[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。Jain在1989年提出了一个乘性与加性噪声相组合的超声图像噪声模型：

y＝x*n_m+n_a      (1)

式中n_m和n_a分别是乘性噪声和加性噪声，x表示未被噪声污染的信号，y表示被噪声污染后观察到的信号。

在超声医学图像中，加性噪声的作用相对于乘性噪声来说很小，因此在实际应用中，可以忽略加性噪声的影响，所以式(1)可以简化为：

y＝x*n_m         (2)

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             (3)

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、读入源图像象素数据；

A2、对所述源图像象素数据进行同态变换；

A3、对同态变换后的数据进行多级非线性加权平均中值滤波计算；

A4、对滤波计算后的数据进行同态反变换；

A5、将同态反变换后的数据进行数字扫描变换后显示。

所述步骤A2中的同态变换是对源图像中的每一点取以自然数e为底的对数。

所述步骤A3包括步骤：

定义中心在(i，j)，大小为(2K+1)×(2K+1)的滤波窗W的四个子集：

W₁(i，j)＝{X(i，j+k)；-K≤k≤K}，

W₂(i，j)＝{X(i+k，j+k)；-K≤k≤K}，

W₃(i，j)＝{X(i+k，j)；-K≤k≤K}，

W₄(i，j)＝{X(i+k，j-k)；-K≤k≤K}，

其中：K取正整数，M-K-1≥i≥K，N-K-1≥j≥K。

所述步骤A3还包括步骤：