[发明专利]一种超声图像斑点噪声去除方法

摘要

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。

主权项

1.一种超声图像斑点噪声去除方法，其特征在于具体步骤如下：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，再将该估计图像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： p ( z ( i ) | u ( i ) ) ∝ Π r = 1 | R | exp ( - ( z ( r ) ( i ) - u ( r ) ( i ) ) 2 2 u ( r ) ( i ) σ 2 ) = exp ( - Σ r = 1 | R | ( z ( r ) ( i ) - u ( r ) ( i ) ) 2 2 u ( r ) ( i ) σ 2 ) - - - ( 2 ) ]]>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： p ( z ( i ) | z ( j ) ) = exp ( - Σ r = 1 | R | ( z ( r ) ( i ) - z ( r ) ( j ) ) 2 2 z ( r ) ( j ) σ 2 ) . - - - ( 3 ) ]]>而第二步中的可计算为： p ( z ( i ) | u ^ ( j ) ) = exp ( - Σ r = 1 | R | ( z ( r ) ( i ) - u ^ ( r ) ( j ) ) 2 2 u ^ ( r ) ( j ) σ 2 ) . - - - ( 4 ) ]]>步骤3：为了进一步提升去斑性能，将迭代次数扩展到K次，(2≤K≤4)，则完整的迭代滤波去斑模型如下式所示： I n i t i a l i z e : k = 1. W h i l e ( k ≤ K ) i f ( k = = 1 ) : u ^ ( i ) = Σ j ∈ Δ ( i ) z ( j ) · exp ( - Σ r = 1 | R | ( z ( r ) ( i ) - z ( r ) ( j ) ) 2 / hz ( r ) ( j ) ) Σ j ∈ Δ ( i ) exp ( - Σ r = 1 | R | ( z ( r ) ( i ) - z ( r ) ( j ) ) 2 / hz ( r ) ( j ) ) ⇒ u ^ ; k = k + 1. e l s e : u ~ ( i ) = Σ j ∈ Δ ( i ) u ^ ( j ) · exp ( - Σ r = 1 | R | ( z ( r ) ( i ) - u ^ ( r ) ( j ) ) 2 / h u ^ ( r ) ( j ) ) Σ j ∈ Δ ( i ) exp ( - Σ r = 1 | R | ( z ( r ) ( i ) - u ^ ( r ) ( j ) ) 2 / h u ^ ( r ) ( j ) ) ⇒ u ~ ; k = k + 1 ; u ^ = u ~ . u ^ o p t = u ^ . - - - ( 5 ) . ]]>