一种B型图像增益自动优化方法及装置与流程

本发明是一种b型图像增益自动优化方法及装置，属于医疗领域。

背景技术：

现有技术中，随着医学技术和医疗诊断手段的不断发展，超声成像技术在临床诊断和医学科研等领域得到了广泛的应用。

常见的超声成像b型系统处理流程包括发射控制模块按照指令激励探头，电信号转化为声信号。声波在人体组织中传播并发射，探头接收经人体组织反射的超声回波信号，将声信号转化为电信号。在模拟信号处理模块经过放大、滤波、时间增益补偿tgc(timegaincompensation,tgc)及模拟数字转换(adc)等将模拟回波信号转换为数字回波信号。由于声波在发射、接收过程中能量会产生衰减，如果直接采用此回波信号进行处理，在不同深度图像的亮度表现并不一致，给用户诊断带来困难，因此在前端通常会进行时间增益补偿，由于是在模拟端处理也叫模拟时间增益补偿(analogtimegaincompensation,atgc)，波束合成器将接收到的多路ad信号经过延时累加聚焦等处理得到一条rf信号。

在获取整幅图像rf数据之后，数据经过信号处理模块包括iq解调、低通滤波降采样、对数压缩，此时的对数压缩数据在深度方向亮度不均匀，不符合人眼观察习惯，需要用户手动调节电位器，调整不同深度下的增益，保证图像亮度一致。此时处理的信号是数字信号，因此也叫数字时间增益补偿(digitaltimegaincompensation,dtgc),同时需要手动调节旋钮即整体增益(globalgain)，调整合适的图像亮度。

经过增益调整后的图像被送入图像处理模块，该模块包括动态范围调整、图像增强、数字扫描变换等最终送到显示器进行显示。

在超声成像系统中增益调整对于临床诊断具有重要的意义，没有经过增益调整的图像亮度在超声设备上表现不均匀，目前超声厂家在出厂时已预设了增益，但用户在对患者进行疾病检查时，由于超声波的衰减特性，不同人体的声阻抗也有差异，厂家预设的增益并不能满足所有需求，这时需要用户手动调节dtgc、globalgain才能达到好的结果，给用户使用带来了负担，有时也无法调整出较好的结果。

针对上述问题诞生了一种增益优化方法，该方法通过分析图像数据，计算出一条轴向增益补偿曲线，通过对轴向增益进行补偿，使图像亮度表现均匀。

技术实现要素：

针对现有技术存在的不足，本发明目的是提供一种b型图像增益自动优化方法及装置，以解决上述背景技术中提出的问题，本发明采用结构张量中特征值的判断方法，提高了鲁棒性。

为了实现上述目的，本发明是通过如下的技术方案来实现：一种b型图像增益自动优化方法，包括如下步骤：

s1：判断图像噪声区域及非噪声区域：

获取超声对数压缩图像i(m*n，m为图像深度，n为图像宽度)根据超声噪声数据判断图像噪声区域及非噪声区域；

s2：获取图像组织区域：

二维图像的结构张量是对称且半正定的二维矩阵，因此i有两个特征值λ1、λ2，分别代表图像像素点最大和最小特征值：

当λ1≈λ2≈0时，表示像素点灰度值在此邻域范围内变化较小，像素点位于平坦区域；

当λ1＞＞λ2≈0时，表示在某一个方向上灰度值变化强，像素点位于边缘；

当λ1≥λ2＞0时，表示在指定方向上特征向量存在很强的变化，像素点位于角点；利用上述特征值的表现形式，构建一个可靠函数p，可以用来判断超声图像中的组织区域；

具体方法如下：

a)为加快计算，分别对i进行横向、纵向平滑同时进行降采样处理，具体方法为对图像i进行二维高斯滤波，同时抽取奇数行、奇数列，获取图像i′；

b)图像i′结构张量s(i)计算

其中*代表卷积，δ为方差，取0.5，

首先计算图像i′横向和纵向梯度、ix、iy，利用ix、iy计算结构张量，然后对结构张量做二维高斯平滑处理，为了加快计算，二维高斯平滑处理可以转化为一个一维纵向高斯平滑及一维横向高斯平滑；

