一種去除實時超聲圖像斑點噪聲的方法
2023-09-17 08:17:50
專利名稱：一種去除實時超聲圖像斑點噪聲的方法
技術領域：
本發明涉及超聲診斷技術領域，具體涉及一種去除實時超聲圖像斑 點噪聲的方法。
背景技術：
在超聲成像中，當人體組織的結構尺寸與入射超聲波波長相近或小 于波長時，超聲束髮生散射，相位不同的散射回波相互千涉產生斑點噪 聲，它降低了超聲圖像的質量，使對比度較低的軟組織中的正常組織和 腫瘤病變組織不易分別。對斑點噪聲的統計特性的研究表明，常見的斑點噪聲服從Rayleigh 分布，其均值與標準差成正比，這說明斑點噪聲是乘性的。Jain在1989 年提出了一個乘性與加性噪聲相組合的超聲圖像噪聲模型式中 和""分別是乘性噪聲和加性噪聲，x表示未被噪聲汙染的信號，y 表示被噪聲汙染後觀察到的信號。在超聲醫學圖像中，加性噪聲的作用相對於乘性噪聲來說很小，因 此在實際應用中，可以忽略加性噪聲的影響，所以式(l)可以簡化為(2)目前，超聲圖像中斑點噪聲的抑制方法有兩類。第一類是複合方法。 這類方法將某方式得到的一組同 一 目標的圖像進行相干平均，以去除隨 機斑點噪聲。具體方式包括在不同的時間、以不同的掃描頻率或從不同
的空間位置對組織進行掃描。此方法較為成熟，但實現過程較為繁瑣。 第二類方法是濾波方法。從現有文獻看，目前許多去除斑點噪聲的技術比4交著名的包括應用在雷達悽t據處理中的Lee、 Kuan和Frost濾波器。 與此同時，不是由斑點統計模型推導的其他濾波器也已提出並應用到斑 點噪聲抑制中。諸如均值率波器、中值濾波器、幾何濾波器、小波變換 濾波器、形態率波器、維納濾波，近幾年還有^f艮多利用前幾種算法和別 的算法的結合發展的新的斑點噪聲去除方法。這些方法在抑制斑點噪聲 的同時不同程度地降低了圖像的解析度，並且很難保證圖像的實時性。目前的中低檔B超中，大多利用FPGA採用幀相關處理方法來達到去 除斑點噪聲的目的。幀相關處理是最常見也是最古老的一種消除斑點的 時間複合。幀相關處理一般是幀間的一階遞歸濾波，可以表示為如下的 形式><")=qK"-i)+(i-"W")0< <i (3)式(2)中"")表示當前幀某線某採樣點的實測值，yw表示^w的濾波值，而^"-D表示前一幀同樣位置採樣點的濾波值，濾波器係數"一般 是可選的。"越接近l，速歸濾波器的帶寬越窄，抑制斑點噪聲的作用越 大，但圖象的實時跟蹤性越差。濾波器係數"越接近l,遞歸濾波器的帶 寬越窄，抑制斑點噪聲的作用越大。但是我們現有B超系統的幀相關處 理算法中，"一般取為0.5，再增大"，圖像的實時跟蹤性就變得很差， 而且採樣FPGA來進行去噪成本相對來說比較高。發明內容本發明要解決的技術問題是提供一種去除實時超聲圖像斑點噪聲 的方法，克服現有技術去除實時超聲圖像斑點噪聲的方法，採用硬體實 現，圖像實時跟蹤性差，去噪聲成本高的缺陷。本發明去除實時超聲圖 像斑點噪聲的方法在PC上用軟體實現，既保存圖像細節，又保證圖像實時處理速度。本發明為解決上述技術問題所採用的技術方案為一種去除實時超聲圖像斑點噪聲的方法，包括步驟Al、讀入源圖像象素數據；A2、對所述源圖像泉素數據進行同態變換；A3 、對同態變換後的數據進行多級非線性加權平均中值濾波計算；A4、對濾波計算後的數據進行同態反變換；A5、將向態反變換後的數據進行數字掃描變換後顯示。所述步驟A2中的同態變換是對源圖像中的每一點取以自然數e為 底的對數。所述步驟A3包括步驟定義中心在(i， j),大小為(2K+l)x(2K+l)的濾波窗W的四個子集 『1formula see original document page 6其中K取正整數，M-K-l2kK, N匿K-l^j^K。所述步驟A3還包括步驟 計算濾波.窗W的四個子集的中值2力，力formula see original document page 6其中M-K畫l^i》K， N-K-l^j^K。
所述步驟A3還包括步驟 計算四個中值的平均值'Z(/, /) = * (, ，力+ Z2 (/,力+ Z3 (,',力+ Z4 (/， 乂))，其中M-K-l^ikK， N國S-l^j2K。所述步驟A3還包括步驟 4姿照下列數學式進4亍多級非線性加權平均中值濾波計算鄰,力=1 (IM * z"") +^(") + #4 * &(" ) + #4*&(")) 4 z0,力 Z(g力 Z(z,力 Z(z,力其中M-K-l》i^K， N-K-l^j^K。所述步驟A4中按照下列數學式進行同態反變換 y(/，y') = ez(")_l .其中Y(i, j)為經過同態反變換的圖像元素，其中，i=0、 1、、、M-1, j-O、 1、、、、 N-1，M、 N如圖2所示。本發明的有益效果為本發明利用軟體方法實現斑點噪聲的去除， 代替傳統的硬體實現方式，節省了成本；去除斑點噪聲的同時，使圖像 的邊緣和細節得以很好的保存；保證了圖像的實時跟蹤性。
