基于bitonic滤波与分解框架的医学超声图像去噪方法技术

基于bitonic滤波和分解框架的医学超声图像去噪方法，包括如下步骤：步骤1)将图像通过分解框架分解；步骤2)构造一个rank滤波器；步骤3)对C1,C3分量进行形态学开、闭操作；计算开、闭误差并对其进行平滑；步骤5)对经过开闭运算后的C1，C3分量加权求和得到bitonic滤波后的分量Crec1，Crec3；步骤6)对分量Crec1，Crec3进行逆变换得到最后的去噪图像。本发明专利技术通过实验分析与去噪领域中的几种算法进行了对比，有效的应用在医学超声去噪领域；通过框架分解超声图像得到三个分量，再将bitonic滤波应用在其中两个分量上。通过了大量的实验数据对比，提出了基于bitonic滤波和分解框架的医学超声图像去噪方法，能够更好的有帮助医师的分析诊断。

【技术实现步骤摘要】
基于bitonic滤波与分解框架的医学超声图像去噪方法
本专利技术涉及一种医学超声图像去噪方法。
技术介绍
随着科技的发展，在医学成像领域，超声成像、CT、MRI等成像技术已应用于医学临床诊断中。超声医学，是声学、医学、光学及电子学相结合的学科。凡研究高于可听声频率的声学技术在医学领域中的声医学。涉及的内容广泛，在预防、诊断、治疗疾病中有很高的价值。超声成像是利用超声束扫描人体，通过对反射信号的接收、处理，以获得体内器官的图象。常用的超声仪器有多种：A型(幅度调制型)是以波幅的高低表示反射信号的强弱，显示的是一种“回声图”。M型(光点扫描型)是以垂直方向代表从浅至深的空间位置，水平方向代表时间，显示为光点在不同时间的运动曲线图。以上两型均为一维显示，应用范围有限。B型(辉度调制型)即超声切面成像仪，简称“B超”。是以亮度不同的光点表示接收信号的强弱，在探头沿水平位置移动时，显示屏上的光点也沿水平方向同步移动，将光点轨迹连成超声声束所扫描的切面图，为二维成像。至于D型是根据超声多普勒原理制成.C型则用近似电视的扫描方式，显示出垂直于声束的横切面声像图。近年来，超声成像技术不断发展，如灰阶显示和彩色显示、实时成像、超声全息摄影、穿透式超声成像、超声计并机断层圾影、三维成像、体腔内超声成像等。在过去的几十年中，人们大量地研究了在保持图像的主要特征(边缘、纹理、颜色、对比度等)的同时去除图像噪声的问题，本专利技术使用医学超声图像为研究对象，由于斑点噪声的存在严重影响了超声图像的质量，导致了超声医学图像质量较差。斑点噪声在图像上表现为空间域内相关的形状各异的小斑点，它将掩盖那些灰度差别很小的图像特征。传统滤波方法往往会破坏超声图像原有的图像特征结构。对于临床医生而言，斑点噪声对他们的准确诊断造成了很大的干扰，即使是滤波后的图片，也会因为滤波破坏的图像结构信息影响他们的判断，特别是对于经验不是很丰富的医生造成的影响更大。因此，从临床应用的角度出发，需要研究对超声医学图像保持图像结构信息的去噪方法，为医生做出更准确的诊断提供技术支持，降低人工诊断的风险。现有的滤波方法在实验阶段一般是针对噪声比较严重的情况能得到较高的信噪比为目标，这样的滤波方法固然能得到较好的滤波效果，但是往往要耗费大量的时间，而现有的快速的滤波方法如同中值滤波、高斯滤波得到的滤波效果很一般。真实的医学图像的噪声实际上很少会有像实验假设时那样严重的噪声，所以对于医学超声图像而言，研究医学超声图像的快速的并有一定保护图像结构信息的去噪方法具有非常重要的意义。
技术实现思路
为了克服传统滤波方法在保留图像结构信息上的不足，以及为了克服现有滤波方法需要消耗大量时间的不足，本专利技术提供了一种基于图像分解框架与双调滤波(bitonicfilter)医学超声图像的去噪算法，用于解决医学超声图像的去噪。现有技术中，许多经典的滤波方法已经在图像滤波方面发挥了重大的作用，但是这些方法往往会破坏图像原有的例如图像边缘等结构信息，并且极少有能兼顾时间代价和保证滤波效果的滤波方法。本专利技术采用了最新的图像框架分解技术与最新的基于图像形态学滤波的双调滤波(bitonicfilter)对医学超声图像进行滤波，此方法具有速度快、去噪明显的，保留图像结构信息更强的医学超声图像去噪声方法，最后通过仿真验证了方法的可行性与优化的效果。本专利技术的优点是：提出了一种基于bitonic滤波与图像分解框架的医学图像去噪算法，图像分解框架克服了传统去噪方法保留图像结构能力的不足，bitonic滤波解决了传统快速滤波算法的不足，并具备一定的保留图像结构以及图像边缘信息的能力，将其应用于医学超声图像去噪能更好的保护图像边缘信息，更快地完成图像滤波，给医师的诊断提供了方便。为使本专利技术的目的、技术方案和优点更加清晰，下面就对本专利技术的技术方案作进一步描述，基于bitonic滤波与分解框架的医学超声图像去噪方法，步骤如下：步骤1)将图像通过分解框架分解。对超声图像I进行分解，分解后能得到三个分量C1,C2,C3，分解的公式如下：分量C1与C3是将图像不同的信息分开来，分别包含了图像的细节和近似信息，C2始终为0分量，其中算子K的定义公式如下：上式中λ为平滑参数，Ix为图像I在(x,y)点关于x的偏导，Iy为图像I在(x,y)点关于y的偏导，为图像I在(x,y)点的梯度，经实验得出λ最合适的值为0.001，在Ix与Iy都为零的点，K设为单位矩阵。上式中，图像I位于(x,y)点的梯度值计算公式如下：步骤2)构造一个rank滤波器。我们将先构造一个将要用在下面的步骤中的rank滤波器，该滤波器的作用是将图像的局部区域所有的像素值排序后选定需要的位置的像素代替图像局部区域中心的像素值，其计算公式如下：rankw,c(x)＝cthcentile{xi},i∈w(4)上式中参数w为局部窗口大小，参数c为排序后选取的序号，局部窗口大小w的选择影响着图片被滤波器平滑的程度，而参数c大小的选择是决定了对图像细节的保留程度，一般最好的效果是c选在10的时候，较低的c可以以一些轻微的非线性失真为代价来保持孤立的精细细节，20或更高的值对修复含有椒盐噪声的图像十分有效，不过也会更多的丢失图像原本的细节部分。本专利技术中对C1,C3两个分量w的值选为3，对于C1分量，c的值选为10，而对于C3分量，c的值选为20。步骤3)对C1,C3分量进行形态学开、闭操作。用步骤2)中构造的rank滤波对两个分量进行形态学开操作和闭操作来得到一个开变量Open和闭变量Close，计算开变量公式如下：Openw,c(x)＝rankw,100-c(rankw,c(x))(5)计算闭变量的公式如下：Closew,c(x)＝rankw,c(rankw,100-c(x))(6)式(5)，(6)中变量x即输入的图像，参数w，c即为步骤2)中介绍的rank滤波器的参数。将分量图像C1,C3作为上式中的变量x代入上式可得开变量OC1、OC3,和闭变量CC1,CC3。步骤4)计算开、闭误差并对其进行平滑。计算出经过开、闭操作后的图片与原图相减后取绝对值作为开、闭操作误差值，分别为开误差EOpen和闭误差EClose，并将这两个变量与适当长度的高斯核进行卷积，得到平滑后的开、闭误差，高斯核的长度与前面选定的rank滤波的窗口大小相关，开误差计算式如下：EOpen(x)＝|G(x-Openw,c(x))|(7)闭误差的计算式如下：EClose(x)＝|G(Closew,c(x)-x)|(8)上式中x为输入图像，函数G(.)为高斯平滑函数。将步骤3)中得到的开变量OC1、OC3,和闭变量CC1,CC3带入式(6)、(7)，得到分别对应于C1,C3变量的平滑后的开误差EOC1、EOC3和闭误差ECC1、ECC3。步骤5)对经过开闭运算后的C1，C3通过分量开、闭误差加权求和公式得到bitonic滤波后的分量Crec1，Crec3。根据bitonic滤波的最后一步的计算公式：将以上步骤中计算得到的开闭变量OC1,OC3,CC1,CC3，和开闭误差EOC1,EOC3,ECC1,ECC3代入上式中，可得到分量C1,C3经过bitonic滤波后的分量Crec1,Crec3。步骤6)对分本文档来自技高网...