c)图像i′特征值计算

d)图像组织区域tisreg判断

根据上述特征值的表现形式，构建函数p：

或

p∈(0，1)，λ1、λ2属于非噪声区域

在本发明中p取第二种方式，λ1、λ2属于非噪声区域：

当λ1≈λ2≈0时，p接近于0，像素点位于平坦区域，认为是组织区域；

当λ1＞＞λ2≈0或λ1≥λ2＞0时，认为是非组织区域；

在此处提供一个判断组织区域的阈值tisthr，当p<tisthr时，认为是组织区域，此时tisreg为1，其余为非组织区域，tisreg为0；

s3：图像增益补偿曲线计算

判断是否参与轴向平均信号axismean、横向平均信号lateralmean计算，即：

tisprethr可以根据实际情况取值，在此方案中取0.9，当l取n时，计算轴向平均信号axismean，当l取m时，计算横向平均信号lateralmean，对0点采用相邻平均信号插值处理；最终轴向增益补偿曲线gainaxis为：gainaxis＝dstgain-xismean，dstgain为期望增益，

由于在纵向调整过程中，每一行进行了gainaxis的增益补偿，所以在此基础上要达到调整后亮度为dstgain的目标，横向增益补偿曲线gainlateral为：

gainlateral＝lateralmean-∑lateralmean

对gainaxis和gainlateral进行上采样处理，得到最终的增益补偿曲线；

s4：图像增益优化

根据公式iout＝i+gainaxis+gainlateral，对图像进行横向及纵向增益优化，iout为增益优化后图像。

进一步地：应区分图像噪声区域及非噪声区域，具体通过关闭发射获取噪声数据，在横向取平均值获取一条纵向噪声曲线1-m，重复m次取其平均值，为减少系统的响应时间，噪声曲线预存在文件中，每次优化时直接使用噪声曲线数据处理，当对数压缩数据小于噪声曲线数据时，认为此处为非噪声区域，否则为噪声区域。

一种b型图像增益装置，包括探头、发射控制模块、接收控制模块、模拟信号处理模块、波束合成器、信号处理模块、b型图像增益自动优化模块、图像处理模块、显示模块，具体来讲发射控制模块按照指令激励探头，电信号转为声信号，探头接收经组织反射的超声回波信号，将声信号转化为电信号，在模拟信号处理模块经过放大、滤波、时间增益补偿及模拟数字转换(adc)等将模拟回波信号转换为数字回波信号；

波束合成器将接收到的多路ad信号经过延时累加聚焦等处理得到一条rf信号；

在获取rf数据之后，系统通过信号处理模块包括iq解调、低通滤波降采样、对数压缩最后将数据送入b型图像增益自动优化模块，自动优化模块通过在键盘上设置一个快捷按钮进行启动，当启动该装置时通过该装置计算出合适的增益调节曲线，对b型图像进行增益调节，当关闭改按钮时则用系统默认的增益曲线进行调节；

经过增益调整后的图像被送入图像处理模块，该模块包括动态范围调整、图像增强、数字扫描变换等最终送到显示器进行显示。

b型图像增益自动优化模块，包括数据存储模块、图像增益曲线计算模块，图像增益曲线输出模块、图像增益优化处理模块：数据存储模块保存图像增益曲线计算模块需要用到的参数，包括噪声曲线数据及组织区域判断阈值，为了减少系统的响应时间，方便计算，噪声数据在图像增益优化前已经计算完成并保存在数据存储模块，在图像增益计算模块中直接使用，数据存储模块中的值可以根据实际情况进行修改；图像增益曲线计算模块接收数据存储模块中的噪声曲线数据、图像数据，通过上述自动优化增益方法计算横向、纵向增益补偿曲线，最后将补偿曲线输入到图像增益优化处理模块；图像增益优化处理模块接收增益补偿曲线及图像数据，根据图像优化增益方法，对原图像数据进行增益优化处理，最后输出优化后的图像，图像数据包括超声b模式下的基波或谐波数据。

本发明的有益效果：本发明的一种b型图像增益自动优化方法及装置，本发明采用结构张量中特征值的判断方法，提高了鲁棒性，本发明原理简单，计算复杂度低，能够针对不同个体不同部位自适应的计算图像的纵向和横向增益补偿。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明一种b型图像增益装置中b型图像增益参数优化系统结构图；