圖1為本發明濾波窗及其子集示意圖； 圖2為本發明具體實施過程示意圖。
具體實施方式
下面根據附圖和實施例對本發明作進一 步詳細說明:本發明基於Rayleigh噪聲模型，由於斑點噪聲服從負指數統計規律， 因此其為乘性噪聲，表達式為formula see original document page 8 (4)這裡X表示未被噪聲汙染的信號，Y表示觀測到的已被噪聲汙染的信號， n表示零均值方差為1的高斯白噪聲。本發明方法主要分為以下幾個步 驟同態變換即把圖像中的每一點取以自然數e為底的對數。對於乘性噪聲的同態變 換為G(Y)=ln(Y+l)( 5 )經過同態變換後，原來的乘性噪聲變成了加性噪聲，降低了處理的複雜 性。多級非線性加權平均中值濾波計算設X(.，.)表示圖像元素序列，W表示中心在(i， j),大小為(2K+l)x(2K+l)的正方形濾波窗。那麼濾波窗W的四個子集可定義為formula see original document page 8 (7 - a)formula see original document page 8 (7 - b)formula see original document page 8 (7 - C)formula see original document page 87 - d)如圖1所示,W1(i，j)、 W2(i，j)、 W3(i，j)、 W4(i，j)、 分別表示以(i， j) 為中心，濾波窗在水平方向、右對角線方向、垂直方向、左對角線方向 所覆蓋的圖像元素所組成的序列。假定Zs(i，j)、 (s=l, 2, 3, 4)是四個子集元素的中值，即，formula see original document page 8 (8 - a)formula see original document page 8 (8 — b)formula see original document page 8 (8 - c) formula see original document page 9)
然後求四個中值的平均值formula see original document page 9
(9) 多級非線性加;f又平均中值濾波的輸出為formula see original document page 9(10)
通過對上述四個子集圖像元素的中值進行加權平均，給與其中較大的值 以較大的權重，以期彌補圖像灰度均值降低和噪聲抑制能力弱的缺陷， 較好的恢復噪聲圖像。其中Kd, ^ffi""^表示求圖像元素序列的中值。 同態反變4夾最後圖像的輸出由(6)式計算得出 yformula see original document page 9如圖2所示，中X[i][j], Data[i][j], G[i][j]， Z(i, j)， Y(i, j)都對應圖像 中的同一個點，其中，i = 0、 1、、、 M-l， j = 0、 1、、、、 N-l。 過程①表示把源圖像X[M][N]中的每一個元素X[i][j]存入數組Data[i][j] 中，其中，i = 0、 1、、、 M-l， j = 0、 1、、、、 N-l;過程②表示把數組Data[M][N]中的每一個元素Data[i][j]取以自然數e為 底的對數，計算後的值存入數組G[i][j],即G[i][j] = ln(Data[i][j])，其中， i = 0、 1、、、 M-l, j = 0、 1、、、、 N-l;過程③表示把數組G[M][N]中的每一個元素G[i][j]經過多級非線性加權 平均中值濾波計算後的值存入數組Z[i][j], Z[i][j]的值由式(10)計算得 出，其中，i-K+l、 K+2、、、 M-l-K， j = K+l、 K+2、、、 M-l-K，即我們 對邊緣的點不做處理；過程④表示把數組Z[M][N]中的每一個元素Z[i][j]經過同態反變換的值 存入數組Y[i][j]中，即}10[_/] = ￡'，-1,其中，i = 0、 1、、、 M國l， j = 0、 1、、、、 N-l;過程⑤表示把數組Y[M][N]中的值經過數字掃描變換後顯示。 本發明的具體實施步驟讀入源圖像X，假設圖像橫向有N個採樣點，縱向有M個釆樣點。 在內存中申請四個大小為MxN的數組Data[M][N]、 G[M][N]、 Z[M][N]、 Y[M][N]分別用來存放源圖像數據、同態變換後圖像數據、多級非線性 加權平均中值濾波後圖像數據、同態反變換後圖像數據。 