[发明专利]一种人类胚胎心脏超声图像去噪方法

说明书

本发明公开了一种人类胚胎心脏超声图像去噪方法，包括以下步骤：S1：获取具有时间序列和空间序列特征的超声图像数据集并选取中心图像，确定该中心图像的相邻图像；S2：将中心图像中的当前待处理像素标记为中心像素，计算该中心像素与相邻图像对应搜索域中每个像素的相似度，S3：根据相似度计算相邻图像对应的中心像素灰度值并对该中心像素灰度值进行取平均值操作得到中心像素的最终灰度值，对中心图像的每一个像素采用上述方法计算对应的最终灰度值，遍历整张中心图像后即获得去噪后的清晰图像。本方法在去噪过程中可以自由调整参数，在去噪效果与时间效率方面做出平衡，本方法不需要训练集的支撑，易于编程实现，算法复杂度较低。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种人类胚胎心脏超声图像去噪方法。

背景技术

目前，超声技术是检测胎儿心脏是否健康的重要手段，但是由于胎儿的特殊性，超声需要额外穿过胎儿母亲的腹部脂肪才能针对胚胎心脏进行成像，这就导致超声图像往往会存在比其他情况下更多的伪影与噪声.针对这种情况，目前的解决方法有以下几种，首先是依据医疗人员的经验，利用未处理的超声图像进行诊断，这种方法对医疗人员的技术水平要求非常高，会消耗大量时间和精力，并且容易造成误诊；第二个是利用传统滤波方式去除噪声，这种方法虽然有一定的去噪效果，但是由于算法未针对超声图像进行优化，导致了图像中一些关键信息的丢失，不利于医生诊断；最后是利用机器学习的方法，使用大量的人类胚胎心脏的超声图像作为训练集，最后得到去噪效果，这种方法需要大量的数据作为训练集，而临床上这些数据很难获得，并且这种方法对硬件的要求很高，耗时也比较长。

发明内容

根据现有技术存在的问题，本发明公开了一种人类胚胎心脏超声图像去噪方法，包括以下步骤：

S1：获取具有时间序列和空间序列特征的超声图像数据集并选取中心图像，确定该中心图像的相邻图像；

S2：将中心图像中的当前待处理像素标记为中心像素，计算该中心像素与相邻图像对应搜索域中每个像素的相似度：设置中心像素对应的搜索域、计算搜索域对应累计方差，计算平均累计方差、计算搜索域中每个像素的邻域方差、计算搜索域中每个像素的邻域平均欧氏距离、计算搜索域中每个像素与中心像素的相似度；

S3：根据相似度计算相邻图像对应的中心像素灰度值并对该中心像素灰度值进行取平均值操作得到中心像素的最终灰度值，对中心图像的每一个像素采用上述方法计算对应的最终灰度值，遍历整张中心图像后即获得去噪后的清晰图像。

进一步的，所述中心图像的相邻图像选取方式为：将中心图像的时间序列当中相邻的两张图像和空间序列当中相邻的两张图像共4张作为相邻图像。

进一步的，所述中心图像的每一个像素与相邻图像对应搜索域的相似度采用如下方式确认：

S21：在中心图像中选取中心像素，将中心像素在相邻图像中相同位置的像素定义为目标像素，以目标像素为中心m×m像素范围的区域定义为搜索域，对于每一个搜索域当中的每一个像素，以该像素为中心的n×n像素范围定义为邻域；

S22：计算相邻图像对应的搜索域中的像素P的累计方差：设像素P的灰度值为s，像素P对应的邻域中所有像素的灰度值分别表示为t_i,i∈[1,n²]，由此计算像素P在这一搜索域上的累计方差为：

S23：对于中心像素对应的所有搜索域，均按照S22采用的方法计算累计方差，则该像素对应的平均累计方差为：

S24：遍历整个搜索域，对搜索域中的每一个像素都按照S23采用的方法计算平均累计方差；

S25：计算搜索域中每个像素的邻域方差：对于一个搜索域的一个像素P，由S23计算出其平均累计方差e，则像素P对应的邻域方差为：