專利名稱：基于稀疏表示的醫(yī)學(xué)超聲圖像濾波方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，具體為一種基于稀疏表示的醫(yī)學(xué)超聲圖像濾波方法。
背景技術(shù)：
超聲成像因具有無創(chuàng)、實(shí)時(shí)、可重復(fù)性強(qiáng)、診療費(fèi)用低廉等優(yōu)點(diǎn)，在醫(yī)學(xué)臨床診斷中有著重要的應(yīng)用。但是超聲圖像中存在著大量的斑點(diǎn)，掩蓋了某些細(xì)節(jié)信息，嚴(yán)重影響細(xì)微特征的分辨和圖像質(zhì)量，尤其是使邊緣與細(xì)節(jié)變得模糊，增加了醫(yī)學(xué)診斷的難度。常用的斑點(diǎn)噪聲濾波方法包括局部統(tǒng)計(jì)法[I]、中值濾波法[2]、各向異性濾波法和小波濾波法[4]等。這些方法可以不同程度地降低噪聲影響，但仍存在一些問題。對(duì)于基于局部特征的濾波算法而言，窗的尺寸和形狀極大地影響濾波效果。此外，閾值的選取也十分關(guān)鍵，錯(cuò)誤的閾值將導(dǎo)致邊緣和細(xì)節(jié)模糊。根據(jù)上述要求，本發(fā)明采用圖像稀疏表示和基于子塊相似度的全局濾波的思想， 為醫(yī)學(xué)超聲圖像濾波提供一種新的方法，可以有效地降低斑點(diǎn)噪聲，且保持其細(xì)微結(jié)構(gòu)、邊緣和紋理特性。

發(fā)明內(nèi)容
本發(fā)明的目的是提出一種可以有效降低醫(yī)學(xué)超聲圖像中斑點(diǎn)噪聲的醫(yī)學(xué)超聲圖像濾波方法。本發(fā)明提出一種的醫(yī)學(xué)超聲圖像濾波方法，具體步驟為
1、將二維超聲圖像分成子塊，使用KSVD過完備字典學(xué)習(xí)算法[5]，對(duì)其進(jìn)行最稀疏分解，求得每個(gè)子塊的分解系數(shù)及灰度均值；
2、采用基于子塊相似度的全局濾波思想，利用每個(gè)子塊的稀疏分解系數(shù)，在整幅圖像尋找灰度值和結(jié)構(gòu)相似的候選塊；
3、在所有候選塊中，進(jìn)一步利用灰度均值矩陣去除那些完全不相關(guān)的圖像子塊。通過最終得到的所有最相似子塊，對(duì)原圖像子塊內(nèi)全部像素點(diǎn)一同濾波。對(duì)于重疊區(qū)域多次濾波的像素點(diǎn)，對(duì)其進(jìn)行均值處理，從而實(shí)現(xiàn)整幅圖像的濾波。下面就本發(fā)明方法的各個(gè)步驟涉及的相關(guān)技術(shù)細(xì)節(jié)作進(jìn)一步的具體描述。I、超聲圖像中的斑點(diǎn)噪聲是一種乘性噪聲，服從瑞利分布。設(shè)噪聲圖像7 e ITn， iOOV為圖像尺寸，/(·)和/ (·)分別代表無噪聲圖像和噪聲，滿足
權(quán)利要求
1.基于稀疏表示的醫(yī)學(xué)超聲圖像濾波方法，其特征在于具體步驟為(1)將二維超聲圖像分成子塊，使用KSVD過完備字典學(xué)習(xí)算法，對(duì)其進(jìn)行最稀疏分解，求得每個(gè)子塊的分解系數(shù)及灰度均值；(2)采用基于子塊相似度的全局濾波思想，利用每個(gè)子塊的稀疏分解系數(shù)，在整幅圖像尋找灰度值和結(jié)構(gòu)相似的候選塊；(3)在所有候選塊中，進(jìn)一步利用灰度均值矩陣去除那些完全不相關(guān)的圖像子塊；通過最終得到的所有最相似子塊，對(duì)原圖像子塊內(nèi)全部像素點(diǎn)一同濾波；對(duì)于重疊區(qū)域多次濾波的像素點(diǎn)，對(duì)其進(jìn)行均值處理，從而實(shí)現(xiàn)整幅圖像的濾波。
