基于NSCT的改进滤波与阈值函数的医学超声图像去噪方法技术

本发明专利技术提供一种基于NSCT的改进滤波与阈值函数的医学超声图像去噪方法，其包括一、预处理；二、NSCT变换；三、采用改进的双边滤波方法对低频子带系数进行噪声抑制处理；采用改进阈值方法对高频子带系数进行噪声抑制处理；四、将噪声抑制处理后的系数进行NSCT逆变换，再指数变换得到去除噪声后的重构图像，将NSCT变换与双边滤波及改进阈值法相结合，可以有效地抑制超声图像中的散斑噪声，较好地保留原始图像中的边缘及细节信息，获得较好的视觉效果。可直接与医院的临床应用相结合，为相关疾病诊断提供探索性及实用性研究，为辅助医生对疾病的诊断提供技术支持，提高该疾病的诊断水平，还可用于跟踪病理变化等。

【技术实现步骤摘要】
基于NSCT的改进滤波与阈值函数的医学超声图像去噪方法
本专利技术涉及一种基于NSCT的改进滤波与阈值函数的医学超声图像去噪方法，属于医学超声图像噪声处理领域，可以应用于各类医用超声图像噪声处理系统。
技术介绍
医学超声图像中的噪声主要以散斑噪声为主，散斑噪声的抑制又是其进行后续处理所必须的步骤，因此针对超声图像中散斑噪声的抑制一直是临床应用中非常关注的话题。传统的医学超声图像去噪技术主要集中在空间域的图像滤波技术，如经典的中值滤波、均值滤波、维纳滤波、Lee滤波等，基于这些技术的图像滤波方法虽然实现较为简单，但是它们在滤除噪声与进行边缘保留之间的矛盾依然较为明显,因此具有一定局限性。随着多尺度几何分析方法(MGA)的理论发展和实际应用，不仅为图像处理及分析提供了一种新的方法，而且为高维空间中信号稀疏表示方面的研究提供了重要的理论基础。MGA工具从提出到现在，经历了快速的发展，先后提出了许多的多尺度几何分析工具，如Ridgelet变换、Curvelet变换、Contourlet变换等方法。由于Contourlet变换过程中有下采样的操作，在奇异点周围容易引入伪吉布斯现象。针对Contourlet变换去噪的不足，A.L.Cunha等人又提出了没有下采样操作的Contourlet变换，称为非下采样Contourlet变换(NSCT)，可以有效地应用于图像去噪领域。
技术实现思路
为了避免现有技术的不足之处，本专利技术提出一种基于NSCT的改进滤波与阈值函数的医学超声图像去噪方法，能够提高医学超声图像质量，达到理想的实用效果。本专利技术提供一种基于NSCT的改进滤波与阈值函数的医学超声图像去噪方法，其包括以下步骤：一、对含有噪声的医学超声图像进行预处理；二、对预处理后的超声图像进行NSCT变换，分别得到低频子带系数和高频子带系数；三、采用改进的双边滤波方法对低频子带系数进行噪声抑制处理；采用改进阈值方法对高频子带系数进行噪声抑制处理；四、将噪声抑制处理后的系数进行NSCT逆变换，再指数变换得到去除噪声后的重构图像，步骤三中，改进的双边滤波方法采用双边滤波器其中其中，为噪声方差，C1和C2是经验常数；改进阈值方采用数学模型：其中Hj,k(m,n)表示第j尺度，k方向上的NSCT系数，Tj,k(m,n)为阈值函数，且所述阈值函数为其中噪声标准差为信号的标准差为为j尺度，k方向上的能量。步骤一中对含有噪声的医学超声图像进行对数变换操作：log[F(i,j)]＝log[s(i,j)]+log[X(i,j)]，并将乘性噪声转换为加性噪声，其中其中，F(i,j)为含有散斑噪声的超声图像，X(i,j)是需要恢复的无噪声图像，S(i,j)是乘性散斑噪声。步骤二中首先采用非下采样金字塔对图像进行多尺度分解，然后采用方向滤波器对各尺度子带图像进行方向分解，从而得到不同尺度、不同方向的子带图像。步骤三中噪声方差可利用得到的高频子带系数采用鲁棒中值估计法来获取。本专利技术的有益效果：将NSCT变换与双边滤波及改进阈值法相结合，可以有效地抑制超声图像中的散斑噪声，同时较好地保留原始图像中的边缘及细节信息，获得较好的视觉效果。本方法可以直接与医院的临床应用相结合，为相关疾病诊断提供探索性及实用性研究，为辅助医生对疾病的诊断提供技术支持，提高该疾病的诊断水平，还可用于跟踪病理变化等。附图说明图1为本专利技术的基本流程图。图2为金字塔滤波器的结构图。图3为非下采样方向滤波器的结构图。图4a、4b、4c、4d、4e为使用本专利技术完成医学超声图像散斑噪声抑制的例子采用其他去噪方法的示意图。具体实施方式下面结合附图对本专利技术实施例作进一步说明：本专利技术提供一种基于NSCT的改进滤波与阈值函数的医学超声图像去噪方法，其包括以下步骤：一、对含有噪声的医学超声图像进行预处理，对含有噪声的医学超声图像进行对数变换操作，并将乘性噪声转换为加性噪声，医学超声图像加性散斑噪声部分的影响远小于乘性部分，因此，在实际散斑噪声抑制过程中可以忽略加性散斑噪声，如下式所示：F(i,j)＝S(i,j)*X(i,j)，其中，F(i,j)为含有散斑噪声的超声图像，X(i,j)是需要恢复的无噪声图像，S(i,j)是乘性散斑噪声，去除噪声前，对原始医学超声图像进行对数变换，散斑噪声图像经过对数变换后如下式所示：log[F(i,j)]＝log[s(i,j)]+log[X(i,j)]。二、对预处理后的超声图像进行NSCT变换，分别得到低频子带系数和高频子带系数，由于NSCT变换去除了Contourlet变换的下采样操作，因而具有平移不变性，且比Contourlet变换能更好地采集频率并且具有规律性，NSCT是在Contourlet变换的基础上提出的，NSCT的基本思想是首先利用多尺度分解捕捉边缘奇异点，然后再将点的奇异性汇集成线的奇异性，首先采用非下采样金字塔对图像进行多尺度分解，然后采用方向滤波器对各尺度子带图像进行方向分解，从而得到不同尺度、不同方向的子带图像，金字塔滤波器结构图如附图2所示，其中，H0(z)和H1(z)分别为低通滤波器和高通滤波器，G0(z)和G1(z)分别为低通重构滤波器和高通重构滤波器。方向滤波器结构图如附图3所示，其中，C0(z)和C1(z)为第一级分解的互补扇形滤波器组，C0(zw)和C1(zw)为第二级分解的想先滤波器组。三、采用改进的双边滤波方法对低频子带系数进行噪声抑制处理；采用改进阈值方法对高频子带系数进行噪声抑制处理。经NSCT变换后，低频子带系数包含了图像的基本信息，是去除纹理和细节后的图像缩略图，采用改进的双边滤波方法对低频子带系数进行噪声抑制处理，改进的双边滤波方法采用双边滤波器双边滤波加权系数由两个加权因子相乘得到：一个因子由像素间空间距离决定，称之为空域加权因子(空间核)；另一个因子由像素间差值决定，称之为像素值加权因子(像素值核)，其数学模型为其中，是噪声方差。在本方法中引入了经验常数C1和C2，并且可以利用得到的高频子带系数采用鲁棒中值估计法来估计噪声的方差。假设高频子带系数中每一层的噪声方差估计值为则经NSCT变换后，高频部分对应的是图像的边缘、细节信息以及突变的部分和大部分的噪声。随着尺度的分解，代表图像细节信息的NSCT系数会趋于稳定，而代表噪声的NSCT系数则会成指数下降。因此，在高频部分采用改进的阈值方法来滤除噪声并保持图像的细节信息，对于高频子带系数Hj,k(m,n)，如果其超过了设计的阈值，则保留，如果其小于设计的阈值，则保留高频子带系数的邻域均值，基于改进阈值方采用数学模型：其中Hj,k(m,n)表示第j尺度，k方向上的NSCT系数，Tj,k(m,n)为阈值函数，且所述阈值函数为以BayesShrink阈值为基础，BayesShrink阈值表达式为：其中，σx和σ分别为信号和噪声标准差，噪声标准差为信号的标准差为为j尺度，k方向上的能量。四、将噪声抑制处理后的系数进行NSCT逆变换，再指数变换得到去除噪声后的重构图像，附图4为医学超声图像和散斑噪声处理后的图像。图4a为医学超声原始图像；图4b为采用本专利技术处理后的医学超声图像；图4c为采用Lee过滤方法处理后的医学超声图像；图4d为采用WT方法处理后的医学超声图像；图4e为采用C本文档来自技高网...