图2为本发明一种b型图像增益自动优化方法中b型增益参数优化流程图；

图3为本发明一种b型图像增益装置中b型图像增益参数优化系统结构图；

图4为本发明一种b型图像增益自动优化方法中组织区域判别流程图；

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。

参阅图1-图4，本发明提供一种技术方案：一种b型图像增益自动优化方法，包括如下步骤：

s1：判断图像噪声区域及非噪声区域：

获取超声对数压缩图像i(m*n，m为图像深度，n为图像宽度)根据超声噪声数据判断图像噪声区域及非噪声区域；

s2：获取图像组织区域：

二维图像的结构张量是对称且半正定的二维矩阵，因此i有两个特征值λ1、λ2，分别代表图像像素点最大和最小特征值：

当λ1≈λ2≈0时，表示像素点灰度值在此邻域范围内变化较小，像素点位于平坦区域；

当λ1＞＞λ2≈0时，表示在某一个方向上灰度值变化强，像素点位于边缘；

当λ1≥λ2＞0时，表示在指定方向上特征向量存在很强的变化，像素点位于角点；利用上述特征值的表现形式，构建一个可靠函数p，可以用来判断超声图像中的组织区域；

具体方法如下：

a)为加快计算，分别对i进行横向、纵向平滑同时进行降采样处理，具体方法为对图像i进行二维高斯滤波，同时抽取奇数行、奇数列，获取图像i′；

b)图像i′结构张量s(i)计算

其中*代表卷积，δ为方差，取0.5，

首先计算图像i′横向和纵向梯度、ix、iy，利用ix、iy计算结构张量，然后对结构张量做二维高斯平滑处理，为了加快计算，二维高斯平滑处理可以转化为一个一维纵向高斯平滑及一维横向高斯平滑；

c)图像i′特征值计算

d)图像组织区域tisreg判断

根据上述特征值的表现形式，构建函数p：

或

p∈(0，1)，λ1、λ2属于非噪声区域

在本发明中p取第二种方式，λ1、λ2属于非噪声区域：

当λ1≈λ2≈0时，p接近于0，像素点位于平坦区域，认为是组织区域；

当λ1＞＞λ2≈0或λ1≥λ2＞0时，认为是非组织区域；

在此处提供一个判断组织区域的阈值tisthr，当p<tisthr时，认为是组织区域，此时tisreg为1，其余为非组织区域，tisreg为0；

s3：图像增益补偿曲线计算

判断是否参与轴向平均信号axismean、横向平均信号lateralmean计算，即：

tisprethr可以根据实际情况取值，在此方案中取0.9，当l取n时，计算轴向平均信号axismean，当l取m时，计算横向平均信号lateralmean，对0点采用相邻平均信号插值处理；最终轴向增益补偿曲线gainaxis为：gainaxis＝dstgain-xismean，dstgain为期望增益

由于在纵向调整过程中，每一行进行了gainaxis的增益补偿，所以在此基础上要达到调整后亮度为dstgain的目标，横向增益补偿曲线gainlateral为：

gainlateral＝lateralmean-∑lateralmean

对gainaxis和gainlateral进行上采样处理，得到最终的增益补偿曲线；

s4：图像增益优化

根据公式iout＝i+gainaxis+gainlateral，对图像进行横向及纵向增益优化，iout为增益优化后图像。

进一步地：应区分图像噪声区域及非噪声区域，具体通过关闭发射获取噪声数据，在横向取平均值获取一条纵向噪声曲线1-m，重复m次取其平均值，为减少系统的响应时间，噪声曲线预存在文件中，每次优化时直接使用噪声曲线数据处理，当对数压缩数据小于噪声曲线数据时，认为此处为非噪声区域，否则为噪声区域。

一种b型图像增益装置，包括探头、发射控制模块、接收控制模块、模拟信号处理模块、波束合成器、信号处理模块、b型图像增益自动优化模块、图像处理模块、显示模块，具体来讲发射控制模块按照指令激励探头，电信号转为声信号，探头接收经组织反射的超声回波信号，将声信号转化为电信号，在模拟信号处理模块经过放大、滤波、时间增益补偿及模拟数字转换(adc)等将模拟回波信号转换为数字回波信号；

