專利名稱：一種提升超聲圖像質(zhì)量的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及超聲成像技術(shù)領(lǐng)域，特別是超聲成像技術(shù)中的數(shù)字圖像處理技術(shù)，提升超聲圖像質(zhì)量的方法。
背景技術(shù)：
一個典型的超聲成像系統(tǒng)如圖1所示，它包括一個超聲波成像裝置，主控制器控制整個系統(tǒng)的正常運轉(zhuǎn)。在主控制器的控制下，探頭發(fā)射出超聲波，延時一定時間后接收從組織反射回來的超聲波。波束形成器將各通道反射回波信號進行聚焦延遲、加權(quán)、求和，形成一條或多條掃描線，再經(jīng)過濾波、檢波等處理獲得掃描回波的包絡(luò)信號。回波包絡(luò)送到數(shù)字掃描變換模塊完成坐標(biāo)變換，形成圖像數(shù)據(jù)。所形成的圖像數(shù)據(jù)再送到顯示模塊，疊加上字符后輸出到顯示器顯示。
由于超聲束的空間分辨力有限，組織的反射面不光滑，不同的反射源產(chǎn)生的回波信號相位也不一樣，在波束形成的時候可能相疊加也可能相消，及電子電路的噪聲等因素導(dǎo)致超聲圖像中存在許多斑點噪聲。斑點噪聲的存在將會掩蓋超聲圖像中的部分有用信息，對醫(yī)生的診斷造成干擾，影響醫(yī)生的視覺感受甚至影響到醫(yī)生的診斷信心。
有很多的方法抑制斑點噪聲，例如多幀圖像平均，掃描線之間的平滑，圖像像素的鄰域平均等。另外為了突出有用的組織結(jié)構(gòu)特征，有的超聲成像設(shè)備采用銳化圖像的方式，使得超聲圖像中的組織結(jié)構(gòu)、邊緣信息得到加強。
上述常用的辦法雖然抑制了噪聲或增強了組織結(jié)構(gòu)特征，但在抑制了斑點噪聲的同時，卻模糊了組織結(jié)構(gòu)或損失了動態(tài)特性，或在增強了組織結(jié)構(gòu)信息的同時，卻將噪聲也一起加強了，無法真正提高超聲圖像質(zhì)量。
與解決上述問題相關(guān)的是，GE公司在美國專利US 6,208,763和US 6,592,523中公開了一種基于梯度分割的圖像增強方法。該方法依據(jù)梯度信息，將圖像分割為結(jié)構(gòu)區(qū)域與非結(jié)構(gòu)區(qū)域。對結(jié)構(gòu)區(qū)域進行基于灰度加權(quán)方向性二階倒數(shù)的各向異性銳化處理，以增強圖像邊緣的對比度；對非結(jié)構(gòu)區(qū)域進行各向同性的平滑處理以消除斑點噪聲。
深圳邁瑞生物醫(yī)療電子股份有限公司在中國專利200510035913.8和200510036841.9中公開了一種基于梯度分割的圖像增強方法。該方法依據(jù)梯度信息，將圖像分割為結(jié)構(gòu)區(qū)域與非結(jié)構(gòu)區(qū)域。對結(jié)構(gòu)區(qū)域進行基于中間像素的加權(quán)平均各向異性增強處理；對非結(jié)構(gòu)區(qū)域進行各向同性的平滑處理以消除斑點噪聲。
發(fā)明內(nèi)容
上述方法對特征區(qū)域處理時，不能建立有效的數(shù)學(xué)模型增強圖像的邊緣信息和結(jié)構(gòu)信息。本發(fā)明要解決的就是上述方法的不足，即利用熱擴散方程模型，達(dá)到在抑制斑點噪聲的同時，不損失反而增強超聲圖像中組織結(jié)構(gòu)信息的目的，從而提升超聲診斷圖像質(zhì)量。
本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺點，提供一種提升超聲圖像質(zhì)量的方法。