【技术保护点】
一种基于NSCT的改进滤波与阈值函数的医学超声图像去噪方法，其特征在于：其包括以下步骤：一、对含有噪声的医学超声图像进行预处理；二、对预处理后的超声图像进行NSCT变换，分别得到低频子带系数和高频子带系数；三、采用改进的双边滤波方法对低频子带系数进行噪声抑制处理；采用改进阈值方法对高频子带系数进行噪声抑制处理；四、将噪声抑制处理后的系数进行NSCT逆变换，再指数变换得到去除噪声后的重构图像，步骤三中，改进的双边滤波方法采用双边滤波器

【技术特征摘要】
1.一种基于NSCT的改进滤波与阈值函数的医学超声图像去噪方法，其特征在于：其包括以下步骤：一、对含有噪声的医学超声图像进行预处理；二、对预处理后的超声图像进行NSCT变换，分别得到低频子带系数和高频子带系数；三、采用改进的双边滤波方法对低频子带系数进行噪声抑制处理；采用改进阈值方法对高频子带系数进行噪声抑制处理；四、将噪声抑制处理后的系数进行NSCT逆变换，再指数变换得到去除噪声后的重构图像，步骤三中，改进的双边滤波方法采用双边滤波器其中其中，为噪声方差，C1和C2是经验常数；改进阈值方采用数学模型：其中Hj,k(m,n)表示第j尺度，k方向上的NSCT系数，Tj,k(m,n)为阈值函数，且所述阈值函数为其中噪声标准差为信号的标准差为为j尺度，k方向上的能量。2.根据权利要求1所述的基于NSCT...

【专利技术属性】
技术研发人员：陈伟斌，张鑫，
申请(专利权)人：温州大学，温州医科大学，
类型：发明
国别省市：浙江,33