[发明专利]一种实时提高超声图像质量的方法和系统

说明书

本专利公开了一种实时提高超声图像质量的方法，包括：(1)对超声二维图像进行时‑频域变换得到空间谱；(2)对空间谱进行划分操作得到子空间谱；(3)对子空间谱进行时‑频域反变换得到子图像；(4)计算相干因子并对原始图像进行加权处理，得到提高质量的超声图像。本专利同时还公开了一种实时提高超声图像质量的系统。本发明在去除噪声的同时，提高图像分辨率，抑制旁瓣，有效提高超声图像质量，并且具有较好的实时性和较低的计算复杂度低。

技术领域

本发明属于超声成像技术领域，具体涉及一种实时提高超声图像质量的方法和系统。

背景技术

超声成像(Ultrasound Imaging)技术根据物体周围的超声散射波获得物体内部结构的超声图像,广泛应用于医学成像、无损检测领域。在超声成像技术中，超声波传感器发射和接收的超声波具有超宽带信号性质，通过对目标不同角度的照射与观测获取目标信息，能够获得较大的目标空间谱，实现高分辨成像。但斑点噪声及其它加性噪声的影响会污染图像，较高的旁瓣水平使得伪像较多，分辨率变差，对比度降低，这些都严重降低了超声图像质量，对检测、解译超声图像及后续处理产生不利影响，所以如何有效提高超声图像质量对超声成像具有重大意义。

目前去除斑点噪声的方法主要有局部自适应滤波、基于偏微分方程滤波和小波滤波、基于稀疏表示等。局部自适应滤波器具有较低的算法复杂度，但它们往往会使图像模糊，并且不能得到满意的去噪结果。基于小波变换很难选择合适的尺度，不能有效区分信号和噪声。基于偏微分方程的方法在保护图像边缘的同时，对图像进行了平滑处理，有意义的特征细节在迭代的过程中可能被去除，改进的基于梯度分割的图像增强方法依赖于数学统计特性，容易造成图像信息量的丢失，且计算量大、实时性差。基于稀疏表示的图像去噪技术在图像高斯噪声的去除中表现很好，但其依赖于噪声模型和字典设计，复杂度高，适应性受限制。随着深度学习技术在信号处理领域的广泛应用，出现了利用神经网络、深度学习的方法来去除图像中的高斯噪声的方法，但这类方法通常复杂度较高，实时效果较差。并且目前的很多算法在去除噪声的同时损失了特征信息，或在增强特征信息的同时连噪声一起加强，无法真正实时提高超声图像质量。

发明内容

本发明目的之一是提供一种实时提高超声图像质量的方法，主要解决现有技术中存在的效果不明显，图像分辨率降低，运算量大的技术问题。

本方案中实时提高超声图像质量的方法，包括：

(1)对超声二维图像进行时-频域变换得到空间谱；

(2)对空间谱进行划分操作得到子空间谱；

(3)对子空间谱进行时-频域反变换得到子图像；

(4)计算相干因子并对原始图像进行加权处理，得到提高质量的超声图像。

本发明实现的实时提高超声图像质量的原理是，对于给定的超声图像，首先变到空间谱域，进行划分处理得到不同的子空间谱；然后变换得到多幅具有不同特征的超声图像；计算相干因子并对原始图像进行加权处理。

由于多幅超声图像的斑点噪声和加性噪声不相干，而多幅超声图像中同一目标点是相关的，通过使用相干因子进行加权处理，使得目标像素点得以加强，噪声点得以削弱，所以能有效去除噪声，保留并锐化主瓣，削弱旁瓣，提高超声图像质量。

本发明在去除噪声的同时，提高图像分辨率，抑制旁瓣，有效提高超声图像质量，并且具有较好的实时性和较低的计算复杂度低。

进一步，步骤(1)中对所述的时-频域变换采用二维傅里叶变换的快速算法，相应的所述(3)中的时-频域反变换采用二维傅里叶反变换的快速算法。

二维傅里叶变换/反变换的快速算法(2D FFT/IFFT),计算效率高，计算复杂度低，能有效的降低运算量和运算时间，提高系统的实时性。

进一步，步骤(2)中所述划分操作将空间谱划分为互不重叠或者部分重叠的区域。