[发明专利]基于贝叶斯模型的超声图像斑点噪声滤波方法

摘要

本发明公开了一种基于贝叶斯模型的超声图像斑点噪声滤波方法，具体包括S1、建立基于贝叶斯模型的非局部滤波模型；S2、采用Gamma分布拟合经对数压缩后超声图像中的斑点噪声，进而得出基于Pearson统计距离的权重函数；S3、求解非局部滤波模型中的变量；S4、采用求解后的非局部滤波模型对超声图像中斑点噪声进行滤波处理。本发明能够有效的滤除超声图像中的斑点噪声，提高超声图像的成像清晰度。

主权项

一种基于贝叶斯模型的超声图像斑点噪声滤波方法，其特征在于，所述方法包括：S1、建立基于贝叶斯模型的非局部滤波模型JBayesian-NL-TV(u)=∫Ω||▿NLu||+λ2(u-u0)2dx=∫Ω∫Ω(u(y)-u(x))2w(x,y)dy+λ2(u-u0)2dx,]]>其中，第一项λ为平滑项，第二项(u‑u0)2为数据保真项，λ是一个正常数，用于控制平滑项与数据保真项之间的平衡；数据保真项用于使求解的值u不会偏移原始观测值u0太远；S2、采用Gamma分布拟合经对数压缩后超声图像中的斑点噪声，进而得出基于Pearson统计距离的权重函数；S3、求解非局部滤波模型中的变量u和d，其中S4、采用求解后的非局部滤波模型对超声图像中斑点噪声进行滤波处理；在所述步骤S2中，采用Gamma分布拟合经对数压缩后超声图像中的斑点噪声：u(x)＝v(x)+vγ(x)η(x)，其中，γ是一个依赖于超声设备并与后续成像过程相关的参数；两两像素块之间相似度的Pearson统计距离为：dp(x,y)=∫Ω(u(x+·)-u(y+·))2u(y+·)dy,]]>基于Pearson统计距离的权重函数为：w(x,y)=1Zexp(-1h2∫Ω(u(x+·)-u(y+·))2u(y+·)dy),]]>其中，u(x+·)和u(y+·)为图像中的两个像素块。