把源圖像中處於第i行第.j列的點存入Data的第i行第j歹'〗，即Data[i][j] =X[i][j]，其中，i-0、 1、、、 M-l, j = 0、 1、、、、 N-l。 同態變換把數組Data[M][N]中的所有元素取以自然數為底的對數，所 得結果存入數組G[M][N]中，即G〖i][j] = ln(Data[i][j]+l),其中，i = 0、 l…M-l， j = 0、 1、、、、 N-l。多級非線性加權平均中值濾波以G[M][N]中的每一個元素G[i][j]為中 心，把其大小為(2K+l)x(2K+l)的正方形鄰域內的元素分別按水平方向、 垂直方向、右對角線方向、左對角線方向分為四組，分別用『力',/)、 W，力、『3(")、『4(!'J)表示，如圖1所示；然後分別求序列W，力、w，y)、 『3(z',力、『4(/,力的中值，分別用2,(,',力、Z2(/,/)、 Z3(/，y)、 24(/,力表示; 再計算四個中值的平均值郭,力，最後由式(IO),計算多級非線性加權 平均中值濾波的輸出，把輸出但存入到Z[i][j]中，其中，i = K+l、 K+2、、、 M-l-K, j=K+l、 K+2、、、 M-l-K,即我們對邊緣的點不做處理。 同態反變換由式(11)把以Z[M][N]中的每一個元素Z[i][j]為指數， 以自然數e為底數計算所得的值存入數組Y[i][j]中，其中，i = 0、 1、、、 M-l， j = 0、 1、、、、 N-l。 把Y[M][N]中的數據進行數字掃描變換後顯示。 本領域技術人員不脫離本發明的實質和精神，可以有多種變形方案 實現本發明，.以上所述僅為本發明較佳可行的實施例而已，並非因此局 限本發明的權利範圍，凡運用本發明說明書及附圖內容所作的等效結構 變化，均包含於本發明的權利範圍之內。
權利要求
1、一種去除實時超聲圖像斑點噪聲的方法，其特徵在於，包括步驟A1、讀入源圖像象素數據；A2、對所述源圖像象素數據進行同態變換；A3、對同態變換後的數據進行多級非線性加權平均中值濾波計算；A4、對濾波計算後的數據進行同態反變換；A5、將同態反變換後的數據進行數字掃描變換後顯示。
2、 根據權利要求1所述的去除實時超聲圖像斑點噪聲的方法，其 特徵在於所述步驟A2中的同態變換是對源圖像中的每一點取以自然 數e為底的對數。
3、 根據權利要求1所述的去除實時超聲圖像斑點噪聲的方法，其 特徵在於，所述步驟A3包括步驟定義中心在(i, j)，大小為(2K+l)x(2K+l)的濾波窗W的四個子集 formula see original document page 2其中K取正整數，i^K, j^K。
4、 根據權利要求3所述的去除實時超聲圖像斑點噪聲的方法，其 特徵在於，所述步驟A3還包括步驟計算濾波窗W的四個子集的中值Z,0',力(s=l ，2,3,4)，Z2(〖，/) = AffiX)/^V(『2 (/,_/))， Z3 (i,力=M五D崖(『3 (z.，力)， Z4(!',/) = 7^Z)/^V(『4 (! ，_/))，其中i^0， j^0。
5、 根據權利要求4.所述的去除實時超聲圖像斑點噪聲的方法，其 特徵在於，所述步驟A3還包括步驟 計算四個中值的平均值郭,_/) = *(Z, (/,力+ Z2 (/， /) +'Z3 (! ，力+ Z4 力)， 其中i^O, j^0。
6、 根據權利要求5所述的去除實時超聲圖像斑點噪聲的方法，其 特徵在於，所述步驟A3包括步驟按照下列數學式進4亍多級非線性加權平均中值濾波計算鄰，力=1(製*， +酒*， + #4*， +辦，,力)其中kO， j、0。
7、根據權利要求1至6任一所述的去除實時超聲圖像斑點噪聲的 方法，其特徵在於，所述步驟A4中按照下列數學式進行同態反變換其中Y(i, j)為經過同態反變換的圖像元素，kO， >0
全文摘要
一種去除實時超聲圖像斑點噪聲的方法，包括步驟A1.讀入源圖像象素數據；A2.對所述源圖像象素數據進行同態變換；A3.對同態變換後的數據進行多級非線性加權平均中值濾波計算；A4.對濾波計算後的數據進行同態反變換；A5.將同態反變換後的數據進行數字掃描變換後顯示。本發明利用軟體方法實現斑點噪聲的去除，代替傳統的硬體實現方式，節省了成本；去除斑點噪聲的同時，使圖像的邊緣和細節得以很好的保存；保證了圖像的實時跟蹤性。
文檔編號A61B8/00GK101396279SQ200710123680
公開日2009年4月1日 申請日期2007年9月29日 優先權日2007年9月29日
發明者劉明宇, 齊麗芸 申請人:深圳市藍韻實業有限公司