[发明专利]超声图像混合噪声自适应抑制方法

摘要

本发明提供了一种超声图像混合噪声自适应抑制方法。本发明分别去除图像中的加性噪声和乘性噪声，通过去除加性噪声后对图像进行对数变换，将乘性噪声转化成加性噪声。然后计算图像中的各个像素点与邻域点的加权平均差值、差值的方差，并依此进行噪声判断将图像分为平稳区域和细节区域，对不同的区域分别进行空域滤波和变换域滤波后相加得到去噪图像，这样能够充分的利用两类滤波处理的优势，实现针对不同像素点应用不同滤波方法的自适应处理，方法简单方便，邻域选取合理，去噪效果较单域处理明显，实用性强。

主权项

一种超声图像混合噪声自适应抑制方法，该方法包括：步骤1.读取超声图像，获得超声图像数据；步骤2.对所述超声图像进行K近邻加权均值滤波；步骤3.对滤波后的图像进行对数变换；步骤4.对对数变换得到的图像中的每个像素点进行特征判断；步骤5.根据像素点的特征信息将图像分成平稳区域和细节区域，并标记为A和B；步骤6.分别对不同子图A、B两个部分进行不同的滤波处理；步骤7.对处理后的图像进行指数变换；步骤8.输出处理后的超声图像数据，显示图像；其特征在于，所述步骤4进一步包括：步骤41.计算各个像素点与周围近似圆形邻域的加权均值差异；步骤42.计算各个像素点与周围近似圆形邻域加权均值差异的方差；其中，计算所述各个像素点与周围近似圆形邻域的加权均值差异和加权均值差异的方差的公式为：mean(p)=140Σk=120d(k)*l(k);]]>var(p)=140Σk=120l(k)*(d(k)-mean(p))2;]]>d(k)＝|f(p)‑f(k)|；其中d(k)表示邻域中第k个点与邻域的中心点p灰度差异值的绝对值；l(k)表示第k个点在计算中所占的权重，且离邻域的中心点越近权重值越大，表示该点与中心点p的相关程度越大；mean(p)表示中心点相对于邻域内各点灰度值差异的加权平均值；var(p)表示差异的方差值；所述步骤5进一步包括，步骤51.像素点与周围近似圆形邻域的加权均值差异小于阈值T1，加权均值差异方差大于T2则认为是平稳点，标记图像中所有平稳点为平稳区域A；步骤52.图像中除了平稳点外，剩余的点都为细节点，将所有细节点标记为细节区域B；所述步骤6进一步包括，步骤61.对平稳区域A进行空域各向同性滤波处理；步骤62.对细节区域B进行小波变换软阈值滤波处理；1)将带噪图像在各尺度上进行小波分解，获得大尺度低分辨率下的全部小波系数；2)对于各尺度高分辨率下的小波系数，设定一个阈值，按照给定的策略对分解的系数进行处理；w··j,k=wj,k-T,wj,k≥T;0,|wj,k|<T;wj,k+T,wj,k<-T;]]>其中wj,k为各分辨率下的小波系数，为处理后的系数，T为阈值3)将处理后获得的小波系数利用小波逆变换进行重构得到去噪后图像；根据最小误差原理，计算阈值：T=σ2log(n)]]>σ为噪声方差，n为信号样本；步骤63.对处理后的区域A和区域B相加合成新图像。