[发明专利]一种超声图像斑点噪声去除方法

说明书

本发明公开了一种超声图像斑点噪声去除方法，在首次迭代中，利用噪声图像作为模型的输入，经过贝叶斯非局部平均滤波模型的滤波后得到了一幅粗糙的去斑图像；在第二次迭代中，将已获得的去斑图像作为滤波模型的输入，得到一幅更好的去斑图像；重复迭代过程，直到迭代次数达到预设的值为止。通过良性的迭代滤波过程最终输出一幅较好的去斑图像。本发明的优点在于：抑制了斑点噪声给临床诊断或后续图像处理带来的不良影响。结合斑点噪声的统计特性，推算出贝叶斯非局部平均滤波模型中的条件概率密度函数值，通过良性的迭代滤波过程将输出较好的去斑图像。为了降低算法的时间复杂度，采用块滤波、预选块及控制迭代次数三种手段，使得方法可以实用化。

技术领域

本发明涉及超声图像处理技术领域，特别涉及一种超声图像斑点噪声去除方法。

背景技术

超声成像技术是一种方便快捷的成像技术，被广泛用于人体身体检查当中，尤其是肝、胆、胰、腹、乳腺等部位。与CT成像技术相比，超声成像要安全得多，免去了人体曝露于X射线下所可能造成的辐射损伤；与MRI成像技术相比，超声成像的费用要低得多，是体检或首轮疾病筛查的重要成像模态。然而，目前超声仪器所获取的图像都不可避免地受到斑点噪声的干扰，这种噪声是由超声系统成像的相干特性所引起的。斑点噪声的存在降低了图像的分辨率和对比度，降低了图像的质量，掩盖了某些细节信息，给临床诊断及后续的图像处理分析(例如：特征提取、病灶分割识别、图像配准等)造成了不利的影响，因此斑点噪声的抑制对医学超声图像分析具有非常重要的意义。与其他图像去噪技术问题类似，超声图像斑点噪声去除的目标是既要有效地去除噪声，又要尽可能多地保留图像中的关键细节纹理特征。但是斑点噪声与通常图像去噪问题中考虑的高斯噪声有一定的区别，从形态上看它呈现出颗粒状或蛇形斑点的效果，从噪声统计特性上看其噪声产生模型不同于加性高斯白噪声，因此无法直接将已有的去噪方法移用到斑点噪声的消除上，而是需要在去噪模型上充分考虑到斑点噪声的特性，改进既有模型，充分发挥已有去噪技术在斑点噪声去除上的作用。

发明内容

本发明针对现有技术的缺陷，提供了一种超声图像斑点噪声去除方法，能有效的解决上述现有技术存在的问题。

为了实现以上发明目的，本发明采取的技术方案如下：

一种超声图像斑点噪声去除方法，具体步骤如下：

步骤1：

基于

上式中，z就是B超仪器所获得的含有斑点噪声的图像，是估计的干净图像，i是图像空间Ω中像素的坐标位置；Δ(i)表示以坐标点i为中心、大小为β×β的邻域搜索区域，坐标点j属于Δ(i)中；z(j)表示以图像z中像素点j为中心、大小为α×α的图像块；z(i)表示以图像z中像素点i为中心、大小为α×α的图像块；p(z(i)|z(j))为在图像块z(j)的观察下图像块z(i)的条件概率密度函数值，为在图像块的观察下图像块z(i)的条件概率密度函数值；均表示以i为中心的图像块的无斑估计；将所有估计出的进行平均融合，得到去斑图像

上式含义为：在第一步滤波中，直接将噪声图像z作为输入，通过图像块的加权平均及组合可以得到对无斑图像的粗略估计；然后，再将作为下一步滤波的输入，由此修正滤波结果；

根据式(1)计算出在斑点噪声环境下的p(z(i)|z(j))和即可得到去斑图像，由于其中n(i)为零均值、标准差为σ分布的高斯噪声，因此z(i)|u(i)～N(u(i),u(i)σ²)，则

步骤2：

考虑到图像块中像素点条件独立的假设，可以得到图像块的概率分布情况：

上式中|R|表示图像块中的像素个数，r表示图像块中的第r个像素，基于式(2)，式(1)第一步中的p(z(i)|z(j))可以计算为：