专利名称：基于多尺度各项异性扩散的超声医学图像散斑噪声抑制方法
技术领域：
本发明涉及一种超声图像散斑噪声抑制方法。
背景技术：
超声成像技术现广泛用于对诸如心脏的体内结构进行成像。由于成像的物理因 素，相干波的叠加形成散斑噪声，严重影响了图像质量，尤其是使边缘和细节变得模糊，降 低了图像的可观性和分割精度，限制了超声医学图像在临床诊断中的进一步应用。对超声 图像进行降噪处理，可以为图像分割、斑点追踪等后续处理提供更有利的条件。因此，研究 在保持图像边缘和细节信息的基础上有效抑制散斑噪声，有助于提高临床诊断的准确性， 具有重要意义。从目前在该领域内对超声医学图像进行噪声抑制的方法来看，主要有空域滤波、 小波变换和各向异性扩散算法等。空域滤波主要指邻域平均法和中值滤波等技术，其本质 是根据像素点邻域窗口内的信息确定一个新值来取代原值，在抑制噪声的同时往往会引起 图像的模糊和重要细节的丢失，限制了处理的效果。基于小波变换的方法将超声图像变换 到小波域，通过阈值方法去除某些小波系数，再逆变换以去除噪声，该方法主要用于加性噪 声的去除，对于如散斑噪声等乘性噪声阈值难以确定。基于各向异性扩散方程的降噪技术 使用选择性扩散方式，在图像的噪声处有较大的扩散系数，有利于图像的平滑，而在边缘处 有较小的扩散系数，保持了图像的细节，但超声图像中，由于乘性噪声的影响，难以从灰度 变化上准确的区分图像的边缘和噪声，加大了算法的难度。各项异性扩散的过程可通过小波变换的方式来实现，过程如图7所示，将分解得 到的小波系数逐一加权后再进行逆变换输出结果，相当于在多个尺度下进行各向异性扩 散。该方法能够在多尺度下对图像进行处理，结果更加精确，同时继承了各向异性扩散能够 保持图像细节的特点，不失为超声图像处理的好办法。该方法中，如何针对超声医学图像 的特点选用合适的边缘检测器，以及如何调整扩散参数是关系到降噪质量好坏的最关键问 题。
发明内容
本发明为了解决现有基于各向异性扩散方程的降噪技术使用梯度检测边缘的方 法易受乘性噪声影响，难以从灰度变化上准确区分图像边缘和噪声的问题，而提出的基于 多尺度各项异性扩散的超声医学图像散斑噪声抑制方法。基于多尺度各项异性扩散的超声医学图像散斑噪声抑制方法，所述方法由如下步 骤完成步骤一使用Mallat定义的二次样条小波滤波器对图像进行非抽样小波分解，得 到三个尺度下的近似分量，水平方向的小波系数和竖直方向的小波系数，计算小波系数标 准模值M' / ；
步骤二 判断是否为首次迭代；是，则用混合瑞利模型来模拟图像扇形扫描区内 小波系数标准模值M' jf的分布，并设定出每个尺度下模型参数的值，执行步骤三；否，则 跳到步骤四；步骤三使用极大似然分类的方法得出各尺度下的噪声平稳区域；步骤四通过计算每个尺度下噪声区域内W jf的均值确定扩散阈值；并将该扩 散阈值代入扩散函数求得扩散参数Pj ；步骤五用步骤四求得的扩散参数h对步骤一分解得到的小波系数进行加权计 算，然后对图像进行小波逆变换，完成一次多尺度各向异性扩散过程；步骤六比较相邻两次迭代过程中的扩散阈值，判断它们之间相差的百分比是否 小于阈值th ；是，则抑制完成；否，则返回步骤一进行下次迭代。本发明排除了乘性噪声影响，可以从图像灰度变化上更加准确地区分图像边缘和 噪声。本发明所述方法在多尺度下对图像进行处理，结果更加精确，同时继承了各向异性扩 散能够保持图像细节的特点。本发明可广泛适用于各种需要对超声图像进行处理的场合。
图1为本发明所述方法的流程图2为实际图像中相同尺度下标准模值的分布直方图与混合瑞利分布模型曲线的 比较示意图，图中实心点为标准模值的分布直方图，曲线为混合瑞利分布概率密度曲线； 图3为扩散阈值随迭代次数的变化情况； 图4为原始未处理的超声图像； 图5为采用本发明所述方法当k = 0. 5时输出的图像； 图6为采用本发明所述方法当k = 2时输出的图像； 图7为用小波变换实现一次多尺度各向异性扩散的示意框图。
