[发明专利]一种用于肝脏超声图像的增强优化方法

说明书

本发明涉及图像数据处理技术领域，提出了一种用于肝脏超声图像的增强优化方法，包括：采集超声图像并获得超声图像的边缘图像；膨胀后得到膨胀图像，得到图像的连通域，将连通域分为疑似正常连通域和疑似噪声连通域；对于疑似正常连通域，获得连通域宽度，构建宽度集合，根据宽度集合找出的标准宽度，根据标准宽度获得疑似正常连通域内的疑似噪声连通域；计算疑似噪声连通域为噪声的可能性；获得疑似噪声连通域为噪声的真正可能性，对超声图像的像素点进行分类获得三类像素点；将三类像素点使用不同的增强系数进行增强，完成超声图像的增强优化。本发明针对不同清晰程度的像素点使用不同增强系数进行锐化，更凸显边缘细节特征。

技术领域

本发明涉及图像数据处理技术领域，具体涉及一种用于肝脏超声图像的增强优化方法。

背景技术

随着人们对自身健康的日益重视，便捷、无损伤的超声检查被广泛应用，其具有对人体软组织分辨能力强，可识别生物组织的微小病变，且超声图像显示活体组织时不用染色处理的优异特点。

但超声图像由于成像原理因素会出现图像灰度范围不足、灰度分布不合理等现象，其主要表现为图像对比度低、图像内边缘细节不清晰，这给医生的识别与诊断带来了很大的困难。

传统的通过锐化处理，以增强、突出图像边缘和细节的反锐化掩模算法，由于对噪声非常敏感，会增强超声图像中的斑噪声，且易使灰度变化剧烈的边缘过增强，产生伪影，由于斑噪声的特征和病变边缘的影响，传统的噪声识别误差较大。

发明内容

本发明提供一种用于肝脏超声图像的增强优化方法，以解决现有的算法对噪声敏感导致噪声识别误差较大的问题，所采用的技术方案具体如下：

本发明一个实施例提供了一种用于肝脏超声图像的增强优化方法，该方法包括以下步骤：

采集超声图像并获得超声图像的边缘图像；

在边缘图像中找到边缘线的节点，利用边缘线的节点对边缘线分割得到边缘线段，将边缘线段组成的区域记为边缘区域；对边缘图像进行膨胀得到膨胀图像，对于膨胀图像的边缘区域进行连通域分析得到膨胀图像的连通域，根据连通域面积和边界长度的比值计算每个连通域的圆度，根据连通域的圆度将连通域分为疑似正常连通域和疑似噪声连通域；

对于疑似正常连通域，将疑似正常连通域进行细化得到单像素宽度骨架线，将单像素宽度骨架线上的像素点记为骨架点，根据骨架点的法线得到骨架点对应的连通域宽度，将所有的骨架点对应的连通域宽度构建宽度集合，根据宽度集合找出疑似正常连通域的标准宽度，根据标准宽度获得疑似正常连通域内的疑似噪声连通域；

根据疑似噪声连通域内所有骨架点对应的连通域宽度与标准宽度差的均值、宽度集合中连通域宽度的最大值、疑似噪声连通域中小于灰度均值的方差和大于等于灰度均值的方差得到疑似噪声连通域为噪声的可能性；

将每个疑似噪声连通域分为三类，并计算每类像素点八邻域包含的非该疑似噪声连通域的数量的均值，根据非疑似噪声连通域的数量的均值获得均值最小值和每类的灰度方差，根据疑似噪声连通域为噪声的可能性、均值最小值归一化后与均值最小值对应的类中的像素点的灰度方差的乘积获得疑似噪声连通域为噪声的真正可能性，根据疑似噪声连通域为噪声的真正可能性对超声图像的像素点进行分类获得正常边缘像素点和疑似边缘噪声点以及疑似边缘噪声点的增强系数；

获取非边缘像素点和正常边缘像素点的增强系数，并结合疑似边缘噪声点的增强系数对超声图像进行增强，完成超声图像的增强优化。

优选的，所述在边缘图像中找到边缘线的节点，利用边缘线的节点对边缘线分割得到边缘线段的方法为：

在边缘图像中，边缘线的交点作为边缘线的节点，将相交的边缘线排除节点部分后得到若干边缘线段，将边缘线的节点相邻的边缘线段记为标准边缘线段，将边缘线的节点与节点对应的标准边缘线段中最长的标准边缘线段合并为一条新的边缘线段。

优选的，所述根据骨架点的法线得到骨架点对应的连通域宽度的方法为：