本發(fā)明涉及一種shearlet變換和快速雙邊濾波器圖像去噪方法。屬于醫(yī)學(xué)超聲圖像去噪領(lǐng)域，尤指一種適用于醫(yī)學(xué)超聲圖像的基于shearlet變換和快速雙邊濾波器的醫(yī)學(xué)超聲圖像去噪方法。
背景技術(shù)：
：在醫(yī)學(xué)成像領(lǐng)域，超聲成像、CT、MRI等成像技術(shù)已應(yīng)用于醫(yī)學(xué)臨床診斷中。超聲診斷作為醫(yī)學(xué)診斷中的一種診斷技術(shù)得以應(yīng)用是從1972年灰階超聲的問世開始的，特別是近幾年來，超聲診斷在醫(yī)學(xué)臨床診斷中運(yùn)用廣泛，尤其在觀察孕婦體內(nèi)胎兒成長(zhǎng)狀況與診斷腹部器官病變等臨床應(yīng)用中，超聲成像技術(shù)的使用更為重要。但是，在超聲成像設(shè)備的臨床應(yīng)用中，超聲圖像中的斑點(diǎn)噪聲嚴(yán)重影響了超聲圖像的質(zhì)量。為了解決這個(gè)難題，人們發(fā)展了圖像去噪技術(shù)。圖像去噪的過程是根據(jù)已知的降質(zhì)含噪圖像估計(jì)原始真實(shí)圖像，得到原圖像某種意義下的最優(yōu)逼近。圖像噪聲是一個(gè)隨機(jī)的過程，噪聲分量灰度值是一個(gè)隨機(jī)分量，按照其概率密度的統(tǒng)計(jì)特征可以分為：高斯噪聲，椒鹽噪聲，泊松噪聲，瑞利噪聲等。根據(jù)實(shí)際圖像的特點(diǎn)、噪聲的統(tǒng)計(jì)特征及頻譜分布規(guī)律，發(fā)展了各種不同的醫(yī)學(xué)圖像去噪方法。醫(yī)學(xué)超聲圖像去噪常主要是用濾波的方法濾除噪聲頻率成分，提高圖像的信噪比，從而改善圖像質(zhì)量。從理論上講信號(hào)的分布主要存在于低頻部分.而噪聲的分布主要存在于高頻部分，濾除噪聲成分就是濾除信號(hào)的高頻部分。但是對(duì)于圖像信號(hào)來說，圖像的細(xì)節(jié)信號(hào)也存在于高頻部分.如果濾除高頻部分后，在不同程度上講也就破壞了圖像的細(xì)節(jié)，并且在臨床診斷中往往是醫(yī)學(xué)圖像的細(xì)節(jié)起到關(guān)鍵性的作用，因此醫(yī)學(xué)圖像去噪就必須做到在降低圖像噪聲的同時(shí)又保留圖像細(xì)節(jié)，在不降低圖像空間分辨率前提下，消除或最大限度地抑制斑點(diǎn)噪聲。近年來圖像稀疏表示在信號(hào)與圖像處理中得到了廣泛的應(yīng)用，為變換域的消噪提供了思路。小波分析為信號(hào)和圖像的稀疏奠定了基礎(chǔ)，小波變換能夠最優(yōu)的逼近的零維奇異特性，但其優(yōu)良性能難以推廣到二維圖像及更高的數(shù)據(jù)空間。多尺度幾何分析理論克服了小波分析處理高維數(shù)據(jù)稀疏能力的不足。由于MCA方法具有多分辨、多尺度、多方向性和時(shí)頻局部性，將其應(yīng)用于圖像消噪會(huì)產(chǎn)生很好的效果。技術(shù)實(shí)現(xiàn)要素：本發(fā)明目的在于提供了一種shearlet變換和快速雙邊濾波器圖像去噪方法，本發(fā)明一方面對(duì)以往采用的小波變換存在的缺陷，在處理高維問題僅采用水平、垂直、對(duì)角等三個(gè)方向的限制，提出了具有多尺度、多方向分解的shearlet變換，來提高去噪效果；另一方面，由于本發(fā)明利用快速雙邊濾波器對(duì)低頻部分進(jìn)行了過濾處理，因此對(duì)于顆粒較大的斑點(diǎn)噪聲(存在于低頻部分)同樣具有很強(qiáng)的抑制能力。所以在本發(fā)明中快速雙邊濾波器的引入不僅能很好的提高去噪的性能并且大大提高了處理的效率。同時(shí)針對(duì)醫(yī)學(xué)超聲圖像的特點(diǎn)，這種結(jié)合的方法不僅能很好的抑制斑點(diǎn)噪聲，同時(shí)還能夠保留圖像中病灶邊緣等的細(xì)節(jié)部分，能更好的幫助醫(yī)師進(jìn)行病情分析。