[发明专利]一种超声图像去噪的方法和装置

说明书

技术领域

本发明涉及到图像处理技术，特别涉及超声成像中的图像数据处理技术，尤其是一种超声图像去噪的方法和装置。

背景技术

医学超声成像中，由于成像器官或组织结构的不均匀性，一些微小的结构不能被分辨，加上声波信号的干涉现象，在超声图像上形成了特有的斑点。降低了图像质量，目前常用的去噪算法主要有分辨率增强、叠加平均以及后处理方法。

分辨率增强算法主要是增强超声系统的分辨率，达到降噪的目的。这类方法有提高探头频率、编码激励(Coded-excitation)、阵列探头(Matrix-array transducer)以及谐波(Harmonics)，但探头频率过高在实际应用中并不可行。叠加平均法对多帧去相关图像进行叠加平均，由于去相关后的各帧图像具有不同的speckle噪声分布，同时具有相同的特征信息，故对其进行叠加平均可减少speckle噪声并对特征信息进行增强。但是，叠加平均法只能有限获得speckle抑制效果(1/n，n为帧数)。而且，叠加平均法中所取的多帧图像会降低超声系统的帧率，限制了此项技术的实际应用。后处理方法一般分为四类：中值滤波、维纳滤波、基于扩散方程的滤波以及基于小波变换的滤波方法。中值滤波方法根据图像的局部统计特征来自动选取滤波窗口内的各点权值，或者自动选取滤波窗口的大小和形状(AWMF，自适应加权中值滤波)，维纳滤波方法中，计算一定邻域大小的方差和均值。它是一种自适应的滤波方法，当邻域内方差大的时候，平滑就弱一些，反之，平滑就强以一些。尽管这些方法在保留图像细节方面取得了一定的效果，但这类基于窗口平滑的滤波方法对于窗口形状和大小均十分敏感。基于小波变换的滤波方法将超声图像变换到小波域，利用小波阈值处理将某些尺寸的元素丢弃，再进行逆变换以去除Speckle。但在该方法中，很难选择合适的尺度，如果丢弃小尺度信号，则不能有效去除Speckle；如果丢弃大尺度信号，则有可能丢弃有用信号。基于扩散方程的滤波方法是近年来出现的一种新的超声图像滤波技术，即求解初始值为输入图像的非线性热扩散方程。在扩散方程中，通过引入图像特征，设计合适的扩散系数来控制扩散方程的扩散行为，使得在平滑图像的同时能够保留甚至增强图像的特征信息。

美国专利US6208763和US6592523中公开了一种基于梯度判别因子的图像去噪边缘增强算法，该算法依据图像像素点的梯度幅值大小及方向信息，把图像分为边缘区域及非边缘区域，对于边缘区域采用的是各向异性边缘增强处理，对于非边缘区域采用的是各向同性平滑处理。

中国专利CN200510035913.8中提出一种超声图像边缘锐化与斑点抑制方法，该算法依据图像像素点的梯度信息、方差信息、灰度值信息，把图像分为边缘区域及非边缘区域，对边缘点先进行方向性滤波，再做方向性增强，得到增强的边缘，对于非边缘点求出该点为中心像素点的一个邻域内的像素数据均值，以及各向同性增强，再求两者的加权平均值作为所述非边缘点的灰度均值。

上述专利方法的不足之处在于：根据一定邻域像素点的数学统计特性，简单的将像素点分成边缘区域与非边缘区域，这种分法会造成图像信息量的丢失，且计算量大，难以实际应用。

发明内容

为克服上述缺陷，本发明的目的即在于一种超声图像去噪的方法和装置。

本发明的目的是通过以下技术方案来实现的：

本发明一种超声图像去噪的方法和装置，其中所述的一种超声图像去噪的装置，主要包括：

图像数据读取模块、邻域选取模块、方差均值比计算模块、判断因子计算模块、区域判断模块、滤波处理模块和输出模块，

所述的图像数据读取模块，用于读取超声图像的数据；

所述的邻域选取模块，与所述的图像数据读取模块相连接，用于对所述读取的超声图像数据的每一个像素点，选取以其为中心的一定大小的区域为所述像素点对应的一个邻域。

所述的方差均值比计算模块，与所述的邻域选取模块相连接，用于计算所述邻域内像素点各个方向的方差均值比；

所述的判断因子计算模块，与所述的方差均值比计算模块相连接，用于根据各个方向上的方差均值比计算出判别因子；

所述的区域判断模块，与所述的判断因子计算模块相连接，用于根据判别因子分别区分出像素点邻域为边缘区、非边缘区和半边缘区；