[发明专利]超声图像增益优化方法及超声成像增益自动优化装置

权利要求书

1.一种超声图像增益优化方法，其特征在于，包括以下步骤：

S201、获取组织图像和相同条件下的噪声图像数据；

S202、利用噪声图像对组织图像进行去噪处理；

S203、识别组织图像中的组织区域；

S204、判断组织区域在组织图像中所占的比例是否超过设定的阈值条件；

S205、根据S204中的判断结果，选择对应方法计算组织图像的整体增益和TGC曲线；

S206、将S205中计算出的组织图像的TGC曲线和整体增益作用到S201中的组织图像上。

2.根据权利要求1所述的超声图像增益优化方法，其特征在于，所述组织图像为超声造影成像下代表组织信息的组织图像，或常规B模式成像下的基波或谐波图像。

3.根据权利要求1所述的超声图像增益优化方法，其特征在于，所述S202包括，计算噪声图像每行的均值，再经过低通滤波得到光滑的噪声均值曲线，最后用组织图像减去噪声均值曲线，得到去噪后的组织图像。

4.根据权利要求1所述的超声图像增益优化方法，其特征在于，所述S203具体包括以下步骤：

S301、将去噪后的组织图像沿横向和纵向分成若干图像子块；

S302、计算各图像子块的统计参数；

S303、根据S302中各图像子块的统计参数确定区域划分的自适应阈值；

S304、将S302中计算得出的各图像子块的统计参数与S303中的自适应阈值比较，以判断每个图像子块的所属区域为噪声区域、边界区域、低回声区域或组织区域。

5.根据权利要求4所述的超声图像增益优化方法，其特征在于，所述S302中的统计参数包括每个图像子块的均值、标准差和信噪比；

所述S303中的自适应阈值包括噪声阈值、标准差高阈值、均值高阈值和均值低阈值；

所述S304中判断每个图像子块的所属区域的方法为：

信噪比小于噪声阈值的图像子块，为噪声块，属于噪声区域；

标准差大于标准差高阈值，或均值大于均值高阈值的图像子块，为边界块，属于边界区域；

均值小于均值低阈值的图像子块，为低回声块，属于低回声区域；

不满足以上三个条件的图像子块，为组织块，属于组织区域。

6.根据权利要求5所述的超声图像增益优化方法，其特征在于，所述自适应阈值中的噪声阈值由人工给定，根据明显噪声区域的信噪比确定； 

标准差高阈值THstdH=mean(Std_Xm)+P*std(Std_Xm)； 

均值高阈值THmeanH=mean(Mean_Xm)+P*std(Mean_Xm)；

均值低阈值THmeanL=mean(Mean_Xm)－P*std(Mean_Xm)；

上述表达式中，Std_Xm表示第m图像子块的标准差，mean(Std_Xm)表示所有图像子块的标准差的均值，std(Std_Xm)表示所有图像子块的标准差的总标准差，Mean_Xm表示第m图像子块的均值，mean(Mean_Xm)表示所有图像子块均值的均值，std(Mean_Xm)表示所有图像子块的均值的标准差，m=1~M，M为S301中组织图像被分成图像子块的总块数，P为可调整参数，根据组织图像中的信号分布范围设定。

7.根据权利要求6所述的超声图像增益优化方法，其特征在于，在计算标准差高阈值、均值高阈值和均值低阈值时，忽略噪声块数据。

8.根据权利要求6所述的超声图像增益优化方法，其特征在于，所述可调整参数（P）的大小与组织图像的信号分布范围成反比。

9.根据权利要求5所述的超声图像增益优化方法，其特征在于，所述S204具体包括，统计每行图像子块中的组织块数量，组织块占该行图像子块总量的百分比值大于第一阈值的即为组织有效行，如果组织有效行占图像子块行数的百分比值大于第二阈值，则判定组织区域在组织图像中所占的比例超过设定的阈值条件，否则判定为不超过设定的阈值条件。