基于小波变换和快速双边滤波的医学超声图像去噪方法。
[0016] 小波变换具有时频分析和多尺度分析等优越性，其已在图像处理领域得到了广泛 的应用。在处理加性噪声问题时，小波的去噪效果较好，能够满足一般产品需求。然而，仅 仅利用小波变换的去噪方法对医学超声图像中斑点噪声的抑制效果不好。对于快速双边 滤波器，它在处理图像噪声时，一方面具有很强的去噪能力，另一方面能够保持图像边缘细 节。同时由于传统的双边滤波器在去噪的过程中其效率较低，运行时间将会很长，难以用于 实时系统。随着图像的分辨率越来越大，这在很大的程度上限制了双边滤波的应用空间，如 何实现快速双边滤波，减少计算时间具有重要的意义。因此本发明利用快速双边滤波器替 换掉传统的双边滤波器，能在不弱化去噪效果的基础上大大缩短运行时间。因此，本发明将 结合小波去噪和快速双边滤波的优点。具体思路如下，在传统的小波去噪方法的基础之上， 根据小波域内超声图像及斑点噪声的统计特性，改进了小波阈值收缩方法，能够更有效地 去除高频部分的斑点噪声。由于医学超声图像在小波域内的低频部分依然存在斑点噪声， 因此使用去噪效果较好并且运行时间较短的快速双边滤波器，在抑制低频域内噪声的同时 能够保留低频域内的图像边缘信息。
[0017] 本发明的基于小波变换和快速双边滤波的医学超声图像去噪方法，包括以下步 骤：
[0018] 步骤1)医学超声图像模型的建立；
[0019] 将超声成像系统采集的包络信号分为两部分，一是有意义的体内组织的反射信 号，另一部分是噪声信号；其中噪声信号可分为相乘噪声与相加噪声；相乘噪声与超声信 号成像的原理有关，主要来源于随机的散射信号；相加噪声认为是系统噪声；超声成像系 统初步得到的包络信号为-般模型如下：
[0020] fpre = gprenpre+wpre ⑴
[0021] 这里，上标表示系统初步得到的信号；函数gpM表示无噪声信号，npM和W pre分 别表不相乘噪声和相加噪声，式中ηρΜ是噪声的主要成分；
[0022] 和相乘噪声ηρΜ相比，相加噪声Wpre所占比重很小，因此将W pre忽略后的模型为
[0023] fpre = gprenpre (2)
[0024] 为了适应超声成像系统显示屏幕的动态显示范围，对超声成像系统采集到的包络 信号进行对数压缩处理；此时相乘的式（2)模型将变为相加的模型，如下
[0025] log(fpre) = log(gpre)+log(npre) (3)
[0026] 得到的信号log(fp，即是通常看到的医学超声图像；
[0027] 步骤2)对第一步得到的对数变换后的图像进行小波分解，得到四个频域（LL1、 LtfdL 1和HH1);对低频域LL1继续进行小波分解，再得到四个频域（LL2、LH 2、HL2和HH2);然 后重复这个步骤，直到分解最大层数J ;
[0028] 由于小波变换是线性变换，因此式（3)模型经过二维离散小波变换后得到下面模 刑.
【权利要求】
1.基于小波变换和快速双边滤波的医学超声图像去噪方法，包括以下步骤： 步骤1)医学超声图像模型的建立； 将超声成像系统采集的包络信号分为两部分，一是有意义的体内组织的反射信号，另 一部分是噪声信号；其中噪声信号可分为相乘噪声与相加噪声；相乘噪声与超声信号成像 的原理有关，主要来源于随机的散射信号；相加噪声认为是系统噪声；超声成像系统初步 得到的包络信号为fp'-般模型如下： fpre = gprenpre+wpre ⑴ 这里，上标表示系统初步得到的信号；函数gpM表示无噪声信号，npM和Wpm分别表 不相乘噪声和相加噪声，式中ηρΜ是噪声的主要成分； 和相乘噪声riPM相比，相加噪声Wpm所占比重很小，因此将Wpm忽略后的模型为 fpre=gprenpre (2) 为了适应超声成像系统显示屏幕的动态显示范围，对超声成像系统采集到的包络信号 进行对数压缩处理；此时相乘的式（2)模型将变为相加的模型，如下 log(fpre) =log(gpre)+log(npre) (3) 得到的信号l〇g(fPM)即是通常看到的医学超声图像； 步骤2)对第一步得到的对数变换后的图像进行小波分解，得到四个频域（LL1atfiL1 和HH1);对低频域LL1继续进行小波分解，再得到四个频域（LL2、LH2、HL2和HH2);然后重复 这个步骤，直到分解最大层数J; 由于小波变换是线性变换，因此式（3)模型经过二维离散小波变换后得到下面模型： (tog(/n) =r;:u丨Ogfe7w))+(丨Og(，广')) (4) 其中以a〇g(/pre))、町(i〇gfePK))和(i〇g(，))分别表示含有噪声图像的小波系 数、无噪声图像的小波系数和斑点噪声的小波系数；其中上标j为小波变换的分解层数，下 标（l，k)为小波域内的坐标；为了方便表示，将式（4)简化为 FL=Gli +N[k (5) 对于离散的二维图像f(n，m)，对其进行二维小波分解的步骤为：首先对图像的每一行 像素进行一维离散小波分解，然后对再图像的每一列进行一维离散小波分解，将一幅图像 分解为四个子频带信号；另外二维小波的重构可以按照相反的顺序就可以得到； 分析子频带分量，即相应的小波分解系数；LLO为原始信号，图像的信息都集中在这 里；每次小波分解都会得到四个子频带，对LLO进行一级小波分解后得到LL1、LH1、HLl和 HHl四个子频带； LLl分量是对原始信号LLO的列和行进行小波分解后得到的低频分量，即一级小波分 解后近似部分，它包含了原始图像最多的低频信息； LHl是一次小波分解后的垂直方向上的高频分量，即它包含了图像水平方向上的近似 /[目息和垂直方向上的边缘等商频?