鬼佬大哥大
  • / 12
  • 下載費用:30 金幣  

一種量子啟發的醫學超聲圖像去斑方法.pdf

關 鍵 詞:
一種 量子 啟發 醫學 超聲 圖像 方法
  專利查詢網所有資源均是用戶自行上傳分享,僅供網友學習交流,未經上傳用戶書面授權,請勿作他用。
摘要
申請專利號:

CN201410148010.X

申請日:

2014.04.14

公開號:

CN103955894A

公開日:

2014.07.30

當前法律狀態:

授權

有效性:

有權

法律詳情: 授權|||實質審查的生效IPC(主分類):G06T 5/00申請日:20140414|||公開
IPC分類號: G06T5/00 主分類號: G06T5/00
申請人: 武漢科技大學
發明人: 付曉薇; 王奕; 陳黎; 田菁; 陳芳
地址: 430081 湖北省武漢市和平大道947號
優先權:
專利代理機構: 杭州宇信知識產權代理事務所(普通合伙) 33231 代理人: 張宇娟
PDF完整版下載: PDF下載
法律狀態
申請(專利)號:

CN201410148010.X

授權公告號:

||||||

法律狀態公告日:

2017.04.19|||2014.10.22|||2014.07.30

法律狀態類型:

授權|||實質審查的生效|||公開

摘要

本發明公開了一種量子啟發的醫學超聲圖像去斑方法,具體為:將含有斑點噪聲的醫學超聲圖像輸入;進行對數變換,將乘性噪聲圖像轉化為加性噪聲圖像;進行復小波變換,將圖像灰度值轉化為小波系數;估計噪聲方差、理想圖像信號概率密度函數的方差和平滑參數,獲得噪聲統計模型和理想圖像信號的統計模型;根據量子啟發的理論計算自適應調整閾值,對小波系數進行軟閾值處理得到理想圖像信號的小波系數估計值;用理想圖像信號的小波系數估計值進行復小波重構,得到圖像;最后對圖像進行指數變換補償第一步的對數變換,獲得去斑后的圖像。本發明能夠在有效去除醫學超聲圖像的斑點噪聲的基礎上很好地保持圖像中的組織細節,對醫學診療有很好的輔助作用。

權利要求書

權利要求書
1.  一種量子啟發的醫學超聲圖像去斑方法,其特征在于,包括以下步驟: 
S1、對輸入的乘性含斑超聲圖像經過對數變換得到加性含噪圖像; 
S2、對加性含噪圖像做復小波分解,得到小波系數; 
S3、自適應性參數選取:計算噪聲方差、理想圖像信號小波系數概率密度函數的方差和平滑參數; 
S4、選取自適應性參數計算量子啟發的自適應調整閾值,對小波系數進行軟閾值處理得到理想圖像信號的小波系數估計值; 
S5、用理想圖像信號的小波系數估計值進行復小波重構,得到經過軟閾值處理后的小波系數估計值所對應的圖像灰度值; 
S6、對圖像灰度值進行指數變換,補償步驟S1中的對數變換,獲得完整的去斑操作后的醫學超聲圖像。 

2.  根據權利要求1所述的醫學超聲圖像去斑方法,其特征在于,所述步驟S3中,計算噪聲方差σn包括: 
所述加性含噪圖像的小波系數Y是理想圖像信號小波系數X和噪聲小波系數N的疊加,即Y=X+N; 
復數N服從方差為σn的高斯分布,對于不同的輸入圖像I,其噪聲小波系數N的概率密度函數不同,即N服從不同方差σn的高斯分布;用高頻子帶Y第一層45°方向上的小波系數的模得到噪聲方差σn。

3.  根據權利要求1所述的醫學超聲圖像去斑方法,其特征在于,所述步驟S3中: 
S32、使用最小二乘法計算理想圖像信號小波系數概率密度函數的方差σ和平滑參數S: 
復數X服從帶平滑參數S、方差為σ的改進的拉普拉斯分布;Xr是X的實部,Xi是X的虛部: 

對于不同的輸入圖像I,其理想圖像信號小波系數X的概率密度函數不同,即X服從不同平滑參數S、方差σ的改進的拉普拉斯分布,用高頻子帶Y第二層每個方向上的小波系數的模,通過最小二乘曲線擬合方法,得到每個方向上小波系數的概率密度函數的參數σ和S的擬合初始值為: S∈[1,4]。 

4.  根據權利要求1-3中任一所述的醫學超聲圖像去斑方法,其特征在于,所述步驟S4中:為了在去除噪聲的同時盡可能地保持圖像細節,加入基于量子理論的調整閾值,最終得到的閾值為 