為了在抑制斑點噪聲的同時增強組織結(jié)構(gòu)特征，本發(fā)明的基本思想在現(xiàn)有超聲圖像基礎(chǔ)上，通過后處理的方式，利用由結(jié)構(gòu)張量表示的圖像像素的局部特征，將圖像劃分成組織結(jié)構(gòu)區(qū)域，不含組織結(jié)構(gòu)的平坦區(qū)域以及組織結(jié)構(gòu)的邊緣區(qū)域。對三類區(qū)域分別采用不同的處理方式，從而達(dá)到抑制斑點噪聲的同時增強組織結(jié)構(gòu)信息。為了抑制各種大小范圍的斑點噪聲，增強不同尺度的組織結(jié)構(gòu)特征，所述的圖像處理分別在多個尺度范圍內(nèi)進行。
為實現(xiàn)上述目的，本發(fā)明提出了一種提升超聲圖像質(zhì)量方法，該方法增強超聲圖像結(jié)構(gòu)信息與抑制斑點噪聲，用于超聲成像系統(tǒng)對掃描圖像顯示數(shù)據(jù)的優(yōu)化處理。其的步驟如下 A.利用高斯-拉普拉斯金字塔分解算法分解超聲顯示圖像； B.對分解產(chǎn)生的高斯層圖像數(shù)據(jù)進行各向異性擴散濾波； C.對擴散結(jié)果進行銳化處理； D.利用高斯-拉普拉斯金字塔重構(gòu)算法將各向異性擴散濾波結(jié)果與拉普拉斯層數(shù)據(jù)重構(gòu)回去； E.A、B、C、D三個步驟迭代若干次。
金字塔分解可以獲得不同分辨尺度下原始圖像的表達(dá)，金字塔重構(gòu)可以把不同分辨尺度下的圖像幾乎沒有任何信息丟失重構(gòu)回去。本發(fā)明正是基于這種思想，將圖像分解到不同的尺度，然后在不同的尺度下對圖像做擴散濾波處理，將不同尺度下處理過的圖像重構(gòu)回去，從而獲得最終的結(jié)果。
各向異性擴散是基于熱傳導(dǎo)模型，實現(xiàn)對圖像的平滑的同時可以保持甚至增強圖像的邊界或結(jié)構(gòu)信息。采用高斯核與輸入圖像做卷積的圖像濾波方法，等同于擴散系數(shù)為常值的熱傳導(dǎo)方程的解，即各向同性擴散。由于這種基于高斯核的圖像濾波方法沒有考慮圖像特征在空間上的分布，因此在平滑圖像的同時也濾除了圖像的一些重要的特征信號。本發(fā)明考慮到各向同性擴散濾波的缺點，采用各向異性擴散濾波，根據(jù)圖像的局部特征計算擴散系數(shù)。圖像的局部特征用結(jié)構(gòu)張量的特征向量和特征值來表征。特征值間的差值越大，表明這個區(qū)域的結(jié)構(gòu)特征越強，大特征值方向采用較小的擴散系數(shù)，而小特征值方向采用較大的擴散系數(shù)；反之如果特征值間的差值越小，表明這個區(qū)域有結(jié)構(gòu)信息的可能性就越小，即越平坦，兩個特征方向的擴散系數(shù)基本相同。如此一來，擴散結(jié)果就是，有結(jié)構(gòu)信息的地方沿著結(jié)構(gòu)邊緣擴散，而垂直于結(jié)構(gòu)的邊緣方向則幾乎沒有擴散，從而實現(xiàn)了結(jié)構(gòu)信息的保留甚至增強。對于擴散方程的求解，本發(fā)明采用托馬斯求解方法，以最高的效率完成擴散濾波算法，以便于實現(xiàn)實時處理超聲掃描顯示圖像。
上述方案中，所述步驟B，對由輸入圖像分解出來的高斯層進行4個方向的各向異性擴散濾波，由以下幾個步驟組成 a.計算4個方向擴散系數(shù)，4個方向分別是直角坐標(biāo)系中的-45°、0°、45°和90°方向； b.在上述4個方向進行擴散濾波。
所述過程a，由以下幾個步驟組成 1.高斯平滑； 2.計算梯度； 3.計算結(jié)構(gòu)張量； 4.計算擴散張量； 5.裂解為4個方向的擴散系數(shù)。
有益效果 本發(fā)明達(dá)到在抑制斑點噪聲的同時，不損失反而增強超聲圖像中組織結(jié)構(gòu)信息的目的，從而提升超聲診斷圖像質(zhì)量。
圖1是典型的超聲成像系統(tǒng)圖。
圖2是超聲成像系統(tǒng)中本發(fā)明的圖像處理模塊圖。
圖3是提升超聲圖像質(zhì)量的方法總體流程圖。
圖4是高斯-拉普拉斯金字塔分解流程圖。