具体实施例方式具体实施方式
一结合图1至图7至说明本实施方式，所述方法由如下步骤完成步骤一使用Mallat定义的二次样条小波滤波器对图像进行非抽样小波分解，得 到三个尺度下的近似分量，水平方向的小波系数和竖直方向的小波系数，计算小波系数标 准模值M' / ；步骤二 判断是否为首次迭代；是，则用混合瑞利模型来模拟图像扇形扫描区内 小波系数标准模值M' jf的分布，并设定出每个尺度下模型参数的值，执行步骤三；否，则 跳到步骤四；步骤三使用极大似然分类的方法得出各尺度下的噪声平稳区域；步骤四通过计算每个尺度下噪声区域内W jf的均值确定扩散阈值；并将该扩 散阈值代入扩散函数求得扩散参数Pj ；步骤五用步骤四求得的扩散参数Pj对步骤一分解得到的小波系数进行加权计 算，然后对图像进行小波逆变换，完成一次多尺度各向异性扩散过程；步骤六比较相邻两次迭代过程中的扩散阈值，判断它们之间相差的百分比是否 小于阈值th ；是，则抑制完成；否，则返回步骤一进行下次迭代。
步骤一中小波系数标准模值M' /采用如下算法得到首先计算小波系数模
权利要求
1.基于多尺度各项异性扩散的超声医学图像散斑噪声抑制方法，其特征在于所述方法 由如下步骤完成步骤一使用Mallat定义的二次样条小波滤波器对图像进行非抽样小波分解，得到三 个尺度下的近似分量，水平方向的小波系数和竖直方向的小波系数，计算小波系数标准模
2.根据权利要求1所述的基于多尺度各项异性扩散的超声医学图像散斑噪声抑制方 法，其特征在于步骤一中归一化小波系数标准模值M' /采用如下算法得到首先计算小波系数模
3.根据权利要求2所述的基于多尺度各项异性扩散的超声医学图像散斑噪声抑制 方法，其特征在于步骤二中用混合瑞利模型来模拟图像扇形扫描区内小波系数标准模值 M' /分布的方法为边缘和噪声处的标准模值M' /分别服从方差为<和σ 2的瑞利分布，概率密度函数分别由Pe(X)和Pn(X)表示
4.根据权利要求3所述的基于多尺度各项异性扩散的超声医学图像散斑噪声抑制方 法，其特征在于步骤三使用极大似然分类的方法得出各尺度下的噪声平稳区域的方法如 下利用极大似然分类，错误概率最小时得到分类阈值
5.根据权利要求4所述的基于多尺度各项异性扩散的超声医学图像散斑噪声抑制方 法，其特征在于步骤四中扩散参数的求得方法如下选择非线性扩散函数
6.根据权利要求5所述的基于多尺度各项异性扩散的超声医学图像散斑噪声抑制方 法，其特征在于步骤五中通过扩散参数对小波系数进行加权计算的方法如下将小波系数W/乘以扩散参数ρ"得到新的小波系数W' jf ； Wff = P] · W)fW f = Pj · Wj2/公式 9。
全文摘要
基于多尺度各项异性扩散的超声医学图像散斑噪声抑制方法，它涉及一种医学超声图像噪声抑制方法。它为解决将现有各项异性扩散技术应用于超声图像时，用梯度作为边缘检测算子难以准确区分图像边缘和噪声的问题而提出。一对图像进行小波分解，计算标准模值；二若为首次迭代，估计标准模值的分布参数，否则跳到步骤四；三分类得到各尺度下的噪声平稳区域；四用噪声区域内标准模值的均值确定扩散阈值；并代入扩散函数得到扩散参数；五用扩散参数对小波系数进行加权后，进行小波逆变换；六比较相邻两次迭代中的扩散阈值，判断是否终止。本发明在多尺度下对图像进行处理，结果更加精确，可广泛适用于各种需要对超声图像进行处理的场合。
文档编号G06T5/00GK102073994SQ201010617508
公开日2011年5月25日 申请日期2010年12月31日 优先权日2010年12月31日
发明者于潇, 崔兆宇, 谷延锋 申请人:哈尔滨工业大学