基于小波變換和三邊濾波器的醫(yī)學(xué)超聲圖像去噪方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明應(yīng)用于醫(yī)學(xué)超聲圖像去噪領(lǐng)域，設(shè)計(jì)一種適用于醫(yī)學(xué)超聲圖像的基于小波 變換的去噪方法。
【背景技術(shù)】
[0002] 隨著科技的發(fā)展，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。由于超聲成像技術(shù)憑借高分辨率，操作簡(jiǎn)單，即時(shí)性等優(yōu)點(diǎn)快速發(fā)展，具有無(wú)創(chuàng)、 無(wú)放射性損害、快捷方便等特性，已經(jīng)成為一種廣泛使用且高度安全的醫(yī)療診斷技術(shù)。尤其 對(duì)人體的身體器官檢查及腫瘤組織，超聲成像技術(shù)的使用更為重要。
[0003] 由于超聲成像機(jī)理的限制，斑點(diǎn)噪聲的存在嚴(yán)重影響了超聲圖像的質(zhì)量，導(dǎo)致了 超聲圖像質(zhì)量較差。斑點(diǎn)噪聲的產(chǎn)生是由于超聲成像中的基本分辨單元內(nèi)存在大量的隨機(jī) 散射現(xiàn)象，在圖像上表現(xiàn)為空間域內(nèi)相關(guān)的形狀各異的小斑點(diǎn)，它將掩蓋那些灰度差別很 小的圖像特征。對(duì)于臨床醫(yī)生而言，斑點(diǎn)噪聲對(duì)他們的準(zhǔn)確診斷造成了很大的干擾，特別是 對(duì)于經(jīng)驗(yàn)不是很豐富的醫(yī)生造成的影響更大。因此，從臨床應(yīng)用的角度出發(fā)，需要研究去除 斑點(diǎn)噪聲的算法，為醫(yī)生做出更準(zhǔn)確的診斷提供技術(shù)支持，降低人工診斷的風(fēng)險(xiǎn)。
[0004] 由于醫(yī)院資源的局限性，特別是醫(yī)生每天進(jìn)行人工診斷病人的數(shù)量無(wú)法滿足社 會(huì)整個(gè)階層的需求，即面臨著病人多醫(yī)生少的情況。因此，各種自動(dòng)診斷儀器的需求越來(lái)越 大，自動(dòng)診斷儀器的出現(xiàn)，一方面可W節(jié)約醫(yī)生資源，另一方面可W方便更多的病人進(jìn)行診 斷。隨著當(dāng)今社會(huì)經(jīng)濟(jì)的飛躍發(fā)展，人們自身健康情況卻不容樂(lè)觀，所W人們對(duì)家用型醫(yī)療 自動(dòng)診斷儀器的需求也非常大，例如家用超聲圖像自動(dòng)診斷儀等。但是超聲圖像自動(dòng)診斷 儀同樣面臨著圖像質(zhì)量不高的問(wèn)題，并且自動(dòng)診斷儀需要對(duì)超聲圖像做后期的智能分析， 如特征提取、邊緣檢測(cè)和圖像分類識(shí)別等。因此，從自動(dòng)化診斷技術(shù)的角度出發(fā)，需要研究 去除斑點(diǎn)噪聲的方法，為圖像的后期智能處理提供技術(shù)保障，促進(jìn)自動(dòng)診斷技術(shù)的發(fā)展。
[0005] 綜上所述，研究醫(yī)學(xué)超聲圖像去噪方法具有非常重要的意義：
[0006] (1)提高醫(yī)學(xué)超聲圖像的質(zhì)量，改善視覺(jué)效果；
[0007] (2)方便醫(yī)生更加準(zhǔn)確地針對(duì)病灶區(qū)域做出判斷，降低輔助診斷的風(fēng)險(xiǎn)；
[000引（3)促進(jìn)超聲圖像自動(dòng)化診斷技術(shù)的發(fā)展，具有不可估量的價(jià)值。
[0009]在數(shù)字圖像處理領(lǐng)域，濾波常用來(lái)修改或增強(qiáng)圖像，對(duì)圖像的某些特征，如輪廓、 邊緣、細(xì)節(jié)和對(duì)比度等進(jìn)行銳化，提高圖像的視覺(jué)質(zhì)量。由于抑制斑點(diǎn)噪聲具有非常重要的 意義，眾多科研工作者在此問(wèn)題上投入了大量的精力。近幾十年來(lái)出現(xiàn)的醫(yī)學(xué)超聲圖像去 噪方法，可W簡(jiǎn)單分為5種類型：自適應(yīng)去噪方法、各向異性擴(kuò)散去噪方法、非局部均值去 噪方法、小波變換去噪方法和混合型去噪方法。