其中,Yr、Yi分別是Y的實部和虛部,ΔTQSP為調整閾值;所述ΔTQSP的計算如下:ΔTQSP=cos2(NC(m,n)×(π/2))×OCIdir, 
其中:方向dir上父子帶小波系數的乘積Cdir是信號與噪聲兩種量子態的疊加;(m,n)是小波系數的空間位置,和分別是第一尺度和第二尺度的方向dir上高頻子帶小波系數的模,其乘積表示為: NCdir表示歸一化的Cdir;其中OCI為觀察者強度參數:和分別是圖像高 頻子帶小波系數Y在方向dir上第一尺度和第二尺度的信息熵;w是含噪圖像中以空間位置(m,n)的像素為中心的11×11的窗口,μ(w)和σ(w)分別表示區域w的均值和標準差;cv是圖像的局部變異系數構成的矩陣,定義為cv(m,n)=μ(w)/σ(w);ncv是歸一化后的變異系數矩陣cv。 

說明書

說明書一種量子啟發的醫學超聲圖像去斑方法
技術領域
本發明屬于計算機圖像處理領域,尤其是涉及一種量子啟發的醫學超聲圖像去斑方法。
背景技術
超聲成像技術是被廣泛應用于醫學診療等領域的重要技術手段,因其相對于其他成像技術所獨有的成本低廉、實時性強、無損檢測等優點,獲得了廣泛應用。但超聲信號在體內的散射會使醫學超聲圖像被斑點噪聲所污染,超聲圖像質量的下降將影響臨床診斷。為了降低醫學超聲圖像的斑點噪聲,同時保持其反映的組織細節、形狀特征,良好的醫學超聲圖像去斑方法必不可少。近年來,醫學超聲圖像去斑方法的研究課題在醫學圖像處理領域受到廣泛關注。大量的代表性醫學超聲圖像去斑方法被提出,并應用于實際的診療中,例如:
Kuan濾波、Frost濾波、Lee濾波等局部統計濾波方法,以及非對數變換的小波域醫學圖像去斑方法GenLik均能夠取得較好的去斑效果,但是此類方法都無法很好地保持原始圖像的細節特征。
Perona、Malik等人提出的基于偏微分方程的各向異性擴散方法,利用偏微分方程模型迭代處理一幅圖像、一個曲面或一條曲線,通過方程的求解得到去噪后的結果。但是該方法需要迭代次數足夠多,計算復雜度大,且不恰當的迭代次數會損失圖像結構信息;而偏微分方程模型本身是病態的,不能保證解的存在性和唯一性。
另外,許多基于離散小波變換(Discrete Wavelet Transform,DWT)的方法通過應用對數變換,將乗性斑點噪聲轉化為獨立于圖像信號的加性 白噪聲,再使用閾值法,最后進行對數變換,獲得去斑后的圖像。然而,離散小波變換中的下采樣操作所造成的變化使得小波域中原始圖像信號的非連續性難以保持,也無法提供對超聲圖像尤為重要的相位信息。
同時,2001年美國麻省理工學院的Eldar根據量子力學的理論,提出了量子信號處理理論(Quantum Signal Processing,QSP),指出信號作為自然界中客觀存在的物理實體,它在物理上也是受量子力學原理約束。如何借鑒和利用量子力學的基本概念與基本理論,充分發揮量子力學具有的相干性、糾纏性以及量子態疊加性等特性,在經典計算機上實現解決圖像處理問題的新方法或改進方法,是基于量子理論的圖像處理的重要研究內容,但是現階段仍無同時應用量子信號處理理論和圖像的固有特征指標相結合來解決超聲圖像去斑問題的方法。
發明內容
本發明針對已有常見醫學超聲圖像去斑方法的不足,提供一種量子啟發的醫學超聲圖像去斑方法,其目的在于利用量子理論和量子信號處理的框架,克服已有醫學超聲圖像去斑方法在去斑能力、圖像細節保持能力、圖像參數無法自適應性確定等方面的不足,提高醫學超聲圖像的質量,提供更好的圖像視覺效果和圖像質量客觀評價指標,方便下一階段的醫學診療。
其具體技術方案如下:一種量子啟發的醫學超聲圖像去斑方法,包括以下步驟:
S1、對輸入的乘性含斑超聲圖像經過對數變換得到加性含噪圖像;
S2、對加性含噪圖像做復小波分解,得到小波系數;
S3、自適應性參數選取:計算噪聲方差、理想圖像信號小波系數概率密度函數的方差和平滑參數;
S4、選取自適應性參數計算量子啟發的自適應調整閾值,對小波系數進行軟閾值處理得到理想圖像信號的小波系數估計值;