2.根據(jù)權(quán)利要求I所述的基于稀疏表示的醫(yī)學(xué)超聲圖像濾波方法，其特征在于步驟 ⑴中，所述使用KSVD字典學(xué)習(xí)算法，利用過完備的冗余字典對(duì)超聲圖像進(jìn)行稀疏分解，使得分解后的系數(shù)中大部分分量為零，只有少數(shù)的非零大系數(shù)，具體步驟為設(shè)噪聲圖像7 e Wx'冗余字典j為Z個(gè)#維原子的集合，經(jīng)過稀疏分解后的系數(shù)為尤則圖像P的稀疏表不為
3.根據(jù)權(quán)利要求I所述的基于稀疏表示的醫(yī)學(xué)超聲圖像濾波方法，其特征在于步驟(2)中，所述采用基于子塊相似度的全局濾波思想，利用每個(gè)子塊的稀疏分解系數(shù)，在整幅圖像尋找灰度值和結(jié)構(gòu)相似的候選塊的具體步驟為經(jīng)過稀疏分解后，原圖像7 e 被分解為系數(shù)矩陣Z,其中Z的每一列大部分的系數(shù)分量為零，只有少數(shù)的非零大系數(shù)，這些大系數(shù)很好地表示了原圖像的特征；對(duì)I的每一列求和，得到每個(gè)圖像子塊的稀疏分量sum e TPixz b'
4.根據(jù)權(quán)利要求I所述的基于稀疏表示的醫(yī)學(xué)超聲圖像濾波方法，其特征在于步驟(3)中，所述進(jìn)一步利用灰度均值矩陣去除候選塊中那些完全不相關(guān)的圖像子塊，最終將保留個(gè)最相似子塊，記為e;不同于點(diǎn)濾波，對(duì)整個(gè)圖像子塊內(nèi)的全部像素點(diǎn)一同濾波；由于Y_similar中每一列的灰度分布及結(jié)構(gòu)均與十分相似，所以直接對(duì)中 Y_simi7ar每一行取均值,作為濾波后的免；將濾波后的列向量另進(jìn)行反列向量處理，即展開成6X6矩陣；由于圖像子塊在原圖像中是全遍歷的，對(duì)于重疊區(qū)域多次濾波的像素點(diǎn)，對(duì)其進(jìn)行均值處理，從而實(shí)現(xiàn)整幅圖像的濾波。
全文摘要
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，具體為基于稀疏表示的醫(yī)學(xué)超聲圖像濾波方法。本發(fā)明使用過完備字典將二維超聲圖像分解成最為稀疏的系數(shù)表示；采用基于子塊相似度的全局濾波思想，對(duì)于每一個(gè)圖像子塊，利用全局冗余信息尋找整幅圖像中與其最相似的子塊；根據(jù)得到的所有最相似子塊，對(duì)原子塊內(nèi)全部像素點(diǎn)一同濾波；對(duì)于各重疊區(qū)域內(nèi)存在多個(gè)估值的像素點(diǎn)，對(duì)其進(jìn)行均值處理，從而實(shí)現(xiàn)整幅圖像的濾波。本發(fā)明非常適合于醫(yī)學(xué)超聲圖像的濾波，可以有效地降低斑點(diǎn)噪聲，并且較好地保持超聲圖像中的紋理信息和邊緣特性。
文檔編號(hào)G06T5/00GK102592267SQ201210002260
公開日2012年7月18日 申請(qǐng)日期2012年1月6日 優(yōu)先權(quán)日2012年1月6日
發(fā)明者汪源源, 郭翌 申請(qǐng)人:復(fù)旦大學(xué)