本发明专利技术公开了基于方向加权中值滤波的超声图像处理方法，该方法在中值滤波的基础上，考虑了图像的边缘方向和边缘幅度信息，针对某个具体的当前像素点，只选取邻域窗口中与当前点边缘方向相近的点做中值滤波，而且中值的排序选取是在用边缘幅度加权后的像素值上进行的，本发明专利技术的方法能够很好的区分超声图像的噪声和边缘信息，使得在去噪的同时有效地保护了超声图像的边缘细节信息，更加有利于后期的诊断与分析。而且本发明专利技术采用的基础算法是中值滤波，算法简单，时间复杂度低，处理耗时少，更加符合超声成像系统实时处理显示图像的要求。
【技术实现步骤摘要】
本专利技术涉及超声成像中的数据后处理技术，特别涉及提高超声图像质量的图像处理技术，更具体地说，涉及一种用于超声图像去噪和增强的方向加权中值滤波方法。
技术介绍
在超声图像形成过程中，当超声波长与照射物体表面粗糙度相当时，就会产生斑点噪声，这一现象可以用随机散射模型来解释。这些噪声的存在，使得超声图像的清晰度不高，这也是超声成像的主要缺点之一。超声图像特有的散斑噪声不仅使得超声图像的质量较差，尤其是掩盖和降低了图像某些细节信息，也使得对图像细节的识别和分析变得更加困难。为以后的病情诊断及定量分析，图像特征提取和识别造成不利的影响。因此，抑制这些散斑噪声，改善图像质量是超声图像分析和识别的重要预处理环节。超声图像的斑点噪声去除问题一直是国内外超声成像技术的重要课题之一。超声图像去噪一般要求有效抑制散斑噪声，同时要保留对后期分析和诊断有用的图像细节信息。超声图像去噪的主要难点在于1)散斑噪声可以大致看作为一种乘性噪声；2)噪声的随机性质比较复杂；3)噪声易与图像细节相混，而图像细节又复杂且多样。目前，针对抑制超声图像散斑噪声，改善图像质量，人们已经提出了许多方法。I)图像平均方法利用在不同时间、不同频率或不同扫描方向得到同一目标的一系列图像，将它们平均形成一幅复合图像以提高图像的信噪比(SNR)。尽管这种方法简单、快速，然而它受到一些限制需要严格控制系列图像的形成，而且需要图像的配准；由于图像模糊的影响，一些小的细节(例如小的血管、纹理等)会丢失，因此降低了空间分辨能力。2)自适应加权中值滤波方法对图像中的每一个像素点的值，用其局部邻域窗口的加权中值代替。设定窗口中心点为(in，in)，窗口大小为(2w+l) X (2w+l)，则窗口内各点加权系数计算为weight (i, j) = 其中，为取整运算，a为系数，d为点(i, j)到中心点(in, in)的距离，σ 2和m分别为局部邻域窗口内的方差和均值。取邻域窗口内的加权中值代替中心点的像素值。其中，邻域窗口内各点的权值能够根据图像的局部统计特征来自动选取，邻域窗口的大小也能够根据其局部信噪比自动调节。相对于单纯的中值滤波，这种自适应加权处理在保留细节方面取得了一定的效果。但是对窗口的选择很敏感，限制了处理效果，在去除噪声的同时，也会导致一些细微细节的损失。3)小波阈值收缩是一类重要的去除散斑噪声的方法，这种方法主要基于Donoho提出的小波软阈值(soft-thresholding)收缩去噪首先将图像小波分解，设定一个阈值，对于小于阈值的小波系数用零代替，而对于大于阈值的小波系数用它减去阈值代替，被处理后的小波系数作小波反变换，就可以得到重建图像。同时，还有许多对于小波阈值的改进算法。然而，上述方法主要是针对高斯分布的噪声，解决其它分布的噪声时，效果不甚理想；同时，小波阈值的选取也是一个需要着重解决的问题，既不能选的太大而丢失一些边缘和局部细节，也不能选的太小而对噪声的抑制不充分。如何选择小波变换的尺度和阈值尚无确定方法。4)基于各向异性扩散模型的去噪方法。各向异性扩散实际上是一个非线性的偏微分方程，由图像的梯度来决定扩散速度，能够同时兼顾噪声消除和特征保持两个方面。目前，以Perona-Malik(PM)模型为代表的各向异性扩散方程(Anisotropic Diffusion,AD)得到了广泛的应用。