本發(fā)明為了達(dá)到上述目的，本發(fā)明的技術(shù)方案是：一種shearlet變換和快速雙邊濾波器圖像去噪方法，包括以下步驟：1)利用噪聲成像系統(tǒng)采集噪聲圖像的包絡(luò)信號(hào)，通過對(duì)數(shù)變換，建立醫(yī)學(xué)超聲圖像模型；經(jīng)二維離散shearlet變換后得到二維離散shearlet系數(shù),所述的二維離散shearlet系數(shù)包括無噪聲圖像二維離散shearlet系數(shù)和斑點(diǎn)噪聲圖像二維離散shearlet系數(shù)；2)對(duì)所述的步驟1)得到的對(duì)數(shù)變換后的醫(yī)學(xué)超聲圖像模型利用金字塔濾波器組進(jìn)行多尺度多方向分解，得到k+1個(gè)與醫(yī)學(xué)超聲圖像模型大小相等的子帶圖像，所述的子帶圖像包括一個(gè)低頻部分和K個(gè)高頻部分，利用步驟1)得到的二維離散shearlet系數(shù)推出高頻部分的二維離散shearlet變換系數(shù)；3)對(duì)所述的步驟2)得到的每一個(gè)子帶圖像中高頻部分的二維離散shearlet變換系數(shù)進(jìn)行閾值法收縮處理；4)利用快速雙邊濾波器對(duì)步驟2)中低頻部分的shearlet系數(shù)做濾波處理；5)對(duì)經(jīng)步驟3)和步驟4)處理后全部系數(shù)作shearlet逆變換處理，得到去噪后的醫(yī)學(xué)超聲圖像。所述的步驟1)具體為：所述的超聲成像系統(tǒng)能夠?qū)δ切┯绊懧暡üβ实囊蛩刈龀銮‘?dāng)?shù)膭?dòng)態(tài)補(bǔ)償，其中所述的超聲成像系統(tǒng)采集的包絡(luò)信號(hào)包括有意義的體內(nèi)組織的反射信號(hào)和噪聲信號(hào)；其中所述的噪聲信號(hào)分為相乘噪聲與相加噪聲，所述的相乘噪聲與超聲信號(hào)成像的原理有關(guān)，主要來源于隨機(jī)的散射信號(hào)，所述的相加噪聲是系統(tǒng)噪聲，主要來源于傳感器的噪聲；所述的包絡(luò)信號(hào)的通用模型模型定義如式(1)所示：s(x,y)＝r(x,y)n(x,y)(1)其中所述的(x,y)分別代表圖像的橫縱坐標(biāo)，r(x,y)表示無噪聲信號(hào)，n(x,y)表示相乘噪聲；然后對(duì)所述的超聲成像系統(tǒng)采集到的包絡(luò)信號(hào)進(jìn)行對(duì)數(shù)壓縮處理，以適應(yīng)超聲成像系統(tǒng)顯示屏幕的動(dòng)態(tài)顯示范圍，即通過對(duì)所述的式(1)變?yōu)橄嗉拥哪Ｐ停缡?2)所示：log(s(x,y))＝log(r(x,y))+log(n(x,y))(2)此時(shí)，得到的信號(hào)log(s(x,y))即為醫(yī)學(xué)超聲圖像模型；由于小波變換是線性變換，shearlet變換是小波變換在高維的拓展，因通過對(duì)所述的式(2)模型經(jīng)過二維離散shearlet變換后得到模型如式(3)所示：Sl,kj=Rl,kj+Nl,kjj=1,2,...,J.(l,k)∈Z2---(3)]]>其中和分別表示含有噪聲圖像的shearlet系數(shù)、無噪聲圖像的shearlet系數(shù)和斑點(diǎn)噪聲的shearlet系數(shù)；其中上標(biāo)j為shearlet變換的分解層數(shù)，下標(biāo)(l,k)為變換域內(nèi)的坐標(biāo)。所述的步驟2)具體為：首先對(duì)步驟1)得到的對(duì)數(shù)變換后的醫(yī)學(xué)超聲圖像模型利用金字塔濾波器組進(jìn)行多尺度二維離散shearlet分解，圖像經(jīng)過k級(jí)采樣金字塔，得到k+1個(gè)與醫(yī)學(xué)超聲圖像模型大小相等的子帶圖像；對(duì)得到的各尺度子帶圖像使用剪切濾波器組進(jìn)行方向分解；經(jīng)過二維離散shearlet分解后的無噪信號(hào)的變換系數(shù)Rlj,k符合正態(tài)逆高斯模型(NIG)，主要由一個(gè)逆高斯分布和一個(gè)具有不同均值的高斯分布，其概率分布如式(4)所示：pr(r)=αδπq(r)exp(f(r))·K1(αq(r))---(4)]]>式中，f(r)=δα2-β2+β(r-μ),q(r)=δ2+(r2-μ2),]]>K1(·)是索引為1的第二類修正的貝塞爾函數(shù)；參數(shù)r,α，β，μ，δ分別為無噪聲圖像二維離散shearlet變換系數(shù)、特征因子、偏斜因子、平移因子以及尺度因子，當(dāng)偏斜因子為零時(shí)，分布為對(duì)稱分布；對(duì)于分解后圖像系數(shù)一般為對(duì)稱分布，假定NIG中參數(shù)β，μ為零，則對(duì)于NIG的概率密度函數(shù)簡(jiǎn)化為如式(5)所示：pr(r)=αδexp(αδ)πK1(αr2+δ2)r2+δ2---(5)]]>同時(shí)所述的斑點(diǎn)噪聲的shearlet系數(shù)服從零均值高斯分布，如式(6)所示：Pn(n)=12πσnexp(-n22σn2)---(6)]]>式中σn為變換域內(nèi)噪聲的標(biāo)準(zhǔn)差，參數(shù)n為斑點(diǎn)噪聲圖像。