[发明专利]一种超声图像斑点噪声抑制方法

说明书

技术领域

本发明涉及一种超声图像斑点噪声抑制方法，属于超声图像处理技术。

背景技术

超声成像过程中因成像环境限制及相干波叠加造成了散斑噪声，降低了超声成像系统对目标的分辨能力，严重影响了超声图像质量。由此，衍生出超声图像散斑噪声抑制技术，目的在于有效滤除散斑噪声的同时可以保留图像的有用细节及目标物的边缘。现有的超声图像斑点噪声抑制方法主要采用一些非线性的滤波方法，如中值滤波、基于各项异性扩散方程滤波以及基于小波变换的一些方法等。基于中值滤波的算法计算简单，但对边缘的保持和斑噪的滤除效果不好，容易造成边缘模糊；各向异性扩散方程滤波计算量大的同时结果有阶梯效应出现，导致该方法实时性差，较难在复杂图像中普及。

发明内容

为了解决背景技术中的不足，本发明的目的在于克服背景技术的缺陷，提供一种超声图像斑点噪声抑制方法，降低计算量的同时保证去噪效果和边缘保持度，有效地提高病灶检测的灵敏度和结构的边缘信息显示，同时使图像颗粒更细腻。

为达到上述目的，本发明采用的技术方案为：一种超声图像斑点噪声抑制方法，其特征在于：包括以下步骤：

（1）从多个空间维度拍摄提取含噪超声图像，对每个空间维度内的含噪图像进行点对点智能化识别，获得图像的组织信息；

（2）对每个空间维度内的所述组织信息进行像素点区域属性分类，利用局部几何结构将像素点划分为脉冲区域、边缘细节区域；

（3）根据像素点的分类，分别对每个空间维度内的含噪组织信息进行斑点噪声抑制，获得单维度去噪超声图像；

（4）将每个空间维度的所述单维度去噪超声图像合成为超声去噪图像。

本发明一个较佳实施例中，进一步包括步骤（3）中对边缘细节区域进行小波阀贝叶斯去噪，其处理步骤为：

（2.1）对含噪的组织信息做对数变换；

（2.2）将对数变换后的含噪组织信息做多尺度小波分解，获得低频小波系数和高频小波系数；

（2.3）保留低频小波系数，用贝叶斯改进阀值函数处理各高频小波系数；

（2.4）对处理后的高频小波系数和未处理的低频系数进行小波逆变换，重构图像；

（2.5）经指数变换后获得单维度去噪超声图像。

本发明一个较佳实施例中，进一步包括步骤（3）中对脉冲区域进行中值滤波去噪，其处理步骤为：

（3.1）以当前像素点为中心，取出大小为W×W的窗口内的所有像素点；

（3.2）以窗口内所有像素点的邻域中值作为当前像素点降噪后的取值，进行中值滤波。

本发明的有益之处在于：本发明的一种超声图像斑点噪声抑制方法，首先在成像过程中采用多维度多视处理，获得更全面的信息，再针对多视处理后的成像结果根据像素点的属性进行分类，针对不同的属性采用不同的斑点去噪滤波方法，中值滤波计算量小，能很好的滤除脉冲噪声而细节点保持不变；小波阀贝叶斯去噪更细腻，确保去噪效果和边缘保持度。使用后能有效地提高病灶检测的灵敏度和结构的边缘信息显示，同时使图像颗粒更细腻。

附图说明

下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1是本发明优选实施例的实现流程图；

图2是本发明中对边缘细节区域进行噪声处理的流程图；

图3是本发明中对脉冲区域进行噪声处理的流程图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，并使本发明的上述目的、特征和优点能够更加明显易懂，下面结合实施例对本发明作进一步详细的说明。

如图1所示，一种超声图像斑点噪声抑制方法，包括以下步骤：

（1）从多个空间维度拍摄提取含噪超声图像，对每个空间维度内的含噪图像进行点对点智能化识别，获得图像的组织信息；

（2）对每个空间维度内的所述组织信息进行像素点区域属性分类，利用局部几何结构将像素点划分为脉冲区域、边缘细节区域；

（3）根据像素点的分类，分别对每个空间维度内的含噪组织信息进行斑点噪声抑制，获得单维度去噪超声图像；

（4）将每个空间维度的所述单维度去噪超声图像合成为超声去噪图像。

如图2所示，对边缘细节区域进行小波阀贝叶斯去噪，其处理步骤为：

（2.1）对含噪的组织信息做对数变换；

（2.2）将对数变换后的含噪组织信息做多尺度小波分解，获得低频小波系数和高频小波系数；

（2.3）保留低频小波系数，用贝叶斯改进阀值函数处理各高频小波系数；