[发明专利]基于McIlhagga边缘检测算子的各向异性扩散图像降噪方法

说明书

技术领域

本发明属于数字图像降噪领域，具体涉及一种基于McIlhagga边缘检测算子的各向异性扩散图像降噪方法，以抑制超声图像中的斑点噪声。

背景技术

超声成像是一种临床上常用的医学诊断技术，具有实时、便捷、无电离辐射、低成本、非侵入式等优点。然而其主要缺点是由于斑点噪声的干扰使图像质量不高。斑点噪声是一种乘性的、空间相关的噪声。它不仅加大图像分割、特征提取和量化分析的难度，也影响医生诊断的准确性。超声图像滤波的主要目的即在尽可能保持边缘的情况下抑制斑点噪声，这是超声图像处理中的关键环节。

很多技术用于抑制图像噪声。Perona与Malik首先提出图像降噪的各向异性扩散模型(又称PM模型，参见P. Perona, J. Malik. “Scale space and edge detection using anisotropic diffusion,” IEEE Trans. Pattern Anal., 12 (1990), pp. 629-639)，将梯度模作为扩散时的边缘检测算子。该模型对自然图像的去噪效果较好，但是对超声图像则不理想。因为梯度模的边缘检测性能不佳，不能有效区分斑点噪声与真实边缘。

Yu与Acton在PM模型的基础上提出斑点抑制各向异性扩散(speckle reducing anisotropic diffusion，SRAD)(参见Y. Yu, S.T. Acton. “Speckle reducing anisotropic diffusion,” IEEE Trans. Imag, 11 (2002), pp. 1260-1270)。在SRAD中，将局部梯度算子和拉普拉斯算子相结合形成瞬时变化因子，将该因子作为新的边缘检测算子，其扩散系数在边界和具有高对比度特征的地方取值小，实行较小的平滑，而在匀质区域中则取值大，进行较大的平滑。然而当图像中斑点噪声较严重时，低对比度的边缘和细节通常被误认为是均匀区域，滤波后往往会导致细节丢失或边缘模糊。

将各向异性扩散扩展到复数域，则出现复数扩散(complex diffusion，CD)(参见G. Gilboa, N. Sochen, Y.Y. Zeevi. “Image Enhancement and Denoising by Complex Diffusion Processes,” IEEE Trans. Pattern Anal., 15(2004), pp. 1-34)及其改进算法(参见R. Bernardes, C. Maduro, P. Serranoho, et al. “Improved adaptive complex diffusion despeckling filter,” Optics Express., 18 (2010), pp. 24048-24059)。它们都使用图像的虚部作为边缘检测算子，但均存在对强斑点噪声鲁棒性差的缺点。

Zhang等提出基于拉普拉斯金字塔非线性扩散(Laplacian pyramid-based nonlinear diffusion，LPND) (参见F. Zhang, M.Y. Yang, M.K. Liang, Y. Kim. “Nonlinear Diffusion in Laplacian Pyramid Domain for Ultrasonic Speckle Reduction,” IEEE Trans. Med. Imag., 26 (2007), pp. 200-211)，在多尺度柜架下进行扩散，但是其边缘检测算子依然为梯度模，限制了对高噪声图像的去噪效果。

综上所述，寻找能有效区分边缘与噪声的边缘检测算子是各向异性扩散的核心所在。性能优越的边缘检测算子能提升降噪效果。

发明内容

本发明所要解决的技术问题是提供一种基于McIlhagga边缘检测算子的各向异性扩散图像降噪方法，抑制超声图像中的斑点噪声。选择McIlhagga算子作为各向异性扩散的边缘检测算子，使各向异性扩散对于强斑点噪声具有高鲁棒性。

同时，本发明将经McIlhagga边缘检测算子获得的边缘二值图，通过距离映射函数转化为具有多个灰度级的渐变边缘图；而且为了减少运算时间，提出在扩散迭代一定次数后，更新一次边缘图。

为实现上述目的，本发明采用如下的技术方案实现：

一种基于McIlhagga边缘检测算子的各向异性扩散图像降噪方法，其特征在于：具体实现步骤为：