通過(guò)實(shí)驗(yàn)雖然自適應(yīng)濾波方法的復(fù)雜度低， 但是往往會(huì)模糊圖像的細(xì)節(jié)部分，對(duì)于斑點(diǎn)噪聲的抑制效果不是很理想。各向異性擴(kuò)散去 噪方法，具有很強(qiáng)的去噪能力，但是結(jié)果可能會(huì)出現(xiàn)過(guò)度平滑的現(xiàn)象。非局部去噪算法對(duì)于 斑點(diǎn)噪聲的抑制效果比較理想，但是運(yùn)類去噪方法的復(fù)雜度較高，不易滿足醫(yī)學(xué)超聲成像 系統(tǒng)的實(shí)時(shí)性要求，往往用于醫(yī)學(xué)超聲圖像的后期去噪處理。雖然雙邊濾波器能夠很好地 保持邊緣信息得到大家的認(rèn)可，但是由于雙邊濾波器運(yùn)算復(fù)雜度較高并且存在"梯度失真" 現(xiàn)象，并不能滿足醫(yī)學(xué)超聲成像系統(tǒng)的實(shí)時(shí)性要求。

【發(fā)明內(nèi)容】

[0010] 本發(fā)明要克服現(xiàn)有技術(shù)的上述缺點(diǎn)，結(jié)合斑點(diǎn)噪聲的模型的特點(diǎn)和醫(yī)學(xué)超聲圖像 的處理需求提出了一種新的去噪方法，即一種基于小波變換和Ξ邊濾波器的醫(yī)學(xué)超聲圖像 去噪方法。
[0011] 小波變換具有時(shí)頻分析和多尺度分析等優(yōu)越性，并已在圖像處理領(lǐng)域得到了廣泛 的應(yīng)用。在處理加性噪聲問(wèn)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，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。雖然雙邊濾波器 在去噪的過(guò)程中也能很好保持邊緣信息，但是其效率較低，運(yùn)行時(shí)間將會(huì)很長(zhǎng)并且存在"梯 度失真"現(xiàn)象，難W用于實(shí)時(shí)系統(tǒng)。隨著圖像的分辨率越來(lái)越大，運(yùn)在很大的程度上限制了 雙邊濾波的應(yīng)用空間。因此本發(fā)明利用Ξ邊濾波器替換掉雙邊濾波器，極大提高去噪性能 和運(yùn)算效率。對(duì)于Ξ邊濾波器，一方面可W去除低頻部分的脈沖噪聲和斑點(diǎn)噪聲，另一方面 保持圖像邊緣細(xì)節(jié)，并且可W解決梯度失真的問(wèn)題。具體思路如下：在傳統(tǒng)的小波去噪方 法的基礎(chǔ)之上，根據(jù)小波域內(nèi)超聲圖像及斑點(diǎn)噪聲的統(tǒng)計(jì)特性，提出了改進(jìn)的自適應(yīng)小波 收縮算法，能夠更有效地去除高頻部分的斑點(diǎn)噪聲;然后通過(guò)提出的Ξ邊濾波器去除低頻 噪聲。
[0012] 基于小波變換和Ξ邊濾波器的醫(yī)學(xué)超聲圖像去噪方法，包括如下步驟：
[0013] 步驟1)建立醫(yī)學(xué)超聲圖像模型
[0014] 如果認(rèn)為超聲成像系統(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，貝U 超聲成像系統(tǒng)采集的包絡(luò)信號(hào)由兩部分組成，一是有意義的體內(nèi)組織的反射信號(hào)，另一部 分是噪聲信號(hào)。其中噪聲信號(hào)可分為相乘噪聲與相加噪聲。相乘噪聲與超聲信號(hào)成像的原 理有關(guān)，主要來(lái)源于隨機(jī)的散射信號(hào)。相加噪聲認(rèn)為是系統(tǒng)噪聲，如傳感器的噪聲等。對(duì)于 包絡(luò)線的通用模型模型如下
[0015] s(x,y)=r(x,y)n(x,y) (1)
[0016] 運(yùn)里，（x，y)代表2D空間坐標(biāo)，;r(x，y)表示無(wú)噪聲信號(hào)，n(x，y)表示相乘噪聲。
[0017] 為了適應(yīng)超聲成像系統(tǒng)顯示屏幕的動(dòng)態(tài)顯示范圍，對(duì)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。此時(shí)相乘的式(1)模型將變?yōu)橄嗉拥哪Ｐ?，如?br>[0018] log(s(x,y)) = log(r(x,y))+log(n(x,y)) (2)
[0019] 此時(shí)，得到的信號(hào)log(s(x，y))即是通常看到的醫(yī)學(xué)超聲圖像。
