[发明专利]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

说明书

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′_jf；

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M′_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p_j；

步骤五：用步骤四求得的扩散参数p_j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。

附图说明

图1为本发明所述方法的流程图；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′_jf；