所述的步驟3)具體為：在shearlet變換去噪中，閾值函數(shù)的選擇會(huì)直接影響到最終的圖像去噪結(jié)果。當(dāng)閾值選擇較小時(shí)，一部分大于該閾值的噪聲系數(shù)會(huì)被當(dāng)作有用信號(hào)保留下來，這就導(dǎo)致去噪后的圖像依然存在大量噪聲；當(dāng)閾值選擇較大時(shí)，會(huì)將很多系數(shù)很小的有用信息當(dāng)作噪聲而置零，這將使得去噪后的圖像變得很平滑，損失很多細(xì)節(jié)信息。因此選擇恰當(dāng)?shù)拈撝岛瘮?shù)非常重要。經(jīng)典的收縮方法有軟閾值法和硬閾值法，但是在軟閾值法中，較大的shearlet系數(shù)總是被閾值縮減，因此收縮后的信號(hào)的數(shù)學(xué)期望與收縮之前不同，所以處理后的圖像相對(duì)平滑一些。硬閾值法的缺點(diǎn)是在零值域附近的shearlet系數(shù)被突然置零，導(dǎo)致了數(shù)據(jù)的不連續(xù)性，并且這使得信號(hào)的方差更大了，這些變換對(duì)于圖像中的細(xì)節(jié)影響較大。但是在實(shí)際應(yīng)用中，特別是噪聲水平很高時(shí)，硬閾值法處理后的圖像在不連續(xù)點(diǎn)周圍會(huì)產(chǎn)生震蕩，影響圖像的去噪效果。Donoho等人提出了一種典型的閾值選取方法，并且從理論上證明了該閾值與噪聲的標(biāo)準(zhǔn)差成正比，改閾值函數(shù)又稱為統(tǒng)一閾值函數(shù)，其公式如下T=σn2logM---(7)]]>其中，M即是對(duì)應(yīng)變換域內(nèi)變換系數(shù)的總體個(gè)數(shù)，σn是噪聲的標(biāo)準(zhǔn)差。在這種閾值函數(shù)中，閾值T受變換系數(shù)的個(gè)數(shù)影響較大，即當(dāng)M過大時(shí)，較大的閾值可能會(huì)平滑掉那些系數(shù)較小的有用信息。在式(7)的基礎(chǔ)之上，本發(fā)明提出了一種適合超聲圖像的閾值函數(shù)，公式如式(8)所示：Tj=tjσn2logM---(8)]]>其中，σn是噪聲的標(biāo)準(zhǔn)差，tj代表j層的自適應(yīng)參數(shù)。這是種常見的閾值改進(jìn)的方法，tj的選取是根據(jù)實(shí)驗(yàn)決定的，在shearlet分解后，在不同層分解的變換系數(shù)具有不同的分布，由此tj的選擇基于j層的選擇。在本發(fā)明中，分解5層，對(duì)于512x512圖像，根據(jù)(7)(8)式，閾值T≈5σn，由于降低閾值可以減少風(fēng)險(xiǎn)，提高去噪效果，對(duì)最精細(xì)尺度取T≈4σn,其余取T≈3σn。在shearlet變換去噪方法中，首先選定一個(gè)給定閾值，然后按照一定的規(guī)則對(duì)shearlet系數(shù)進(jìn)行收縮，便完成了對(duì)shearlet系數(shù)的去噪。即給定一個(gè)閾值，所有絕對(duì)值小于這個(gè)閾值的系數(shù)被當(dāng)作噪聲，然后對(duì)其作置零處理；對(duì)絕對(duì)值大于閾值的shearlet系數(shù)用一定的方法進(jìn)行縮減，然后得到縮減后的新值。所述的步驟4)具體為：利用快速雙邊濾波器對(duì)低頻部分中的shearlet系數(shù)做濾波處理。雙邊濾波器在處理圖像噪聲時(shí)，一方面其具有很強(qiáng)的去噪能力，具有較好的平滑效果；另一方面能夠保留圖像邊緣細(xì)節(jié)，這在醫(yī)學(xué)超聲圖像應(yīng)用中特別重要。但是由于雙邊濾波是非線性的，無法實(shí)現(xiàn)圖像線性卷積計(jì)算，雙邊濾波非常耗時(shí)，難以用于實(shí)時(shí)系統(tǒng)。隨著圖像的分辨率越來越大，這在很大程度上限制了雙邊濾波的應(yīng)用空間，如何快速實(shí)現(xiàn)雙邊濾波，減少計(jì)算時(shí)間在實(shí)際應(yīng)用中有著重要的意義。快速雙邊濾波器又被成為增維型雙邊濾波器，在原來二維坐標(biāo)的基礎(chǔ)上加上輸入圖像的像素值組成三維空間，構(gòu)造三維高斯核函數(shù)與三維圖像函數(shù)進(jìn)行線性卷積計(jì)算，接下來就可以利用快速傅里葉變換計(jì)算取代傳統(tǒng)的逐點(diǎn)計(jì)算，從而提高運(yùn)算的速度。