[发明专利]超声图像的自适应去噪方法

摘要

本发明的超声图像的自适应去噪方法包括(1)获取超声图像；(2)对所述超声图像进行高斯拉普拉斯金字塔分解，得到不同尺度下的高斯层及拉普拉斯层；(3)计算每一个尺度下高斯层的结构张量和扩散张量，并对该尺度下的高斯层作各向异性扩散滤波处理；(4)根据所述高斯层的结构张量的特征值，设计一个灰度映射曲线，并根据所述灰度映射曲线对该尺度下的拉普拉斯层作灰度映射；(5)重复步骤(3)‑(4)若干次，对每个尺度下的高斯层和拉普拉斯层进行相同的处理；(6)对处理后的高斯层和拉普拉斯层进行逆向重构，得到去噪后的超声图像；(7)输出去噪后的超声图像。本发明能抑制图像的边缘增强与斑点且算法简单、自适应性强。

主权项

一种超声图像的自适应去噪方法，其特征在于，包括以下步骤：(1)获取超声图像；(2)对所述超声图像进行高斯拉普拉斯金字塔分解，得到不同尺度下的高斯层及拉普拉斯层；(3)计算每一个尺度下高斯层的结构张量和扩散张量，并对该尺度下的高斯层作各向异性扩散滤波处理，以增强边缘并去噪；(4)根据高斯层的结构张量的特征值，设计灰度映射曲线：m(x;∂,β,j)=[(x·(1-∂))β(x·(1-∂))β+(∂·(1-x))β]1/j---(3-1)]]>x=μ12+μ22---(3-2)]]>式中，为灰度映射值，为等于0.5时x的位置，β为灰度映射曲线的斜率，j为各向异性扩散滤波的迭代次数，μ1和μ2分别为结构张量的特征值；采用上述灰度映射曲线对拉普拉斯层作灰度映射，以去除高频噪声；(5)重复步骤(3)‑(4)若干次，对每个尺度下的高斯层和拉普拉斯层进行相同的处理；(6)对处理后的高斯层和拉普拉斯层进行逆向重构，得到去噪后的超声图像；(7)输出去噪后的超声图像。