[发明专利]一种斑点噪声抑制方法、超声设备及存储介质

说明书

本发明涉及超声图像处理技术领域，具体公开了一种斑点噪声抑制方法，其中，包括：根据BM3D算法获取训练超声图像组的斑点噪声分布图；将所述斑点噪声分布图与训练超声图像组的原图输入至神经网络进行训练，得到训练模型；根据所述训练模型对待测试超声图像组进行抑噪处理，得到待测试超声图像组的抑噪图像。本发明还公开了一种超声设备及计算机可读存储介质。本发明提供的斑点噪声抑制方法具有抑噪效果好，效率高，适用范围广泛的优势。

技术领域

本发明涉及超声图像处理技术领域，尤其涉及一种斑点噪声抑制方法、一种超声设备及一种计算机可读存储介质。

背景技术

超声成像就是用超声波获得物体可见图像的方法。由于超声波可以穿透很多不透光的物体，所以利用超声波可以获得这些物体内部结构声学特性的信息，超声成像技术将这些信息变成人眼可见的图像。

在超声医学图像成像过程中，系统发出超声波在人体中传播，超声探头发射的单一频率的超声波被体内组织的粗糙表面散射会形成一系列相干波。由干涉理论可得，两个或两个以上频率相同、振动方向相同、相位差恒定的波在空间中传播叠加时，会出现某些区域振动加强，某些区域振动减弱或完全抵消的现象，分别对应相长干涉现象和相消干涉现象。以此类比，超声图像会出现由于声波的相长干涉和相消干涉，在图像上则表现为一种颗粒状、黑点和灰点相间的纹理，即斑点噪声。

图像的斑点噪声不仅会出现在医学超声图像中，还会出现在SAR图像等其他领域的图像中。以超声图像为例，带斑点噪声的图像不符合实际人体组织真实情况，这种噪声的存在会对医生研判病情产生干扰。目前，存在许多效果较好的抑噪方案，比如BM3D算法、NLM算法等，但效率普遍较低，无法在商业设备中实际使用。

发明内容

本发明提供了一种斑点噪声抑制方法、一种超声设备及一种计算机可读存储介质，解决相关技术中存在的无法实现对斑点噪声图像进行高效抑制的问题。

作为本发明的第一个方面，提供一种斑点噪声抑制方法，其中，包括：

根据BM3D算法获取训练超声图像组的斑点噪声分布图；

将所述斑点噪声分布图与训练超声图像组的原图输入至神经网络进行训练，得到训练模型；

根据所述训练模型对待测试超声图像组进行抑噪处理，得到待测试超声图像组的抑噪图像。

进一步地，所述根据BM3D算法获取训练超声图像组的斑点噪声分布图，包括：

根据BM3D算法对训练超声图像组进行斑点噪声抑制处理，得到噪声抑制图像组；

将训练超声图像组的原图与噪声抑制图组进行处理得到不同差值的相消干涉斑点噪声分布图像和相长干涉斑点噪声分布图像。

进一步地，所述将训练超声图像组的原图与噪声抑制图组进行处理得到不同差值的相消干涉斑点噪声分布图像和相长干涉斑点噪声分布图像，包括：

将训练超声图像组的原图减去所述噪声抑制图组，得到相长干涉斑点噪声分布图像；

将所述噪声抑制图组减去所述训练超声图像组的原图，得到相消干涉斑点噪声分布图像。

进一步地，所述将所述斑点噪声分布图与训练超声图像组的原图输入至神经网络进行训练，得到训练模型，包括：

将所述斑点噪声分布图与训练超声图像组的原图作为训练数据输入至UNet网络进行训练，得到训练模型。

进一步地，所述UNet网络采用最大值池化模块金字塔池化模块组成的混合池化模块。

进一步地，所述UNet网络的损失函数为：

其中，表示预估值，α表示常量，p表示预估值为1的概率，γ表示权重控制系统。