假設(shè)代表輸入圖像I增維后得到的三維圖像矩陣，代表三維權(quán)值矩陣，則快速雙邊濾波器的結(jié)構(gòu)如式9所示:BI(x,y)=IY(x,y)EY(x,y)=interp(G⊗IX,xss,yss,I(x,y)sr)interp(G⊗EX,xss,yss,I(x,y)sr)---(9)]]>式中，(x,y)為輸入圖像像素點(diǎn)的坐標(biāo)，代表矩陣的線性卷積，interp是插值函數(shù)，主要功能是對(duì)和在三維空間里進(jìn)行插值運(yùn)算以求出在坐標(biāo)上的值，再將結(jié)果賦給IY(x,y)和EY(x,y)。G是線性化后的空間鄰近度因子Gs和灰度相似度因子Gr的乘積，即高斯核函數(shù)。增加維度之后會(huì)相應(yīng)的增加計(jì)算量，所以該方法采用下采樣的方式來提高計(jì)算效率，其中ss代表空間域采樣率，sr代表像素值域采樣率，這就把三維矩陣劃分為若干個(gè)空間大小為它ss×ss×sr的小的三維空間。增維矩陣中數(shù)據(jù)量的大小也會(huì)隨著采樣率的提高而減少，所以經(jīng)過下采樣之后參與卷積計(jì)算的數(shù)據(jù)會(huì)大大減少，從而達(dá)到縮減運(yùn)算時(shí)間的目的。從式(9)中可以看出，在快速雙邊濾波器中首先將三維矩陣IX和EX分布與三維高斯核函數(shù)進(jìn)行線性卷積運(yùn)算，然后將這兩個(gè)濾波結(jié)果進(jìn)行線性插值后得到二維矩陣IY和EY，最后將IY對(duì)EY進(jìn)行除法運(yùn)算后得到去噪后的圖像BI。在三維空間里采用下采樣、卷積計(jì)算和插值等運(yùn)算能快速實(shí)現(xiàn)數(shù)值求解。針對(duì)含噪圖像，利用雙邊濾波器和快速雙邊濾波器分別進(jìn)行過濾處理。雙邊濾波器和快速雙邊濾波器在去噪效果上沒有太大差別，在去除噪聲的同時(shí)都能很好的保留邊緣信息，但是在耗時(shí)方面，后者比前者表現(xiàn)更好能很好的滿足實(shí)時(shí)系統(tǒng)對(duì)快速性的要求。所述步驟5)具體為：經(jīng)過閾值收縮處理和快速雙邊濾波器處理就可以得到去噪后的shearlet全部系數(shù)，為了得到去噪后的超聲圖像，需要對(duì)shearlet系數(shù)進(jìn)行shearlet逆變換，從而可以得到利于醫(yī)師分析的去噪后的圖像，通過實(shí)驗(yàn)也驗(yàn)證了本發(fā)明確實(shí)可以滿足對(duì)于醫(yī)學(xué)超聲圖像去噪的要求。本發(fā)明的有益效果是：本發(fā)明shearlet變換具有多分辨率、方向性、局部性、各向異性，是圖像最稀疏的表示，并已在圖像處理領(lǐng)域得到了廣泛的應(yīng)用。在處理一維問題時(shí)，小波的去噪效果較好，能夠滿足一般的產(chǎn)品需求,然而對(duì)于高維問題，僅僅利用小波變換的去噪方法對(duì)醫(yī)學(xué)超聲圖像中斑點(diǎn)噪聲的抑制效果不好。但是，僅利用shearlet變換的去噪算法對(duì)醫(yī)學(xué)超聲圖像中斑點(diǎn)噪聲的抑制效果不是很好，這是因?yàn)閟hearlet濾波對(duì)于高頻域的噪聲去噪效果較好，而斑點(diǎn)噪聲在低頻域內(nèi)同樣存在?？焖匐p邊濾波器，它在處理圖像噪聲時(shí)，一方面具有很強(qiáng)的去噪能力，另一方面能夠保持圖像邊緣細(xì)節(jié)，即快速雙邊濾波器在處理圖像低頻域信號(hào)較好。因此本發(fā)明利用shearlet變換替換小波變換來處理高頻問題，shearlet變換呈現(xiàn)出與傳統(tǒng)小波變換不同的方向性特征，對(duì)圖像的稀疏表示使得shearlet具有更好的局部化特性和很強(qiáng)的方向敏感性，還有更好的光滑性和多分辨分析能力，同時(shí)其良好的衰減性可以得到濾波性能更好的濾波器。對(duì)于雙邊濾波器，來處理低頻問題。具體思路如下：根據(jù)shearlet變換的原理以及超聲圖像及斑點(diǎn)噪聲的統(tǒng)計(jì)特性，采用新的閾值法，進(jìn)行多尺度和多方向分解，產(chǎn)生高頻子帶和低頻子帶，通過shearlet變換能夠更有效地去除高頻部分的斑點(diǎn)噪聲；然后通過提出的快速雙邊濾波器去除低頻噪聲。