圖5是高斯-拉普拉斯金字塔重構(gòu)流程圖。
圖6是各向異性擴散濾波算法流程圖。
圖7是進行擴散的4個方向示意圖。
具體實施例方式 圖1是典型的超聲成像系統(tǒng)圖。圖中由主控制器、探頭、波束形成器、數(shù)字掃描變換(DSC，Digital Scan Conversion)、顯示器組成，在主控制器的控制下，探頭發(fā)射出超聲波，延時一定時間后接收從組織反射回來的超聲波。波束形成器將各通道反射回波信號進行聚焦延遲、加權(quán)、求和，形成一條或多條掃描線，再經(jīng)過濾波、檢波等處理獲得掃描回波的包絡(luò)信號?；夭òj(luò)送到數(shù)字掃描變換模塊完成坐標(biāo)變換，形成圖像數(shù)據(jù)。所形成的圖像數(shù)據(jù)再送到顯示模塊，疊加上字符后輸出到顯示器顯示。
圖2是超聲成像系統(tǒng)中本發(fā)明的圖像處理模塊圖。
本發(fā)明提升超聲圖像質(zhì)量的方法，抑制超聲圖像中的斑點噪聲，增強超聲圖像中組織結(jié)構(gòu)信息，用于在超聲成像系統(tǒng)中對超聲掃描圖像顯示數(shù)據(jù)的優(yōu)化處理，其在系統(tǒng)中的位置如圖2所示。是在DSC與顯示器之間加入一個圖像處理模塊，圖中虛線所示。該圖像處理模塊是提升超聲圖像質(zhì)量方法的核心，主要包括圖像數(shù)據(jù)輸入接口，處理參數(shù)輸入接口，圖像顯示數(shù)據(jù)輸出接口，高斯-拉普拉斯金字塔分解重構(gòu)算法，結(jié)構(gòu)張量求解算法，擴散張量求解算法，各向異性擴散濾波算法，加性裂解算法，數(shù)字圖像銳化算法。
圖3是提升超聲圖像質(zhì)量的方法總體流程圖。
本發(fā)明提升超聲圖像質(zhì)量的方法，其總體實現(xiàn)如圖3所示。首先把將要送出顯示的圖像數(shù)據(jù)利用高斯-拉普拉斯金字塔分解算法，將其分解成若干層。接著對數(shù)據(jù)量最小的高斯層進行各向異性擴散濾波處理，再對處理結(jié)果做銳化處理。將處理過的高斯層數(shù)據(jù)與未處理的拉普拉斯層數(shù)據(jù)利用高斯-拉普拉斯重構(gòu)算法進行重構(gòu)。以上四個步驟經(jīng)過若干次循環(huán)即可實現(xiàn)提升超聲圖像質(zhì)量的目標(biāo)，圖像斑點噪聲得到有效抑制，同時組織結(jié)構(gòu)信息得到增強。
圖4、圖5是高斯-拉普拉斯金字塔分解、重構(gòu)流程圖。
本發(fā)明為了減少整個算法的計算量，以及實現(xiàn)在多尺度下對圖像進行處理，對輸入圖像進行了高斯-拉普拉斯金字塔分解，將圖像中的能量集中于數(shù)據(jù)量較少的高斯層數(shù)據(jù)。所述高斯-拉普拉斯金字塔分解與重構(gòu)算法，為PETER J.BURT等在1983年提出來的。分解算法的流程如圖4所示，重構(gòu)算法的流程如圖5所示。
高斯金字塔或拉普拉斯金字塔的分解和重構(gòu)均由兩個重要的算子組成，分別為Reduce和Expand，Reduce是數(shù)據(jù)經(jīng)過數(shù)字濾波器后再下采樣的過程，Expand與Reduce相反，是對數(shù)據(jù)上采樣再濾波的過程。
分解過程中，高斯金字塔的求法 Gauss0＝x； Gauss1＝Reduce(Gauss1-1)。
而拉普拉斯金字塔的求法 Laplace1＝Gauss1-Expand(Gauss1+1) 重構(gòu)算法 Gauss1＝Expand(Gauss1+1)+Laplace1 其中x為輸入陣列，Gauss1為第1層高斯層，Laplace1為第L層拉普拉斯層。
本發(fā)明在金字塔分解算法中的濾波器，采用若干階FIR濾波器。下采樣前的濾波器和上采樣后的濾波器具有特定的關(guān)系。
圖6、圖7是各向異性擴散濾波算法、進行擴散流程圖。