【技术保护点】
1.基于bitonic滤波与分解框架的医学超声图像去噪方法，步骤如下：步骤1)将图像通过分解框架分解；对超声图像I进行分解，分解后能得到三个分量C1,C2,C3，分解的公式如下：

【技术特征摘要】
1.基于bitonic滤波与分解框架的医学超声图像去噪方法，步骤如下：步骤1)将图像通过分解框架分解；对超声图像I进行分解，分解后能得到三个分量C1,C2,C3，分解的公式如下：分量C1与C3是将图像不同的信息分开来，分别包含了图像的细节和近似信息，C2始终为0分量，其中算子K的定义公式如下：上式中λ为平滑参数，Ix为图像I在(x,y)点关于x的偏导，Iy为图像I在(x,y)点关于y的偏导，▽I为图像I在(x,y)点的梯度，经实验得出λ最合适的值为0.001，在Ix与Iy都为零的点，K设为单位矩阵；上式中，图像I位于(x,y)点的梯度值计算公式如下：步骤2)构造一个rank滤波器；将先构造一个将要用在下面的步骤中的rank滤波器，该滤波器的作用是将图像的局部区域所有的像素值排序后选定需要的位置的像素代替图像局部区域中心的像素值，其计算公式如下：rankw,c(x)＝cthcentile{xi},i∈w(4)上式中参数w为局部窗口大小，参数c为排序后选取的序号，局部窗口大小w的选择影响着图片被滤波器平滑的程度，而参数c大小的选择是决定了对图像细节的保留程度，一般最好的效果是c选在10的时候，较低的c可以以一些轻微的非线性失真为代价来保持孤立的精细细节，20或更高的值对修复含有椒盐噪声的图像十分有效，不过也会更多的丢失图像原本的细节部分；对C1,C3两个分量w的值选为3，对于C1分量，c的值选为10，而对于C3分量，c的值选为20；步骤3)对C1,C3分量进行形态学开、闭操作；用步骤2)中构造的rank滤波对两个分量进行形态学开操作和闭操作来得到一个开变量Open和闭变量Close，计算开变量公式如下：Openw,c(x)＝rankw,100-c(rankw,c(x))(5)计算闭变量的公式如下：Closew,c(x)＝rankw,c(rankw,100-c(x...

【专利技术属性】
技术研发人员：张聚，吕金城，陈坚，周海林，
申请(专利权)人：浙江工业大学之江学院，
类型：发明
国别省市：浙江,33