本發(fā)明一方面對(duì)以往采用的小波變換存在的缺陷，在處理高維問題僅采用水平、垂直、對(duì)角等三個(gè)方向的限制，提出了具有多尺度、多方向分解的shearlet變換，來提高去噪效果；另一方面，由于本發(fā)明利用快速雙邊濾波器對(duì)低頻部分進(jìn)行了過濾處理，因此對(duì)于顆粒較大的斑點(diǎn)噪聲(存在于低頻部分)同樣具有很強(qiáng)的抑制能力。所以在本發(fā)明中快速雙邊濾波器的引入不僅能很好的提高去噪的性能并且大大提高了處理的效率。同時(shí)針對(duì)醫(yī)學(xué)超聲圖像的特點(diǎn)，這種結(jié)合的方法不僅能很好的抑制斑點(diǎn)噪聲，同時(shí)還能夠保留圖像中病灶邊緣等的細(xì)節(jié)部分，能更好的幫助醫(yī)師進(jìn)行病情分析。附圖說明圖1為本發(fā)明的步驟流程圖；圖2為實(shí)施例1中的實(shí)驗(yàn)示意圖；圖3為實(shí)施例1中的實(shí)驗(yàn)仿真無噪圖像；圖4為實(shí)施例1中的實(shí)驗(yàn)仿真噪聲圖像；圖5為實(shí)施例1中仿真圖像的去噪效果的脊波變換圖；圖6為實(shí)施例1中仿真圖像的去噪效果的曲波變換圖；圖7為實(shí)施例1中仿真圖像的去噪效果的輪廓波變換圖；圖8實(shí)施例1中仿真圖像的去噪效果的小波變換與雙邊圖；圖9實(shí)施例1中仿真圖像的去噪效果的shearlet變換圖；圖10為實(shí)施例1中仿真圖像的去噪效果的shearlet變換與快速雙邊圖；圖11為實(shí)施例1中肝臟臨床超聲圖像；圖12為實(shí)施例1中肝臟臨床超聲圖像的去燥效果的脊波變換圖；圖13為實(shí)施例1中肝臟臨床超聲圖像的去燥效果的曲波變換圖；圖14為實(shí)施例1中肝臟臨床超聲圖像的去燥效果的輪廓波變換圖；圖15為實(shí)施例1中肝臟臨床超聲圖像的去燥效果的小波變換與雙邊圖；圖16為實(shí)施例1中肝臟臨床超聲圖像的去燥效果的shearlet變換圖；圖17為實(shí)施例1中肝臟臨床超聲圖像的去燥效果的shearlet變換與快速雙邊圖；表1為實(shí)施例1中六大算法的去噪性能比較表。具體實(shí)施方式實(shí)施例1如圖1所示，本實(shí)施例的一種shearlet變換和快速雙邊濾波器圖像去噪方法，如圖1所示，包括以下步驟：1)利用噪聲成像系統(tǒng)采集噪聲圖像的包絡(luò)信號(hào)，通過對(duì)數(shù)變換，建立醫(yī)學(xué)超聲圖像模型；經(jīng)二維離散shearlet變換后得到二維離散shearlet系數(shù),所述的二維離散shearlet系數(shù)包括無噪聲圖像二維離散shearlet系數(shù)和斑點(diǎn)噪聲圖像二維離散shearlet系數(shù)；2)對(duì)所述的步驟1)得到的對(duì)數(shù)變換后的醫(yī)學(xué)超聲圖像模型利用金字塔濾波器組進(jìn)行多尺度多方向分解，得到k+1個(gè)與醫(yī)學(xué)超聲圖像模型大小相等的子帶圖像，所述的子帶圖像包括一個(gè)低頻部分和K個(gè)高頻部分，利用步驟1)得到的二維離散shearlet系數(shù)推出高頻部分的二維離散shearlet變換系數(shù)；3)對(duì)所述的步驟2)得到的每一個(gè)子帶圖像中高頻部分的二維離散shearlet變換系數(shù)進(jìn)行閾值法收縮處理；4)利用快速雙邊濾波器對(duì)步驟2)中低頻部分的shearlet系數(shù)做濾波處理；5)對(duì)經(jīng)步驟3)和步驟4)處理后全部系數(shù)作shearlet逆變換處理，得到去噪后的醫(yī)學(xué)超聲圖像。所述的步驟1)具體為：所述的超聲成像系統(tǒng)能夠?qū)δ切┯绊懧暡üβ实囊蛩刈龀銮‘?dāng)?shù)膭?dòng)態(tài)補(bǔ)償，其中所述的超聲成像系統(tǒng)采集的包絡(luò)信號(hào)包括有意義的體內(nèi)組織的反射信號(hào)和噪聲信號(hào)；其中所述的噪聲信號(hào)分為相乘噪聲與相加噪聲，所述的相乘噪聲與超聲信號(hào)成像的原理有關(guān)，主要來源于隨機(jī)的散射信號(hào)，所述的相加噪聲是系統(tǒng)噪聲，主要來源于傳感器的噪聲；所述的包絡(luò)信號(hào)的通用模型模型定義如式(1)所示：s(x,y)＝r(x,y)n(x,y)(1)其中所述的(x,y)分別代表圖像的橫縱坐標(biāo)，r(x,y)表示無噪聲信號(hào)，n(x,y)表示相乘噪聲；然后對(duì)所述的超聲成像系統(tǒng)采集到的包絡(luò)信號(hào)進(jìn)行對(duì)數(shù)壓縮處理，以適應(yīng)超聲成像系統(tǒng)顯示屏幕的動(dòng)態(tài)顯示范圍，即通過對(duì)所述的式(1)變?yōu)橄嗉拥哪Ｐ?