波束合成器将接收到的多路ad信号经过延时累加聚焦等处理得到一条rf信号；

在获取rf数据之后，系统通过信号处理模块包括iq解调、低通滤波降采样、对数压缩最后将数据送入b型图像增益自动优化模块，自动优化模块通过在键盘上设置一个快捷按钮进行启动，当启动该装置时通过该装置计算出合适的增益调节曲线，对b型图像进行增益调节，当关闭改按钮时则用系统默认的增益曲线进行调节；

经过增益调整后的图像被送入图像处理模块，该模块包括动态范围调整、图像增强、数字扫描变换等最终送到显示器进行显示。

b型图像增益自动优化模块，包括数据存储模块、图像增益曲线计算模块，图像增益曲线输出模块、图像增益优化处理模块：数据存储模块保存图像增益曲线计算模块需要用到的参数，包括噪声曲线数据及组织区域判断阈值，为了减少系统的响应时间，方便计算，噪声数据在图像增益优化前已经计算完成并保存在数据存储模块，在图像增益计算模块中直接使用，数据存储模块中的值可以根据实际情况进行修改；图像增益曲线计算模块接收数据存储模块中的噪声曲线数据、图像数据，通过上述自动优化增益方法计算横向、纵向增益补偿曲线，最后将补偿曲线输入到图像增益优化处理模块；图像增益优化处理模块接收增益补偿曲线及图像数据，根据图像优化增益方法，对原图像数据进行增益优化处理，最后输出优化后的图像，图像数据包括超声b模式下的基波或谐波数据。

实施例：s1：判断图像噪声区域及非噪声区域：

获取超声对数压缩图像i(m*n，m为图像深度，n为图像宽度)根据超声噪声数据判断图像噪声区域及非噪声区域；

s2：获取图像组织区域：

二维图像的结构张量是对称且半正定的二维矩阵，因此i有两个特征值λ1、λ2，分别代表图像像素点最大和最小特征值：

当λ1≈λ2≈0时，表示像素点灰度值在此邻域范围内变化较小，像素点位于平坦区域；

当λ1＞＞λ2≈0时，表示在某一个方向上灰度值变化强，像素点位于边缘；

当λ1≥λ2＞0时，表示在指定方向上特征向量存在很强的变化，像素点位于角点；利用上述特征值的表现形式，构建一个可靠函数p，可以用来判断超声图像中的组织区域；

具体方法如下：

a)为加快计算，分别对i进行横向、纵向平滑同时进行降采样处理，具体方法为对图像i进行二维高斯滤波，同时抽取奇数行、奇数列，获取图像i′；

b)图像i′结构张量s(i)计算

其中*代表卷积，δ为方差，取0.5，

首先计算图像i′横向和纵向梯度、ix、iy，利用ix、iy计算结构张量，然后对结构张量做二维高斯平滑处理，为了加快计算，二维高斯平滑处理可以转化为一个一维纵向高斯平滑及一维横向高斯平滑；

c)图像i′特征值计算

d)图像组织区域tisreg判断

根据上述特征值的表现形式，构建函数p：

或

p∈(0，1)，λ1、λ2属于非噪声区域

在本发明中p取第二种方式，λ1、λ2属于非噪声区域：

当λ1≈λ2≈0时，p接近于0，像素点位于平坦区域，认为是组织区域；

当λ1＞＞λ2≈0或λ1≥λ2＞0时，认为是非组织区域；

在此处提供一个判断组织区域的阈值tisthr，当p<tisthr时，认为是组织区域，此时tisreg为1，其余为非组织区域，tisreg为0；

s3：图像增益补偿曲线计算

判断是否参与轴向平均信号axismean、横向平均信号lateralmean计算，即：

tisprethr可以根据实际情况取值，在此方案中取0.9，当l取n时，计算轴向平均信号axismean，当l取m时，计算横向平均信号lateralmean，对0点采用相邻平均信号插值处理；最终轴向增益补偿曲线gainaxis为：gainaxis＝dstgain-xismean，dstgain为期望增益

由于在纵向调整过程中，每一行进行了gainaxis的增益补偿，所以在此基础上要达到调整后亮度为dstgain的目标，横向增益补偿曲线gainlateral为：

gainlateral＝lateralmean-∑lateralmean

对gainaxis和gainlateral进行上采样处理，得到最终的增益补偿曲线；

s4：图像增益优化

根据公式iout＝i+gainaxis+gainlateral，对图像进行横向及纵向增益优化，iout为增益优化后图像。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点,对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。