[发明专利]一种量子启发的医学超声图像去斑方法

说明书

技术领域

本发明属于计算机图像处理领域，尤其是涉及一种量子启发的医学超声图像去斑方法。

背景技术

超声成像技术是被广泛应用于医学诊疗等领域的重要技术手段，因其相对于其他成像技术所独有的成本低廉、实时性强、无损检测等优点，获得了广泛应用。但超声信号在体内的散射会使医学超声图像被斑点噪声所污染，超声图像质量的下降将影响临床诊断。为了降低医学超声图像的斑点噪声，同时保持其反映的组织细节、形状特征，良好的医学超声图像去斑方法必不可少。近年来，医学超声图像去斑方法的研究课题在医学图像处理领域受到广泛关注。大量的代表性医学超声图像去斑方法被提出，并应用于实际的诊疗中，例如：

Kuan滤波、Frost滤波、Lee滤波等局部统计滤波方法，以及非对数变换的小波域医学图像去斑方法GenLik均能够取得较好的去斑效果，但是此类方法都无法很好地保持原始图像的细节特征。

Perona、Malik等人提出的基于偏微分方程的各向异性扩散方法，利用偏微分方程模型迭代处理一幅图像、一个曲面或一条曲线，通过方程的求解得到去噪后的结果。但是该方法需要迭代次数足够多，计算复杂度大，且不恰当的迭代次数会损失图像结构信息；而偏微分方程模型本身是病态的，不能保证解的存在性和唯一性。

另外，许多基于离散小波变换(Discrete Wavelet Transform，DWT)的方法通过应用对数变换，将乗性斑点噪声转化为独立于图像信号的加性白噪声，再使用阈值法，最后进行对数变换，获得去斑后的图像。然而，离散小波变换中的下采样操作所造成的变化使得小波域中原始图像信号的非连续性难以保持，也无法提供对超声图像尤为重要的相位信息。

同时，2001年美国麻省理工学院的Eldar根据量子力学的理论，提出了量子信号处理理论(Quantum Signal Processing，QSP)，指出信号作为自然界中客观存在的物理实体，它在物理上也是受量子力学原理约束。如何借鉴和利用量子力学的基本概念与基本理论，充分发挥量子力学具有的相干性、纠缠性以及量子态叠加性等特性，在经典计算机上实现解决图像处理问题的新方法或改进方法，是基于量子理论的图像处理的重要研究内容，但是现阶段仍无同时应用量子信号处理理论和图像的固有特征指标相结合来解决超声图像去斑问题的方法。

发明内容

本发明针对已有常见医学超声图像去斑方法的不足，提供一种量子启发的医学超声图像去斑方法，其目的在于利用量子理论和量子信号处理的框架，克服已有医学超声图像去斑方法在去斑能力、图像细节保持能力、图像参数无法自适应性确定等方面的不足，提高医学超声图像的质量，提供更好的图像视觉效果和图像质量客观评价指标，方便下一阶段的医学诊疗。

其具体技术方案如下：一种量子启发的医学超声图像去斑方法，包括以下步骤：

S1、对输入的乘性含斑超声图像经过对数变换得到加性含噪图像；

S2、对加性含噪图像做复小波分解，得到小波系数；

S3、自适应性参数选取：计算噪声方差、理想图像信号小波系数概率密度函数的方差和平滑参数；

S4、选取自适应性参数计算量子启发的自适应调整阈值，对小波系数进行软阈值处理得到理想图像信号的小波系数估计值；

S5、用理想图像信号的小波系数估计值进行复小波重构，得到经过软阈值处理后的小波系数估计值所对应的图像灰度值；

S6、对图像灰度值进行指数变换，补偿步骤S1中的对数变换，获得完整的去斑操作后的医学超声图像。

进一步的，所述步骤S3中，

S31、计算噪声方差σ_n包括：

所述加性含噪图像的小波系数Y是理想图像信号小波系数X和噪声小波系数N的叠加，即Y＝X+N；

复数N服从方差为σ_n的高斯分布，对于不同的输入图像I，其噪声小波系数N的概率密度函数不同，即N服从不同方差σ_n的高斯分布；用高频子带Y第一层45°方向上的小波系数的模得到噪声方差σ_n；

进一步的，所述步骤S3中：

S32、使用最小二乘法计算理想图像信号小波系数概率密度函数的方差σ和平滑参数S：

复数X服从带平滑参数S、方差为σ的改进的拉普拉斯分布；X_r是X的实部，X_i是X的虚部：