，如?2)所示：log(s(x,y))＝log(r(x,y))+log(n(x,y))(2)此時(shí)，得到的信號(hào)log(s(x,y))即為醫(yī)學(xué)超聲圖像模型；由于小波變換是線性變換，shearlet變換是小波變換在高維的拓展，因通過對(duì)所述的式(2)模型經(jīng)過二維離散shearlet變換后得到模型如式(3)所示：Sl,kj=Rl,kj+Nl,kjj=1,2,...,J.(l,k)∈Z2---(3)]]>其中和分別表示含有噪聲圖像的shearlet系數(shù)、無噪聲圖像的shearlet系數(shù)和斑點(diǎn)噪聲的shearlet系數(shù)；其中上標(biāo)j為shearlet變換的分解層數(shù)，下標(biāo)(l,k)為變換域內(nèi)的坐標(biāo)。所述的步驟2)具體為：首先對(duì)步驟1)得到的對(duì)數(shù)變換后的醫(yī)學(xué)超聲圖像模型利用金字塔濾波器組進(jìn)行多尺度二維離散shearlet分解，圖像經(jīng)過k級(jí)采樣金字塔，得到k+1個(gè)與醫(yī)學(xué)超聲圖像模型大小相等的子帶圖像；對(duì)得到的各尺度子帶圖像使用剪切濾波器組進(jìn)行方向分解；經(jīng)過二維離散shearlet分解后的無噪信號(hào)的變換系數(shù)符合正態(tài)逆高斯模型(NIG)，主要由一個(gè)逆高斯分布和一個(gè)具有不同均值的高斯分布，其概率分布如式(4)所示：pr(r)=αδπq(r)exp(f(r))·K1(αq(r))---(4)]]>式中，K1(·)是索引為1的第二類修正的貝塞爾函數(shù)；參數(shù)r,α，β，μ，δ分別為無噪聲圖像二維離散shearlet變換系數(shù)、特征因子、偏斜因子、平移因子以及尺度因子，當(dāng)偏斜因子為零時(shí)，分布為對(duì)稱分布；對(duì)于分解后圖像系數(shù)一般為對(duì)稱分布，假定NIG中參數(shù)β，μ為零，則對(duì)于NIG的概率密度函數(shù)簡(jiǎn)化為如式(5)所示：pr(r)=αδexp(αδ)πK1(αr2+δ2)r2+δ2---(5)]]>同時(shí)所述的斑點(diǎn)噪聲的shearlet系數(shù)服從零均值高斯分布，如式(6)所示：Pn(n)=12πσnexp(-n22σn2)---(6)]]>式中σn為變換域內(nèi)噪聲的標(biāo)準(zhǔn)差，參數(shù)n為斑點(diǎn)噪聲圖像。所述的步驟3)具體為：在shearlet變換去噪中，閾值函數(shù)的選擇會(huì)直接影響到最終的圖像去噪結(jié)果。當(dāng)閾值選擇較小時(shí)，一部分大于該閾值的噪聲系數(shù)會(huì)被當(dāng)作有用信號(hào)保留下來，這就導(dǎo)致去噪后的圖像依然存在大量噪聲；當(dāng)閾值選擇較大時(shí)，會(huì)將很多系數(shù)很小的有用信息當(dāng)作噪聲而置零，這將使得去噪后的圖像變得很平滑，損失很多細(xì)節(jié)信息。因此選擇恰當(dāng)?shù)拈撝岛瘮?shù)非常重要。經(jīng)典的收縮方法有軟閾值法和硬閾值法，但是在軟閾值法中，較大的shearlet系數(shù)總是被閾值縮減，因此收縮后的信號(hào)的數(shù)學(xué)期望與收縮之前不同，所以處理后的圖像相對(duì)平滑一些。硬閾值法的缺點(diǎn)是在零值域附近的shearlet系數(shù)被突然置零，導(dǎo)致了數(shù)據(jù)的不連續(xù)性，并且這使得信號(hào)的方差更大了，這些變換對(duì)于圖像中的細(xì)節(jié)影響較大。但是在實(shí)際應(yīng)用中，特別是噪聲水平很高時(shí)，硬閾值法處理后的圖像在不連續(xù)點(diǎn)周圍會(huì)產(chǎn)生震蕩，影響圖像的去噪效果。Donoho等人提出了一種典型的閾值選取方法，并且從理論上證明了該閾值與噪聲的標(biāo)準(zhǔn)差成正比，改閾值函數(shù)又稱為統(tǒng)一閾值函數(shù)，其公式如下T=σn2logM---(7)]]>其中，M即是對(duì)應(yīng)變換域內(nèi)變換系數(shù)的總體個(gè)數(shù)，σn是噪聲的標(biāo)準(zhǔn)差。在這種閾值函數(shù)中，閾值T受變換系數(shù)的個(gè)數(shù)影響較大，即當(dāng)M過大時(shí)，較大的閾值可能會(huì)平滑掉那些系數(shù)較小的有用信息。