基于贝叶斯模型的超声图像斑点噪声滤波方法
成果类型:: 发明专利
发布时间: 2022-10-27 08:59:23
在超声信号的采集过程中,由于斑点噪声的存在,使得重建的超声图像质量明显 比CT、MRI等成像模态的差。为了提高超声的图像质量,通常需要对斑点噪声进行滤波去噪。 但由于斑点噪声对人体组织的依赖性,导致对斑点噪声的建模和滤除非常困难。对超声图 像的斑点噪声滤波问题,虽然已有大量的研究报道,但经典的滤波方法在抑制噪声的同时 会丢失图像中的边缘等细节信息。近些年来,基于偏微分方程的各向异性扩散滤波模型开 始应用于图像的平滑去噪。各向异性扩散模型的优点是在对图像进行平滑去噪的同时会很 好的保留图像中的边缘等细节信息。
最简单的扩散方程是把图像平滑看作是各向同性的热传导方程的解。为了获得对 加性噪声模型的平滑滤波结果,一个直观的想法就是最小化由||V«|估计的图像变化值。 1963年Tikhonov提出了对应的变分问题,即在物理学领域著名的热扩散方程。热扩散方程 的解等价于观察图像与高斯核函数的卷积,因为卷积算子是线性的,所以热扩散方程的解 也是线性的。由于一幅图像与高斯核地卷积等价于它的Fourier变换与另一个高斯核的乘 积,所以各向同性的扩散过程本质上是一个低通滤波的过程,它将抑制图像中的高频信号。 不幸的是,图像的许多特征,如边缘、纹理等,通常表现为高频信号。因此边缘、纹理等有用 信息也将与噪声一起被各向同性的滤波器滤除掉。
为了使本技术领域的人员更好地理解本发明中的技术方案,下面将结合本发明实 施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施 例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通 技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护 的范围。
本发明根据经对数变换后的超声图像中斑点噪声数理统计特性,获得了基于 Pearson统计距离的权重计算函数,是一种非参数统计的方法,避免了传统扩散方程中对参 数的复杂设计,对斑点噪声取得了较好的滤波效果。
技术合作
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在 不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论 从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权 利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有 变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。 [0104] 此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包 含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当 将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员 可以理解的其他实施方式。