本發(fā)明通過高斯-拉普拉斯金字塔分解算法對輸入圖像分解后，對最底層的高斯層進行各向異性擴散濾波，目的之一是減少計算量，目的之二是不同層數(shù)的金字塔分解，其最底層高斯層尺度也不同。因而通過多次循環(huán)可以實現(xiàn)在不同尺度下處理圖像。本發(fā)明采用四個方向擴散濾波，分別是直角坐標(biāo)系中的-45°、0°、45°和90°方向。而要進行各向異性擴散濾波，必須求出相應(yīng)每個像素的4個方向的擴散系數(shù)。
本發(fā)明提升超聲圖像質(zhì)量的方法，為了抑制超聲圖像中的噪聲，增強組織結(jié)構(gòu)信息，在計算擴散系數(shù)的時候?qū)D像的局部特征考慮進去。本發(fā)明采用結(jié)構(gòu)張量來表示局部的特征，某個像素的結(jié)構(gòu)張量為其中，Ix為x方向的梯度，Iy為y方向的梯度。結(jié)構(gòu)張量可以分解為兩個正交的向量。利用這兩個向量的方向和特征值(u1，u2)來表征局部特性。兩個特征值的差值越大，說明這個區(qū)域的結(jié)構(gòu)特征越強，大特征值方向的擴散小，小特征值方向的擴散大，反之如果兩個特征值的差值越小，說明這個地方越?jīng)]有結(jié)構(gòu)信息，即越平坦，兩個特征方向的擴散可基本相同。如此一來，擴散結(jié)果就是，有結(jié)構(gòu)信息的地方沿著結(jié)構(gòu)邊緣有擴散，而垂直于結(jié)構(gòu)的邊緣方向則幾乎沒有擴散，從而實現(xiàn)了結(jié)構(gòu)信息的保留甚至增強。
結(jié)構(gòu)張量的計算要考慮到噪聲的影響，因此在計算梯度的時候，首先采用若干階FIR濾波器平滑圖像，平滑之后的圖像噪聲得到抑制?；谄交蟮膱D像求出每個像素的x，y方向的梯度，獲得結(jié)構(gòu)張量的組成部分，即
IxIy，并分別對這三個數(shù)據(jù)組成的陣列再次作平滑處理，進一步減小噪聲對整個算法的影響，得到最終需要的結(jié)構(gòu)張量 結(jié)構(gòu)張量的特征值和特征向量為 擴散張量的計算由結(jié)構(gòu)張量的特征值，計算出擴散張量的特征值λ1和λ2，再由新的特征值結(jié)合結(jié)構(gòu)張量的特征向量計算出擴散張量。
dd＝(λ2-λ1)(j11-j22)/(μ1-μ2) d11＝0.5*[(λ2+λ1)+(λ2-λ1)(j11-j22)/(μ1-μ2)] d12＝(λ1-λ2)j12/(μ1-μ2) d22＝0.5*[(λ2+λ1)-(λ2-λ1)(j11-j22)/(μ1-μ2)] 4個擴散系數(shù)的獲得。再由擴散張量轉(zhuǎn)化為4個方向的擴散系數(shù) α0＝d11-|d12|， α2＝d22-|d12|。
擴散濾波采用托馬斯算法，以達(dá)到處理的高效率。
本發(fā)明的一次處理循環(huán)包括兩次各項異性擴散濾波，第一次的擴散系數(shù)計算方法為 λ2＝α 初步實現(xiàn)在結(jié)構(gòu)信息較少的區(qū)域做平滑，而在結(jié)構(gòu)信息較多的地方保留其結(jié)構(gòu)信息。
第二次擴散系數(shù)的計算方法為 if(μ1-μ2)2<ss_low λ1＝α e/se λ1＝0 if(μ1-μ2)2<ss_low or(μ1-μ2)2>ss_high λ2＝α e/se λ2＝0 ss_low，ss_high為預(yù)設(shè)的兩個閾值，(μ1-μ2)2值低于ss_low認(rèn)為是平坦區(qū)域，高于ss_high認(rèn)為是強結(jié)構(gòu)區(qū)域。第二次各向異性擴散濾波進一步平滑平坦區(qū)域，而在組織結(jié)構(gòu)的邊界上沿著邊緣方向擴散，使組織結(jié)構(gòu)信息增強。