Yu等将各向异性扩散方程应用到散斑抑制中，提出了去除散斑噪声的各向异性扩散模型(Speckle Reducing AnisotropicDiffusion, SRAD)。Yu等修正了扩散系数，使扩散方程能够根据图像噪声的情况而调整扩散系数，并且能够对图像的细节信息更加敏感。但SRAD模型也存在明显的缺陷模型中尺度函数是由初始图像中尽可能大的均匀区域计算得到的，模型的关键是如何选取图像中一个尽可能大的，合适的均匀区域，这一区域的选取往往很大程度上影响着扩散结果，给实验结果带来较大的偶然性。此外，SRAD模型所使用的局部统计信息实际上是各向同性的，这也背离了各向异性扩散算法的本质。而且各向异性扩散需要多次迭代处理才能取得比较好的效果，迭代又是非常耗时的，所以该算法很难满足超声实时处理的需求。总结一下，现有的去除超声图像散斑噪声的方法有两个比较关键的不足需要提高一是在对图像平滑去除噪声的同时，对细节和边缘的模糊比较严重，导致了一些边缘细节的损失，影响了后期的诊断与分析；二是处理的时间复杂度比较高，难以满足超声成像系 统实时处理显示图像的需求。
技术实现思路
本专利技术的目的是提供，该处理方法在去噪的同时有效地保护了超声图像的边缘细节信息，而且本处理方法采用的基础算法是中值滤波，算法简单，时间复杂度低。为达到上述目的，本专利技术采用了以下技术方案，包括以下步骤(I)计算所述超声图像中每个像素点的边缘幅度和边缘方向；(2)取所述图像中的一像素点作为当前点；(3)根据所述当前点的边缘幅度或边缘方向判断该当前点是否为边缘点，如果不是边缘点，则对该当前点进行自适应加权中值滤波处理；如果是边缘点，则对该当前点进行下面步骤(4) (5) (6)的处理；(4)取该当前点的M*N邻域,选择该M*N邻域中与该当前点的边缘方向相关的点作为处理点；(5)取所述处理点的像素值和边缘幅度值，对所述处理点的像素值用相应的边缘幅度值加权，对加权后的值进行排序，找出中间值；(6)用所述中间值对应的像素值替换该当前点的像素值；(7)取下一个像素点作为当前点进行步骤(3)的处理，直到处理完所述图像中的所有像素点，最后输出处理后的图像。步骤(I)的一种具体实施方式，所述像素点的边缘幅度和边缘方向的计算方法包括(Ia)计算该像素点的水平方向和垂直方向的梯度，设定该像素点的位置为(i，j)，该像素点的像素值为I(i，j)，则该像素点的水平方向的梯度Gx (i，j)、垂直方向的梯度Gy (i, j)的计算方式如下Gx(i, j) = I (i, j+l)_I (i, j_l) Gy (i, j) = I (i+1, j)-I (i_l, j)；(lb)计算该像素点的梯度幅度GradientAm和梯度方向GradientAn,计算方式如下GradientAm — y Gx2 + Gyz GradientAn = atan (Gy/Gx)(Ic)判断该像素点的梯度幅度GradientAm是否大于预先设定的阈值，如果该梯度幅度GradientAm大于或等于所述阈值，则取该梯度幅度GradientAm、该梯度方向GradientAn为该像素点的边缘幅度和边缘方向，表示该像素点为边缘点；如果该梯度幅度GradientAm小于所述阈值，则设定该像素点的边缘幅度和边缘方向均为负值，表示该像素点不是边缘点。步骤(I)的另一种具体实施方式，所述像素点的边缘幅度和边缘方向的计算方法包括(Ia)选取不同方向的边缘检测算子；(Ib)将每个方向的边缘检测算子中的数值与该像素点的邻域中的对应像素值相乘后求和，求和后取绝对值作为输出值；(Ic)在不同方向的输出值中，将最大值减去最小值得差值，如果该差值大于或等于预先设定的阈值，则取所述不同方向的输出值中的最大值为该像素点的边缘幅度值，取该最大值对应的边缘检测算子的方向为该像素点的边缘方向本文档来自技高网...
【技术保护点】
【技术特征摘要】
【专利技术属性】
技术研发人员：马睿，
申请(专利权)人：飞依诺科技苏州有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。