[发明专利]一种去除实时超声图像斑点噪声的方法

说明书

技术领域

本发明涉及超声诊断技术领域，具体涉及一种去除实时超声图像斑点噪声的方法。

背景技术

在超声成像中，当人体组织的结构尺寸与入射超声波波长相近或小于波长时，超声束发生散射，相位不同的散射回波相互干涉产生斑点噪声，它降低了超声图像的质量，使对比度较低的软组织中的正常组织和肿瘤病变组织不易分别。

对斑点噪声的统计特性的研究表明，常见的斑点噪声服从Rayleigh分布，其均值与标准差成正比，这说明斑点噪声是乘性的。但是由于在超声成像过程中对信号进行了对数压缩、低通滤波以及插补运算等，从而改变了原始信号的统计特性，其均值不再与标准差成正比，而是与方差成正比。根据这一特性Loupas等在1989年又提出了一个较为复杂的斑点噪声统计模型设x为未被噪声污染的信号，n为与x相互独立、零均值方差为1的高斯噪声，y为观察到的已被噪声污染的信号，则Loupas的斑点噪声模型表示为：

y=x+x*n---(1)]]>

目前，超声图像中斑点噪声的抑制方法有两类。第一类是复合方法。这类方法将某方式得到的一组同一目标的图像进行相干平均，以去除随机斑点噪声。具体方式包括在不同的时间、以不同的扫描频率或从不同的空间位置对组织进行扫描。此方法较为成熟，但实现过程较为繁琐。

第二类方法是滤波方法。从现有文献看，目前许多去除斑点噪声的技术比较著名的包括应用在雷达数据处理中的Lee、Kuan和Frost滤波器。与此同时，不是由斑点统计模型推导的其他滤波器也已提出并应用到斑点噪声抑制中。诸如均值率波器、中值滤波器、几何滤波器、小波变换滤波器、形态率波器、维纳滤波，近几年还有很多利用前几种算法和别的算法的结合发展的新的斑点噪声去除方法。这些方法在抑制斑点噪声的同时不同程度地降低了图像的分辨率，并且很难保证图像的实时性。

目前的中低档B超中，大多利用FPGA采用帧相关处理方法来达到去除斑点噪声的目的。帧相关处理是最常见也是最古老的一种消除斑点的时间复合。帧相关处理一般是帧间的一阶递归滤波，可以表示为如下的形式：

y(n)＝αy(n-1)+(1-α)x(n)     0<α<1          (2)

式(2)中x(n)表示当前帧某线某采样点的实测值，y(n)表示x(n)的滤波值，而y(n-1)表示前一帧同样位置采样点的滤波值，滤波器系数α一般是可选的。α越接近1，递归滤波器的带宽越窄，抑制斑点噪声的作用越大，但图象的实时跟踪性越差。滤波器系数α越接近1，递归滤波器的带宽越窄，抑制斑点噪声的作用越大。但是我们现有B超系统的帧相关处理算法中，α一般取为0.5，再增大α，图像的实时跟踪性就变得很差，而且采样FPGA来进行去噪成本相对来说比较高。

发明内容

本发明要解决的技术问题是提供一种去除实时超声图像斑点噪声的方法，克服现有技术去除实时超声图像斑点噪声的方法，采用硬件实现，图像实时跟踪性差，去噪声成本高的缺陷。本发明去除实时超声图像斑点噪声的方法在PC上用软件实现，既保存图像细节，又保证图像的实时处理速度。

本发明为解决上述技术问题所采用的技术方案为：

一种去除实时超声图像斑点噪声的方法，包括步骤：

A1、确定滤波窗尺寸和滤波窗中心加权系数；

A2、读入源图像象素数据；

A3、计算以每一个象素数据为滤波窗中心的滤波窗图像元素的均值和绝对差和均值；

A4、计算滤波窗内每个图像元素的加权系数；

A5、对源图像象素数据进行中值滤波计算；

A6、将经过计算的数据进行数字扫描变换后显示。

滤波窗图像元素的均值m按照下列公式计算：