[发明专利]一种医学图像的滤波方法及系统

说明书

技术领域

本发明涉及图像处理技术领域，尤其涉及一种医学图像的滤波方法及系统。

背景技术

现有的医学图像在生成过程中，通常会由于成像设备、成像环境、成像方法等各种因素的影响产生不同程度噪声的污染，从而降低了图像本身的质量，为图像的后续处理带来了困难并影响医生对病情的诊断。由于医学图像分辨率低、噪声大等特点，因此，通过有效的滤波方法对医学图像进行去噪处理已成为获得图像后的一项重要工作。

去噪处理就是将被噪声污染的图像通过滤波器，滤除其噪声部分，保留图像的原始信号。常用的图像去噪方法有高斯滤波方法、双边滤波方法和基于模型的滤波方法。

1.高斯滤波方法等价于求解用二阶偏微分方程来表示的各向同性热扩散方程，对含高斯噪声污染的图像处理效果较好。但处理含有乘性噪声的医学图像时，图像的边缘会变的过度模糊。

2.双边滤波方法是高斯滤波方法的改进，主要是结合空间和灰度域两种滤波来保留图像中的边缘。遗憾的是，它不能有效地处理图像中的斑点噪声，有时也会产生过度平滑，而且会出现人为的边缘过度锐化。

3.基于模型的滤波方法是先用马尔可夫链蒙特卡洛学习先验知识，再使用贝叶斯推断来对输入图像进行滤波。相比于高斯滤波和双边滤波方法，这种方法比较有效。但遗憾的是这种方法往往要通过学习来构建模型，从而导致滤波效率低下。针对医学图像处理的实时性，该方法处理速度太慢，而且会产生局部过度模糊和边缘过度锐化。

遗憾的是，上述方法无法根据人眼的视觉效果对医学图像进行滤波，更不能增强医学图像组织结构。

近年来，具有多分辨和去相关性等特点的小波变换应用广泛，基于小波变换的图像滤波方法也逐渐替代了传统的滤波方法。原因是基于小波变换的相关滤波方法能有效缓解滤波后图像产生的边缘模糊问题，使滤波图像更符合人眼的视觉效果。

基于小波变换的方法在医疗图像滤波方面大致可分为：基于小波变换模极大值原理的去噪方法；基于小波变换域内相邻尺度间系数相关性的去噪方法；小波阈值去噪方法。该方法的实施步骤大致如下：

第一步，图像预处理(如灰度调整等)。

第二步，对图像进行多尺度小波分解。

第三步，在每一尺度下，采用各种有效方法(如模糊数学、形态学等相关方法)把属于噪声的小波系数去掉，保留并增强属于图像的小波系数。

第四步，利用小波逆变换得到滤波后的图像。

例如，基于模糊均差的小波变换滤波方法，其主要处理过程是小波子频带的处理过程：首先，采用两步自适应增强方法对小波域的低频信息进行增强，并计算低频图像的梯度模值，利用最大类间方差在梯度模值意义下把低频图像分割为平坦区域和细节区域；其次，分别在平坦区域和细节区域利用模糊均差法估计噪声的标准差，对平坦区域和细节区域的标准差再进行估计得到噪声标准差。最后，确定去噪阈值，通过小波软阈值方法在高频图像上进行去噪。

不幸的是基于小波变换的滤波方法大多数需要根据噪声分布模型估计噪声方差、均值等。目前，图像中的噪声近似为高斯分布时，这类方法效果较好，但在非单一高斯噪声的图像处理过程中，滤波后的图像局部会出现模糊。

综上所述，上述方法仅适用于处理含有类似高斯噪声的图像。对于含有多种类型噪声(如斑点噪声，符合瑞利分布的噪声，椒盐噪声等)的医学图像，目前的滤波方法还存在一些局限性。尤其是针对分辨率低、噪声多、对比度差的医学图像，现有滤波方法很难达到抑制噪声，增强图像的精细结构的效果，无法给医生的临床诊断提供帮助。

发明内容

本发明实施例提供一种医学图像的滤波方法及系统，用以改善现有技术对医学图像处理后噪声过多、边缘模糊、细节丢失的问题，解决了医学图像噪声多、对比度差的问题。

一种医学图像的滤波方法，该方法包括：

根据待处理图像估测滤波器窗口大小；

计算频域内极坐标频率和幅角，并构造带有方向性的窗口滤波器；

用所述带有方向性的窗口滤波器对待测图像进行滤波操作并输出。

所述根据待处理图像估测滤波器窗口大小，包括：

根据待处理图像的大小估测滤波器窗口大小，所述滤波器窗口大小不超过待处理图像大小的1/8。

所述计算频域内极坐标频率和幅角，包括：

极坐标的中心点频率为0赫兹，幅角为0度，以中心点为原点，向右向上为正方向，向左向下为负方向形成极坐标窗口；分别在窗口的垂直和水平方向，以一个周期2π的频率和反三角函数估算极坐标点的频率和幅角；

所述极坐标窗口的大小和所述估测的滤波器窗口大小相同。