[发明专利]一种超声图像滤波方法

说明书

本发明公开了一种超声图像滤波方法，包括以下步骤：(1)对于待滤波超声图像采用大津算法进行分割，得到二值图像；(2)对二值图像，先进行腐蚀运算，后进行膨胀运算；(3)进行连通区域跟踪，对于二值图像中的所有亮点，通过邻域搜索将其分隔为若干个独立连通区域；(4)根据预设的阈值，保留超过阈值的独立连通区域作为目标区域；(5)将待滤波超声图像的目标区域作为滤波后的超声图像，其他区域置为背景。本发明方法能够有效对超声图像进行滤波，剔除噪声，保持原始数据的特征，并且目标不会发生任何的形变，同时，本方法计算量适中，算法难度小，实现容易。

技术领域

本发明属于超声成像领域，更具体地，涉及一种超声图像滤波方法。

背景技术

超声成像是医学成像领域的重要内容，其优点是无辐射，设备和使用成本低，超声成像提供了更加丰富的细节信息，给医生和被诊断者直观的感觉，降低了医生的专业技术要求和提高了判断的可靠性。同时，超声图像具有严重的噪声，噪声不但影响视觉效果，也一定程度上干扰医生的判断，因此，超声图像的滤波一直是医学超声成像中的一个热点问题。目前的滤波方法基本是基于Mean Shift原理，通过对原始图像在一定范围内取平均，或者与一些平滑的模板做卷积，达到平滑的目的。一般而言，这些传统方法存在的问题是：容易丢失图像的细节，理由是其滤波是通过平滑实现的；第二是容易引起数据模型的整体变形；最后鲁棒性差，与所使用的参数密切相关。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种超声图像滤波方法，其目的在于通过将阈值分割和连通域跟踪算法配合滤出斑点噪声，由此解决现有的超声滤波方法丢失图像细节、整体变形、鲁棒性差的技术问题。

为实现上述目的，按照本发明的一个方面，提供了超声图像滤波方法，包括以下步骤：

(1)对于待滤波超声图像采用大津算法进行分割，得到二值图像；

(2)对于步骤(1)中获得的二值图像，先进行腐蚀运算，后进行膨胀运算，得到目标区域和噪声分隔的二值图像；

(3)将步骤(2)中获得的目标区域和噪声分隔的二值图像进行连通区域跟踪，具体步骤如下：

目标区域跟踪：对于二值图像中的所有亮点，通过邻域搜索将其分隔为若干个独立连通区域；

(4)对于步骤(3)中获得的独立连通区域，根据预设的阈值，保留超过阈值的独立连通区域作为目标区域；

(5)将待滤波超声图像的目标区域作为滤波后的超声图像，其他区域置为背景。

优选地，所述超声图像滤波方法，其还包括步骤：(6)将步骤(5)得到的滤波后的超声图像的边缘进行平滑运算。

优选地，所述超声图像滤波方法，其步骤(6)所述平滑运算采用高斯滤波。

优选地，所述超声图像滤波方法，其步骤(3)所述邻域搜索具体步骤如下：

(3-1)任意选取一个亮点作为种子点，将其标记；

(3-2)搜索其邻域，若为亮点，则将这些目标点均进行标记；

(3-3)不断搜索标记过的点的邻域，直到所有标记过的点的邻域内的点均已经标记或为暗点，将这些标记的亮点作为一个独立连通区域；

(3-4)在剩下的亮点中重复执行步骤(3-1)-(3-3)，直至所有亮点被标记，即所有的亮点被划分在某一个独立连通区域内。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：

1、与噪声、伪影相比，超声图像中的目标的相对是比较亮的，于是，通过阈值分割，可以大致将噪声和伪影与目标分开。