兩次擴散濾波之后，對結(jié)果進行銳化處理，以避免擴散過程可能帶來的圖像模糊，同時增強組織結(jié)構(gòu)信息。
本發(fā)明在完成一次處理循環(huán)之后將繼續(xù)在下一個尺度下對圖像做類似的處理。不同尺度下判定區(qū)域是否平坦或是包含豐富結(jié)構(gòu)信息，所用的閾值與所在的尺度相關(guān)，從而保證處理后的圖像質(zhì)量大幅提升。
權(quán)利要求
1、一種提升超聲圖像質(zhì)量方法，用于超聲成像系統(tǒng)對掃描圖像顯示數(shù)據(jù)的優(yōu)化處理，其的步驟如下
A.利用高斯-拉普拉斯金字塔分解算法分解超聲顯示圖像；
B.對分解產(chǎn)生的高斯層圖像數(shù)據(jù)進行各向異性擴散濾波；
C.對擴散結(jié)果進行銳化處理；
D.利用高斯-拉普拉斯金字塔重構(gòu)算法將各向異性擴散濾波結(jié)果與拉普拉斯層數(shù)據(jù)重構(gòu)回去；
E.A、B、C、D三個步驟迭代若干次。
2、根據(jù)權(quán)利要求1所述的提升超聲圖像質(zhì)量方法，其特征在于，所述步驟B各向異性擴散濾波過程中，利用圖像的局部結(jié)構(gòu)特征來控制擴散濾波的強度。
3、根據(jù)權(quán)利要求2所述的提升超聲圖像質(zhì)量方法，其特征在于，所述圖像的局部結(jié)構(gòu)特征是利用結(jié)構(gòu)張量來表征的，利用結(jié)構(gòu)張量，可以表征圖像的局部特征，判別是否為圖像的結(jié)構(gòu)區(qū)域。
4、根據(jù)權(quán)利要求2所述的提升超聲圖像質(zhì)量方法，其特征在于，所述各向異性擴散濾波算法中，由擴散張量表征的圖像局部特征，并由此控制擴散濾波強度，擴散濾波的強度由擴散系數(shù)確定，在圖像的結(jié)構(gòu)區(qū)域，擴散系數(shù)很小，圖像的結(jié)構(gòu)信息得以保留甚至增強；在圖像的非結(jié)構(gòu)區(qū)域，擴散系數(shù)大，噪聲得到有效抑制；在圖像或組織結(jié)構(gòu)的邊緣區(qū)域，沿邊緣等高線方向擴散。
5、根據(jù)權(quán)利要求1所述的提升超聲圖像質(zhì)量方法，其特征在于，所述超聲圖像局部特征由結(jié)構(gòu)張量對應(yīng)的兩個特征向量和兩個特征值表示，兩個特征值差的平方越大，所在區(qū)域結(jié)構(gòu)信息越豐富，相反地，兩個特征值差的平方越小，所在區(qū)域越平坦，設(shè)置兩個閾值，特征值差的平方小于小閾值的區(qū)域認(rèn)為是平坦區(qū)域，大于大閾值的區(qū)域認(rèn)為是結(jié)構(gòu)邊緣，介于兩者之間的區(qū)域認(rèn)為是結(jié)構(gòu)組織，在這三種區(qū)域采用不同的擴散系數(shù)計算算法。
6、根據(jù)權(quán)利要求1所述的提升超聲圖像質(zhì)量方法，其特征在于所述步驟B，對由輸入圖像分解出來的高斯層進行4個方向的各向異性擴散濾波，由以下幾個步驟組成
a.計算4個方向擴散系數(shù)，4個方向分別是直角坐標(biāo)系中的-45°、0°、45°和90°方向；
b.在上述4個方向進行擴散濾波。
7、根據(jù)權(quán)利要求6所述的提升超聲圖像質(zhì)量方法，其特征在于，
所述過程a，由以下幾個步驟組成
1.高斯平滑；
2.計算梯度；
3.計算結(jié)構(gòu)張量；
4.計算擴散張量；
5.裂解為4個方向的擴散系數(shù)。
8、根據(jù)權(quán)利要求7所述的提升超聲圖像質(zhì)量方法，其特征在于，所述1.高斯平滑；2.計算梯度；3.計算結(jié)構(gòu)張量；4.計算擴散張量；5.裂解為4個方向的擴散系數(shù)，其步驟具體如下