在式(7)的基礎(chǔ)之上，本發(fā)明提出了一種適合超聲圖像的閾值函數(shù)，公式如式(8)所示：Tj=tjσn2logM---(8)]]>其中，σn是噪聲的標(biāo)準(zhǔn)差，tj代表j層的自適應(yīng)參數(shù)。這是種常見的閾值改進(jìn)的方法，tj的選取是根據(jù)實(shí)驗(yàn)決定的，在shearlet分解后，在不同層分解的變換系數(shù)具有不同的分布，由此tj的選擇基于j層的選擇。在本發(fā)明中，分解5層，對(duì)于512x512圖像，根據(jù)(7)(8)式，閾值T≈5σn，由于降低閾值可以減少風(fēng)險(xiǎn)，提高去噪效果，對(duì)最精細(xì)尺度取T≈4σn,其余取T≈3σn。在shearlet變換去噪方法中，首先選定一個(gè)給定閾值，然后按照一定的規(guī)則對(duì)shearlet系數(shù)進(jìn)行收縮，便完成了對(duì)shearlet系數(shù)的去噪。即給定一個(gè)閾值，所有絕對(duì)值小于這個(gè)閾值的系數(shù)被當(dāng)作噪聲，然后對(duì)其作置零處理；對(duì)絕對(duì)值大于閾值的shearlet系數(shù)用一定的方法進(jìn)行縮減，然后得到縮減后的新值。所述的步驟4)具體為：利用快速雙邊濾波器對(duì)低頻部分中的shearlet系數(shù)做濾波處理。雙邊濾波器在處理圖像噪聲時(shí)，一方面其具有很強(qiáng)的去噪能力，具有較好的平滑效果；另一方面能夠保留圖像邊緣細(xì)節(jié)，這在醫(yī)學(xué)超聲圖像應(yīng)用中特別重要。但是由于雙邊濾波是非線性的，無法實(shí)現(xiàn)圖像線性卷積計(jì)算，雙邊濾波非常耗時(shí)，難以用于實(shí)時(shí)系統(tǒng)。隨著圖像的分辨率越來越大，這在很大程度上限制了雙邊濾波的應(yīng)用空間，如何快速實(shí)現(xiàn)雙邊濾波，減少計(jì)算時(shí)間在實(shí)際應(yīng)用中有著重要的意義?？焖匐p邊濾波器又被成為增維型雙邊濾波器，在原來二維坐標(biāo)的基礎(chǔ)上加上輸入圖像的像素值組成三維空間，構(gòu)造三維高斯核函數(shù)與三維圖像函數(shù)進(jìn)行線性卷積計(jì)算，接下來就可以利用快速傅里葉變換計(jì)算取代傳統(tǒng)的逐點(diǎn)計(jì)算，從而提高運(yùn)算的速度。假設(shè)代表輸入圖像I增維后得到的三維圖像矩陣，代表三維權(quán)值矩陣，則快速雙邊濾波器的結(jié)構(gòu)如式9所示:BI(x,y)=IY(x,y)EY(x,y)=interp(G⊗IX,xss,yss,I(x,y)sr)interp(G⊗EX,xss,yss,I(x,y)sr)---(9)]]>式中，(x,y)為輸入圖像像素點(diǎn)的坐標(biāo)，代表矩陣的線性卷積，interp是插值函數(shù)，主要功能是對(duì)和在三維空間里進(jìn)行插值運(yùn)算以求出在坐標(biāo)上的值，再將結(jié)果賦給IY(x,y)和EY(x,y)。G是線性化后的空間鄰近度因子Gs和灰度相似度因子Gr的乘積，即高斯核函數(shù)。增加維度之后會(huì)相應(yīng)的增加計(jì)算量，所以該方法采用下采樣的方式來提高計(jì)算效率，其中ss代表空間域采樣率，sr代表像素值域采樣率，這就把三維矩陣劃分為若干個(gè)空間大小為它ss×ss×sr的小的三維空間。增維矩陣中數(shù)據(jù)量的大小也會(huì)隨著采樣率的提高而減少，所以經(jīng)過下采樣之后參與卷積計(jì)算的數(shù)據(jù)會(huì)大大減少，從而達(dá)到縮減運(yùn)算時(shí)間的目的。從式(9)中可以看出，在快速雙邊濾波器中首先將三維矩陣IX和EX分布與三維高斯核函數(shù)進(jìn)行線性卷積運(yùn)算，然后將這兩個(gè)濾波結(jié)果進(jìn)行線性插值后得到二維矩陣IY和EY，最后將IY對(duì)EY進(jìn)行除法運(yùn)算后得到去噪后的圖像BI。在三維空間里采用下采樣、卷積計(jì)算和插值等運(yùn)算能快速實(shí)現(xiàn)數(shù)值求解。針對(duì)含噪圖像，利用雙邊濾波器和快速雙邊濾波器分別進(jìn)行過濾處理。雙邊濾波器和快速雙邊濾波器在去噪效果上沒有太大差別，在去除噪聲的同時(shí)都能很好的保留邊緣信息，但是在耗時(shí)方面，后者比前者表現(xiàn)更好能很好的滿足實(shí)時(shí)系統(tǒng)對(duì)快速性的要求。