目息； HLl是一次小波分解后的水平方向上的高频分量，即它包含了图像垂直方向上的近似 息和水平方向上的边缘等1?频息； HHl是一次小波分解后对角方向上的高频分量，即它包含了图像水平和垂直方向上的 边缘等1?频信息； 经过小波分解后的无噪信号的小波系数(?服从广义拉普拉斯分布，其概率分布如下
式中，Γ(α) = |;Z++1exp(-i)￡fa是伽马函数，V为形状参数，s为尺度参数，u为位置参数； 当V= 1，u=O时，式（6)将变为拉普拉斯分布，它是广义拉普拉斯分布的特殊模型； 同时斑点噪声的小波系数Mit服从零均值高斯分布
式中σN为小波域内噪声的标准差； 步骤3)对最后一层的低频部分（LI/)进行快速双边滤波处理； 选择快速双边滤波器对低频域内的小波系数作滤波处理；快速双边滤波器又称增维型 双边滤波器，以图像的二维坐标再加上各坐标上像素点的灰度值作为三维空间，形成三维 高斯核函数与三维图像函数的线性卷积，对应于频域上相乘，其结果进行傅里叶反变换，这 样将把繁琐的逐点计算转换成快速傅里叶变换计算； 快速双边滤波器的结构如下
(τ2 - Kx V) 5 , ，-代表输入图像I增 O5ZΦ/(x,_v) ΓI^ ~ J( X 维后得到的三维图像矩阵，M(UJ)=J" 1+ 4代表三维权值矩阵；interp是插值函 [O5ZTiZ(X5F) 数；G是线性化后的空间邻近度因子&和灰度相似度因子4的乘积，即高斯核函数；?代表 矩阵的线性卷积；Ss和\分别代表空间域采样率和灰度域采样率； 将快速双边滤波器表征为增维矩阵与增维核函数的线性卷积，分别对三维矩阵IX和EX进行三维高斯滤波，再将两个滤波结果进行线性内插后还原为二维矩阵Π、ΕΥ，Π对EY 逐点相除得到复原图像BI;其过程简化为：先插值后点除，保证了EY矩阵元素里不会存在 接近零的数值，能很好地恢复图像；在三维空间里采样、卷积计算、插值等的数值求解实现 了几个数量级的加速； 步骤4)对每一层的高频部分（Ltf、HU_和Htf，j= 1，2,. . .，J)的小波系数进行阈值法 收缩处理； 在小波去噪方法中，阈值函数的选择会直接影响到最终的图像去噪结果；当阈值选择 较小时，一部分大于该阈值的噪声系数会被当作有用信号保留下来，这就导致去噪后的图 像依然存在大量噪声；当阈值选择较大时，会将很多系数很小的有用信息当作噪声而置零， 这将使得去噪后的图像变得很平滑，损失很多细节信息；因此选择恰当的小波阈值函数非 常重要；Donoho等人设计了一个通用的小波收缩阈值函数，ΒΡΓ=σ；νΛ/21ο8Μ，这里的M即 是对应小波域内小波系数的总体个数；然后，此阈值函数在医学超声图像的去噪中表现不 佳，为了取得更好的去噪效果，本发明将通用阈值函数做以下改进 Τβ=αβσΗ^2?Λ$Μ (9) 式中j(= 1，2,…，J)为小波系数所在的分解层数，J是小波变换的最大分解层数，在 本发明中，j层的自适应参数h选为2?1 ; 在小波去噪方法中，首先选定一个给定阈值，然后按照一定的规则对小波系数进行收 缩，便完成了对小波系数的去噪；即给定一个阈值，所有绝对值小于这个阈值的系数被当作 噪声，然后对其作置零处理；对绝对值大于阈值的小波系数用一定的方法进行缩减，然后得 到缩减后的新值； 无噪信号的小波系数服从广义拉普拉斯分布，小波域内的斑点噪声部分和4服从 高斯分布；选择V= 1，u= 0,则式（6)变为拉普拉斯分布
为了得到小波域内的信号估计值，使用贝叶斯最大后验估计的方法；在后验概率的计 算过程中，使用贝叶斯公式如下
将式（7)、式（10)带入上式（11)，得到
为了得到最大后验概率，将In(pe|F(g If))对g求一次导数的方程置零，最后得到 g=sign(f)>max(|f|(13) 羞为g的估计，并且假设f和无噪信号g同号；这样就得到新的收缩方法
式中只有尺度S是未知的，可由下式确定 ?=[0.5(4,)f (15) 其中〇u为噪声图像小波系数在j层的标准差； 通过观察小波收缩函数的曲线图，可以看出本文改进的小波收缩函数在曲线图像上表 现的更加平滑，尤其当小波系数大于小波阈值的区间范围内； 步骤5)作小波逆变换处理，得到去噪后的医学超声图像；如果要得到去噪后的超声包 络信号，对第5步得到的超声图像作指数变换即可。
【文档编号】G06T5/00GK104240203SQ201410455563
【公开日】2014年12月24日 申请日期:2014年9月9日 优先权日:2014年9月9日
【发明者】张聚, 林广阔, 吴丽丽, 王陈 申请人:浙江工业大学