一种基于小波分解的超声图像缺陷检测方法技术

本发明专利技术提出了一种基于小波分解的超声图像缺陷检测方法，涉及超声图像缺陷检测技术领域，定位超声图像的中的所有噪声像素点所在的位置,迭代过滤噪声像素点，有效改善了超声图像的视觉效果；将过滤噪声像素点之后的超声图像数据转换为不同灰度级子图像，保留灰度级能量函数值不小于预设的能量阈值的子图像，有助于分析感兴趣区域的图像信息；将保留下来的多个灰度级的子图像的灰度级数据与模板图像目标区域的灰度级数据做均方差,得到灰度级均方差，将灰度级均方差与阈值进行比较并重新设定像素点灰度值，根据重新设定的像素点灰度值判断缺陷区域，有效提高了缺陷区域的判断精确度；获取缺陷区域中每个像素点的偏差值进行像素点质量检测，避免了缺陷区域的判断误差。

【技术实现步骤摘要】

本专利技术涉及超声图像缺陷检测，尤其涉及一种基于小波分解的超声图像缺陷检测方法。

技术介绍

1、医用超声成像诊断设备利用超声波在人体中的传播，得到人体组织和器官结构的超声波特征信息。当前的超声成像诊断设备通常采用多阵元探头，高压脉冲波加载在各阵元探头上，激励阵元产生高频超声波进而形成发射波束进入人体。各阵元探头接收人体组织结构散射或反射的回波，形成接收波束，超声诊断系统提取超声回波中的信息，形成各种成像。

2、在超声成像中，图像缺陷是一个常见问题，通常是由于多种因素引起的，例如运动伪影、声影、探头失真、信号处理问题等，这些缺陷会降低超声图像的质量，从而影响医生对病情的诊断，因此将图像缺陷识别出来并进行处理，是提高超声图像质量的关键。

3、许多图像处理技术可以用来提高超声图像的质量。例如，可以通过对比度增强、锐化等操作来改善图像的清晰度，通过噪声抑制技术来减少图像中的噪声；随着人工智能和机器学习技术的发展，这些技术也可以用来自动识别和处理超声图像中的缺陷。例如，深度学习算法可以用来自动检测和纠正超声图像中的伪影和失真。然而现有技术中的本文档来自技高网...

【技术保护点】

1.一种基于小波分解的超声图像缺陷检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的超声图像缺陷检测方法，其特征在于，所述步骤S2中，利用傅里叶变换将不同灰度级子图像分离出来的过程为:

3.根据权利要求2所述的超声图像缺陷检测方法，其特征在于，根据如下公式计算不同子图像小波域数据的能量函数值

4.根据权利要求1所述的超声图像缺陷检测方法，其特征在于，步骤S3中，将子图像P的灰度级数据与目标区域Q的灰度级数据做均方差,得到灰度级均方差ds：

5.根据权利要求4所述的超声图像缺陷检测方法，其特征在于，设置阈值T，区分子图像P的灰度级...

【技术特征摘要】

1.一种基于小波分解的超声图像缺陷检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的超声图像缺陷检测方法，其特征在于，所述步骤s2中，利用傅里叶变换将不同灰度级子图像分离出来的过程为:

3.根据权利要求2所述的超声图像缺陷检测方法，其特征在于，根据如下公式计算不同子图像小波域数据的能量函数值

4.根据权利要求1所述的超声图像缺陷检测方法，其特征在于，步骤s3中，将子图像p的灰度级数据与目标区域q的灰度级数据做均方差,得到灰度级均方差ds：

5.根据权利要求4所述的超声图...

【专利技术属性】
技术研发人员：胡秀娟，
申请(专利权)人：天津市胸科医院，
类型：发明
国别省市：