采用結(jié)構(gòu)張量來表示局部的特征，某個像素的結(jié)構(gòu)張量為其中，Ix為x方向的梯度，Iy為y方向的梯度，結(jié)構(gòu)張量可以分解為兩個正交的向量，利用這兩個向量的方向和特征值(u1，u2)來表征局部特性；
結(jié)構(gòu)張量的計算要考慮到噪聲的影響，計算梯度的時候，首先采用若干階FIR濾波器平滑圖像，平滑之后的圖像噪聲得到抑制，基于平滑之后的圖像求出每個像素的x，y方向的梯度，獲得結(jié)構(gòu)張量的組成部分，即
IxIy，并分別對這三個數(shù)據(jù)組成的陣列再次作平滑處理，進一步減小噪聲對整個算法的影響，得到最終需要的結(jié)構(gòu)張量結(jié)構(gòu)張量的特征值和特征向量為
擴散張量的計算由結(jié)構(gòu)張量的特征值，計算出擴散張量的特征值λ1和λ2，再由新的特征值結(jié)合結(jié)構(gòu)張量的特征向量計算出擴散張量
dd＝(λ2-λ1)(j11-j22)/(μ1-μ2)
d11＝0.5*[(λ2+λ1)+(λ2-λ1)(j11-j22)/(μ1-μ2)]
d12＝(λ1-λ2)j12/(μ1-μ2)
d22＝0.5*[(λ2+λ1)-(λ2-λ1)(j11-j22)/(μ1-μ2)]
4個擴散系數(shù)的獲得，再由擴散張量轉(zhuǎn)化為4個方向的擴散系數(shù)
α0＝d11-|d12|，
α2＝d22-|d12|。
9、根據(jù)權(quán)利要求1所述的提升超聲圖像質(zhì)量方法，其特征在于，所述步驟D中包含兩次各向異性擴散濾波，一次主要是增強組織結(jié)構(gòu)信息，另一次主要是平滑非結(jié)構(gòu)區(qū)域同時增強結(jié)構(gòu)邊緣信息。
10、根據(jù)權(quán)利要求9所述的提升超聲圖像質(zhì)量方法，其特征在于，所述一次處理循環(huán)包括兩次各項異性擴散濾波，第一次的擴散系數(shù)計算方法為
λ2＝α
初步實現(xiàn)在結(jié)構(gòu)信息較少的區(qū)域做平滑，而在結(jié)構(gòu)信息較多的地方保留其結(jié)構(gòu)信息；
第二次擴散系數(shù)的計算方法為
if(μ1-μ2)2<ss_low
λ1＝α
else
λ1＝0
if(μ1-μ2)2<ss_low or(μ1-μ2)2>ss_high
λ2＝α
else
λ2＝0
ss_low，ss_high為預(yù)設(shè)的兩個閾值，(μ1-μ2)2值低于ss_low認(rèn)為是平坦區(qū)域，高于ss_high認(rèn)為是強結(jié)構(gòu)區(qū)域，第二次各向異性擴散濾波進一步平滑平坦區(qū)域，而在組織結(jié)構(gòu)的邊界上沿著邊緣方向擴散，使組織結(jié)構(gòu)信息增強。
全文摘要
本發(fā)明提供一種提升超聲圖像質(zhì)量的方法，用于超聲成像系統(tǒng)中對超聲掃描圖像顯示數(shù)據(jù)的優(yōu)化處理，包括步驟采用高斯-拉普拉斯金字塔分解方法將超聲圖像數(shù)據(jù)分解若干層，對分解結(jié)果中的高斯層數(shù)據(jù)進行各向異性擴散濾波處理，然后對處理后的超聲圖像數(shù)據(jù)逆向重構(gòu)，經(jīng)過若干次的迭代處理，提升了超聲圖像質(zhì)量。其中，各向異性擴散濾波算法根據(jù)超聲圖像的局部結(jié)構(gòu)信息計算出不同方向上的擴散系數(shù)，對圖像數(shù)據(jù)進行濾波操作。結(jié)果是圖像的組織結(jié)構(gòu)區(qū)域信息得到增強，而非組織結(jié)構(gòu)區(qū)域噪聲得到有效抑制。
文檔編號G06T5/00GK101452574SQ20081018821
公開日2009年6月10日 申請日期2008年12月19日 優(yōu)先權(quán)日2008年12月19日
發(fā)明者劉林泉, 周傳濤 申請人:深圳市恩普電子技術(shù)有限公司