自适应双边滤波超声斑点降噪.docVIP

自适应双边滤波超声斑点降噪 　　摘要：斑点噪声压缩和组织结构保留对超声图像的临床诊断非常重要，因此文章提出一种自适应方差双边滤波超声斑点降噪方法。该方法用4方向梯度计算局部方差的变化量，以此变化量将超声图像归类为斑点噪声和组织结构，并用双边滤波滤除噪声。物理体膜图像和人类肝脏图像的实验结果表明该方法可以有效滤除斑点噪声和保持图像边缘 Abstract： Speckle suppression and tissue retained are very important to clinical diagnosis of ultrasound images， therefore， a ultrasound speckle algorithm with adaptive variances bilateral filter is puts forward in this paper. Gradient operator with four directions is used to compute the differences of variances and the whole ultrasound image is classified into speckle and tissue by these differences. At last， speckle is filtered out applying bilateral filter. Ultrasound phantom testing and in vivo liver imaging show that the proposed method can effectively preserve edges and reduce speckle. 关键词：超声图像；斑点噪声；降噪；双边滤波；自适应方差 Key words： ultrasound image；speckle；noise reduction；bilateral filter；adaptive variances 中图分类号：TP391 文献标识码：A 文章编号：1006-4311（2016）04-0220-04 0 引言 医学超声图像具有安全、方便、实时、低成本和高效率的特点，因而成为最重要的诊断工具之一。然而医学超声图像等相干图像中广泛存在着一类颗粒状的斑点噪声，其表现为像素灰度值的突变，掩盖了和模糊了图像的细节，而医学超声图像的细节信息对很多临床诊断至关重要，因而斑点应当被抑制 超声包络信号幅值服从瑞利分布[1-3]，然而从超声机器获取的图像已经被对数压缩，其信号模型可以用Loupas等人[4]提出的加性噪声模型表示。很多斑点抑制方法被提出，其中非线性滤波因其具有边缘保持和均匀区域平滑的特性而得到广泛应用，这些方法包括SRAD模型（Speckle Reducing Anisotropic Diffusion）[5]、NCD模型（nonlinear complex diffusion）[6]、LPND模型（Laplacian pyramid-based nonlinear diffusion）[7]、CTCD模型（contourlet transform based complex diffusion）[8]等。SRAD模型改进了原始各向异性扩散模型的边缘检测和扩散系数，在降噪和边缘定位等性能上有很大提高。NCD模型的基本思想是将实数域的扩散方程推广到复数域，并将虚部成分作为一个二阶的高斯导数来控制扩散的过程。NCD模型的边缘检测算子对噪声更具鲁棒性。LPND模型的基本思想是将原始超声图像映射到拉普拉斯多分辨率空间中，然后对每个尺度的图像进行不同门限下的各向异性扩散，可更有效地滤除噪声和保持图像信息。CTCD模型使用轮廓波作为多分辨工具，因而取得比LPND模型更好的结果 上述各向异性方法在斑点噪声抑制方面取得很好的效果，但因为需要手动或根据经验设置门限值，难以准确估计像素点受斑点噪声污染程度。为了准确探测斑点噪声，根据医学超声图像在斑点区域的局部统计特征，提出一种自适应方差双边滤波超声斑点抑制方法 1 基于局部特征变化分析的斑点噪声抑制 1.1 局部斑点统计特征 Dutt和Greenleaf提出了一种广义瑞利密度函数，即K分布[9]。斑点可以通过一个近似的K分布函数滤除，然而这个处理的实现是复杂的。对数压缩的超声图像满足加性噪声模型[4]。当前研究中假设所有的斑点完全发育。用x表示真实信号，n表示0均值乘性噪声，y表示观察到的信号，则斑点噪声模型可以表示为： 假设在均匀斑点区域，真实信号x为常数m，噪声n方差为σn2，则观察信号y的方差为