[发明专利]自适应非局部均值超声图像去噪方法及系统

权利要求书

1.自适应非局部均值超声图像去噪方法，其特征在于，所述方法包括：

步骤1、采集图像：按照医学要求，利用超声机器对病源器官进行图像拍摄，取得符合要求的超声图像，完成图像采集；

步骤2、导出图像：将步骤1中采集得到的超声图像从超声机器中导出为序列图像，将所述序列图像按照BMP图像格式写入到BMP图像文件夹中；

步骤3、建立超声噪声模型；

步骤4、去噪：对步骤3中建立的所述超声噪声模型去噪，得到去噪后的超声噪声模型；

步骤5、输出图像：将超声图像输入至去噪后的超声噪声模型，输出去噪后超声图像。

2.根据权利要求1所述的图像去噪方法，其特征在于，步骤3超声噪声模型如下：

u(x)＝v(x)+v^γ(x)θ(x)

式中，θ(x)是均值为0、方差为σ²的高斯噪声，γ为取决于超声设备和成像过程的一个常数，取γ＝0.5。

3.根据权利要求1所述的图像去噪方法，其特征在于，步骤4去噪的过程进一步包括：

步骤4-1、利用蜂算法迭代寻优的特性寻找NLM算法的最优λ，M和P参数；

步骤4-2、将最优参数代入NLM算法获得最优滤波器，并对原始图像处理得到滤波图像，以此消除噪声。

4.根据权利要求3所述的图像去噪方法，其特征在于，步骤4-1进一步包括：

步骤4-1a、初始化蜂群参数；

参数包括确定种群数N、最大迭代次数M、控制参数limit、以及确定搜索空间的范围，在搜索空间中随机生成初始解xi(i＝1,2,3,……,SN)，SN为食物源个数，每个解xi是一个D维的向量，D是问题的维数；

步骤4-1b、初始化之后，整个种群进行引领蜂、跟随蜂和侦查蜂搜寻过程的重复循环，直到达到最大迭代次数M或误差允许值ε；

步骤4-1c、在搜索过程开始阶段，每个引领蜂由下式产生一个新解，并计算其适应度：

其中，i是当前解，k是随机选择的邻域解，是[-1,1]之间符合均匀分布的随机数。

5.根据权利要求4所述的图像去噪方法，其特征在于，步骤4-1还包括：

步骤4-1d、在所有引领蜂完成搜寻过程之后，引领蜂在招募区跳摇摆舞把解的信息及信息与跟随蜂分享；跟随蜂根据式计算每个解的选择概率P_m：

式中，m表示搜寻次数，fit_m表示第m次搜寻的解的拟合，表示第m次搜寻的解；

步骤4-1e、在所有跟随蜂完成搜寻过程之后，如果一个解经过limit次循环仍然没有被进一步更新，则认为此解陷入局部最优，该食物源被舍弃；

设食物源xi被舍弃，则此食物源对应的引领蜂转成一个侦查蜂；侦察蜂由下式产生一个新的食物源代替它；

其中，i＝1,2,...,SN，j＝1,2,...,D；SN是食物源数量，D是设计参数的维度，和分为j维的上界和下界；

步骤4-1f、判断是否有放弃的解，否则按步骤4-1e随机产生新解将其替换；

步骤4-1g、记录最优解，判断是否满足循环终止条件，若满足，循环结束，输出最优λ，M和P参数，否则返回步骤4-1c继续搜索。