[发明专利]一种基于生物视觉机理的自适应医学超声图像去噪方法

说明书

本发明公开一种基于生物视觉机理的自适应医学超声图像去噪方法，为了解决现有技术中未考虑不同部位超声图像中斑点噪声分布的不同，造成去噪程度不够或者过多等问题，本发明通过去除医学超声图像中的斑点噪声，增强图像细节，提高图像质量；并根据图像的局部信息，自适应的使用中心正外周负，尺度不同且幅值不等的双高斯差型滤波器(DOG)，在图像低对比度区域采用大尺度的感受野平滑噪声，而在高对比度区域采用小尺度的感受野增强细节，达到去除噪声的同时有效保护图像细节信息的目的。

技术领域

本发明属于计算机视觉和图像处理技术领域，特别涉及一种医学超声图像去噪技术。

背景技术

医学超声图像凭借其实时、廉价、无辐射等优点，获得了广泛的应用。但是同时受自身成像原理的限制，医学超声图像受噪声污染严重，图像质量和分别率不高。医学超声图像中主要有两种噪声，一种是加性的热噪声，一种是乘性的斑点噪声(speckle noise)。其中热噪声是由于仪器自身的发热造成，和斑点噪声相比值较小，并且是可以通过冷却仪器等物理操作进行避免。而斑点噪声是由于超声波在通过人体组织，遇到组织中的散射体时发生散射，这些散射波相遇时会发生相长干涉和相消干涉，于是在图像上就表现为亮暗相间的颗粒状斑点噪声。人体不同部位组织中的散射体分布情况存在较大差异，所以不同部位超声图像中的噪声强弱以及分布情况也不同。然而，大多数的超声图像去噪算法并没有有效的利用这一先验信息，包括目前认为医学超声图像去噪算法中最具代表性的是各向异性扩散算法，参考文献：Y.Yu and S.T.Acton,Speckle reducing anisotropicdiffusion,IEEE Transactions on image processing,vol.11,pp.1260-1270,2002。该方法相对而言对于医学超声图像能够获得比较理想的去噪效果，但是由于算法中的扩散阈值k很难选择，如果该阈值选择的不好会导致处理后的结果图中出现很明显的阶梯效应。实际上，应该根据噪声分布的不同，设计相应的去噪算法，这样才能获得满意的去噪效果。

生理学研究表明，视网膜中光感受器细胞存在自发放电产生噪声的现象，而视网膜的输出并不受该噪声的影响。合理的猜测是，视网膜上垂直信号通路中的双极细胞和神经节细胞具有处理噪声的能力。

发明内容

为了解决现有技术中未考虑不同部位超声图像中斑点噪声分布的不同，造成去噪程度不够或者过多等问题，本发明提出一种基于生物视觉机理的自适应医学超声图像去噪方法，通过去除医学超声图像中的斑点噪声，增强图像细节，提高图像质量。

本发明采用的而技术方案为：一种基于生物视觉机理的自适应医学超声图像去噪方法，包括：

S1、计算超声图像局部噪声变化方差及局部纹理信息；

S2、计算输入超声图像的局部相对标准偏差，并将计算出的相对标准偏差作为感受野模型的外周权重；

S3、根据步骤S1中得到的超声图像局部的噪声变化方差和局部纹理信息计算神经节细胞感受野模型的中心尺度；

S4、采用步骤S2得到的感受野模型的外周权重以及步骤S3得到的中心尺度设定感受野模型的参数，然后对输入图像进行滤波处理，计算得到滤波后示例点的对应的灰度值。

进一步地，所述超声图像为肝脏超声图像或乳腺超声图像或甲状腺超声图像。

进一步地，步骤S3所述的中心尺度计算式为：

σ₁＝(D/VAR)*ENT

其中，D表示斑点噪声的变化先验值，VAR表示局部噪声变化方差，ENT表示局部纹理信息。

更进一步地，所述D取值范围为0～1之间的任意实数。

进一步地，所述感受野模型公式为：