所述步驟5)具體為：經(jīng)過閾值收縮處理和快速雙邊濾波器處理就可以得到去噪后的shearlet全部系數(shù)，為了得到去噪后的超聲圖像，需要對(duì)shearlet系數(shù)進(jìn)行shearlet逆變換，從而可以得到利于醫(yī)師分析的去噪后的圖像，通過實(shí)驗(yàn)也驗(yàn)證了本發(fā)明確實(shí)可以滿足對(duì)于醫(yī)學(xué)超聲圖像去噪的要求。實(shí)驗(yàn)驗(yàn)證為了客觀地評(píng)價(jià)本發(fā)明提出的去噪方法，以峰值信噪比(PSNR)、結(jié)構(gòu)相似度(SSIM)、FoM(Pratt’sFigureofMerit)和運(yùn)行時(shí)間Time作為圖像質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)。峰值信噪比的計(jì)算公式如式(10)所示：PSNR(X,X^)=10lg(2552MSE)---(10)]]>式中，為信號(hào)X的估計(jì)值，MSE由下面公式計(jì)算得到如式(11)所示：這里的M，N分別表示二維信號(hào)X的長(zhǎng)度與寬度。結(jié)構(gòu)相似度能夠量化兩幅圖像在結(jié)構(gòu)上的差異，公式定義如式(12)所示：SSIM(X,X^)=(2μXμX^+c1)(2σX,X^+c2)(μX2+μX^2+c1)(σX2+σX^2+c2)---(12)]]>式中，μX、和分別是參考圖像和估計(jì)圖像的均值和方差。是X和的協(xié)方差，c1和c2為常量。當(dāng)c1和c2都選擇為正數(shù)時(shí)，SSIM的取值范圍為[01]，其中1為最好結(jié)果，表示兩幅圖的結(jié)構(gòu)相同。FoM能夠客觀地比較去噪圖像的邊緣檢測(cè)質(zhì)量，公式定義如式(13)所示：FoM(X,X^)=1max(NX,NX^)Σi=1NX11+αdi2---(13)]]>式中，NX和分別表示理想的和實(shí)際檢測(cè)到的邊緣像素個(gè)數(shù)。α為常數(shù)(通常取α＝1/9)，di表示為第i邊緣像素點(diǎn)到最近理想邊緣像素點(diǎn)的距離。FoM的取值范圍為[01]，其中1為最好結(jié)果，表示為檢測(cè)到的圖像邊緣和理想的圖像邊緣一致。這里檢測(cè)邊緣像素時(shí)使用的是Canny檢測(cè)算法(高斯濾波器的標(biāo)準(zhǔn)差取值σ＝3)。本實(shí)施例中，為了讓本發(fā)明更有說服力并且更好展現(xiàn)其優(yōu)勢(shì)，不僅將實(shí)驗(yàn)分成兩個(gè)部分，一個(gè)是斑點(diǎn)噪聲仿真實(shí)驗(yàn)，另一個(gè)是真實(shí)的臨床醫(yī)學(xué)超聲圖像(肝圖像)；而且還做了與其他5種經(jīng)典方法的對(duì)比實(shí)驗(yàn)，并結(jié)合上述四種量化指標(biāo)來清晰地評(píng)價(jià)出本發(fā)明的優(yōu)勢(shì)，實(shí)驗(yàn)示意圖如圖2所示；為了能更定量且直觀地驗(yàn)證本實(shí)施例的優(yōu)越性，先用仿真圖(如圖3為仿真無噪圖像，大小400×400；圖4為仿真噪聲圖像，斑點(diǎn)噪聲方差σ2＝0.1所示)實(shí)驗(yàn)，對(duì)經(jīng)典算法對(duì)比，分別為ridgelet(脊波變換)、curvelet(曲波變換)、contourlet(輪廓波變換)、小波變換與雙邊、shearlet變換、shearlet變換與快速雙邊。實(shí)驗(yàn)結(jié)果見如圖5-10所示，六大算法的去噪性能比較，即對(duì)比指標(biāo)量值見如表1所示。由表1可以看出，本發(fā)明在FOM、PSNR、SSIM中獲得最佳的數(shù)據(jù)，在運(yùn)行時(shí)間上有待改善。再利用臨床超聲圖像進(jìn)行試驗(yàn)驗(yàn)證，選擇的是如圖11的肝臟臨床超聲圖像。實(shí)驗(yàn)結(jié)果如圖12-17所示。由以上定量數(shù)據(jù)可直觀看出，本發(fā)明方法在實(shí)際應(yīng)用于醫(yī)學(xué)超聲圖像的過程和結(jié)果與應(yīng)用與仿真圖像時(shí)如出一轍，不僅去噪效果得到了顯著提高，而且更好地保留圖像邊緣信息，從而達(dá)到醫(yī)學(xué)超聲圖像對(duì)于去噪的要求。表1當(dāng)前第1頁(yè)1 2 3