[0020] 步驟2)對(duì)第一步得到的對(duì)數(shù)變換后的圖像進(jìn)行小波分解，得到四個(gè)頻域化Li、LHi、 化1和皿1)。
[0021] LL1分量是對(duì)原始信號(hào)LL0的列和行進(jìn)行小波分解后得到的低頻分量，即一級(jí)小波 分解后近似部分，它包含了原始圖像最多的低頻信息；
[0022] LH1是一次小波分解后的垂直方向上的高頻分量，即它包含了圖像水平方向上的 近似信息和垂直方向上的邊緣等高頻信息；
[0023] HL1是一次小波分解后的水平方向上的高頻分量，即它包含了圖像垂直方向上的 近似信息和水平方向上的邊緣等高頻信息；
[0024]皿1是一次小波分解后對(duì)角方向上的高頻分量，即它包含了圖像水平和垂直方向 上的邊緣等高頻信息；
[002引對(duì)低頻域LLi繼續(xù)進(jìn)行小波分解，再得到第二層四個(gè)頻域化L2、LH2、HL哺HH 2)。然后 重復(fù)運(yùn)個(gè)步驟，直到分解最大層數(shù)J。
[0026] 由于小波變換是線性變換，因此式(3)模型經(jīng)過(guò)二維離散小波變換后得到下面模 型：
[0027]
(3)
[002引其中妓、巧和分別表示含有噪聲圖像的小波系數(shù)、無(wú)噪聲圖像的小波系數(shù) 和斑點(diǎn)噪聲的小波系數(shù)。其中上標(biāo)j為小波變換的分解層數(shù)，下標(biāo)(l，k)為小波域內(nèi)的坐標(biāo)。
[0029] 經(jīng)過(guò)小波分解后的無(wú)噪信號(hào)的小波系數(shù)巧*服從廣義拉普拉斯分布，其概率分布 如下
[0030]
a，b>〇 t4)
[0031] 式中：
鬼伽馬函數(shù)，b為形狀參數(shù)，a為尺度參數(shù)，
[0032] 同時(shí)斑點(diǎn)噪聲的小波系數(shù)Λ&服從零均值高斯分布
[003；3]
(5)
[0034] 式中ON為小波域內(nèi)噪聲的標(biāo)準(zhǔn)差。
[0035] 步驟3)對(duì)每一層的高頻部分化Hj、HLj和HHj，j = l，2, . . .，J)的小波系數(shù)進(jìn)行闊值 法收縮處理。
[0036] 在小波去噪方法中，闊值函數(shù)的選擇會(huì)直接影響到最終的圖像去噪結(jié)果。當(dāng)闊值 選擇較小時(shí)，一部分大于該闊值的噪聲系數(shù)會(huì)被當(dāng)作有用信號(hào)保留下來(lái)，運(yùn)就導(dǎo)致去噪后 的圖像依然存在大量噪聲；當(dāng)闊值選擇較大時(shí)，會(huì)將很多系數(shù)很小的有用信息當(dāng)作噪聲而 置零，運(yùn)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)男〔ㄩ熤岛?數(shù)非常重要。
[0037] Donoho等人提出了一種典型的闊值選取方法，并且從理論上證明了該闊值與噪聲 的標(biāo)準(zhǔn)差成正比，改闊值函數(shù)又稱為統(tǒng)一闊值函數(shù)，其公式如下
[00 測(cè)
C 6)
[0039] 其中，Μ即是對(duì)應(yīng)小波域內(nèi)小波系數(shù)的總體個(gè)數(shù)，On是噪聲的標(biāo)準(zhǔn)差。在運(yùn)種闊值 函數(shù)中，闊值T受小波系數(shù)的個(gè)數(shù)影響較大，即當(dāng)Μ過(guò)大時(shí)，較大的闊值可能會(huì)平滑掉那些系 數(shù)較小的有用信息。
[0040] 基于式(7)的基礎(chǔ)之上，提出了一種更加適合超聲圖像的闊值函數(shù)，其公式如下
[00…
（7)
[0042]其中，Tj是新的闊值函數(shù)，On是噪聲的標(biāo)準(zhǔn)差，戈表j層的自適應(yīng)參數(shù)。運(yùn)是種常 見(jiàn)的闊值改進(jìn)的方法，的選取是根據(jù)實(shí)驗(yàn)決定的，在小波分解后，在不同層分解的小波系 數(shù)具有不同的分布，由此t非勺選擇基于j層的選擇，但運(yùn)種選擇不是最佳的，如果適當(dāng)?shù)倪x 擇，所提出的方法將反射更多的優(yōu)越性。
[0043] 在小波去噪方法中，首先選定一個(gè)給定闊值，然后按照一定