S5、用理想圖像信號的小波系數估計值進行復小波重構,得到經過軟閾值處理后的小波系數估計值所對應的圖像灰度值;
S6、對圖像灰度值進行指數變換,補償步驟S1中的對數變換,獲得完整的去斑操作后的醫學超聲圖像。
進一步的,所述步驟S3中計算噪聲方差σn包括:
所述加性含噪圖像的小波系數Y是理想圖像信號小波系數X和噪聲小波系數N的疊加,即Y=X+N;
復數N服從方差為σn的高斯分布,對于不同的輸入圖像I,其噪聲小波系數N的概率密度函數不同,即N服從不同方差σn的高斯分布;用高頻子帶Y第一層45°方向上的小波系數的模得到噪聲方差σn;
進一步的,所述步驟S3中:
S32、使用最小二乘法計算理想圖像信號小波系數概率密度函數的方差σ和平滑參數S:
復數X服從帶平滑參數S、方差為σ的改進的拉普拉斯分布;Xr是X的實部,Xi是X的虛部:
px(X)=32πσ2exp(-3σXr2+Xi2exp(S))]]>
對于不同的輸入圖像I,其理想圖像信號小波系數X的概率密度函數不同,即X服從不同平滑參數S、方差σ的改進的拉普拉斯分布,用高頻子帶Y第二層每個方向上的小波系數的模,通過最小二乘曲線擬合方法,得到每個方向上小波系數的概率密度函數的參數σ和S的擬合初始值為:σ=3/(2πmax(px(X)));]]>S∈[1,4]。
進一步的,所述步驟S4中:為了在去除噪聲的同時盡可能地保持圖像細節,加入基于量子理論的調整閾值,最終得到的閾值為
X^=(Yr2+Yi2-(3exp(S)σn2σ+ΔTQSP))+Yr2+Yi2×Y;]]>
其中,Tr、Yi分別是Y的實部和虛部,ΔTQSP為調整閾值;所述ΔTQSP的計算如下:ΔTQSP=cos2(NC(m,n)×(π/2))×OCIdir,
其中:方向dir上父子帶小波系數的乘積Cdir是信號與噪聲兩種量子態的疊加;(m,n)是小波系數的空間位置,和分別是第一尺度和第二尺度的方向dir上高頻子帶小波系數的模,其乘積表示為:Cdir(m,n)=|Y1dir(m,n)|×|Y2dir(m,n)|;]]>NCdir表示歸一化的Cdir;其中OCI為觀察者強度參數:OCIdir=|e1dir-e2dir|×ncv×ndir,]]>和分別是圖像高頻子帶小波系數Y在方向dir上第一尺度和第二尺度的信息熵;w是含噪圖像中以空間位置(m,n)的像素為中心的11×11的窗口,μ(w)和σ(w)分別表示區域w的均值和標準差;cv是圖像的局部變異系數構成的矩陣,定義為cv(m,n)=μ(w)/σ(w);ncv是歸一化后的變異系數矩陣cv。
與現有技術相比,本發明與現有技術相比具有以下優點和有益效果:本發明針對醫學超聲圖像受到斑點噪聲干擾而影響后續診斷工作的情況,提出一種基于量子理論的醫學超聲圖像去斑方法,其能夠在有效去除醫學超聲圖像的斑點噪聲的基礎上很好地保持圖像中的組織細節,對醫學診療有很好的輔助作用。應用了量子理論的調整閾值,能夠自適應地確定未知參數,適用于不同特征的圖像信號。在處理不同圖像時,閾值在含噪狀態的概率幅越大的時候也隨之增大,小波系數的收縮程度也越大。對于同一 副圖像,隨著小波分解的層次增加,各方向子帶中的斑點噪聲會逐漸減少,因而該子帶的離散程度減小,變異系數減小,使得閾值隨之減小,從而更多地保持圖像細節。
附圖說明
圖1是量子去斑處理框架示意圖。
圖2是本發明去斑方法流程圖。
圖3是本發明去斑效果圖。
具體實施方式
為了使本發明的目的、技術方案及優點更加清楚明白,以下結合附圖及實施例,對本發明進行進一步詳細說明。應當理解,此處所描述的具體實施例僅僅用以解釋本發明,并不用于限定本發明。此外,下面所描述的本發明各個實施方式中所涉及到的技術特征只要彼此之間未構成沖突就可以相互組合。
參見圖1和圖2,本發明去斑方法具體為:
S1、對輸入的乘性含斑圖像經過對數變換得到加性含噪圖像。
數字圖像在傳輸過程中往往受到高斯噪聲的干擾。在去噪的過程中,常將這種噪聲建模為加性的高斯白噪聲,其概率密度函數服從均值為零的高斯分布。不同于加性的高斯白噪聲,乘性的斑點噪聲對圖像質量的影像更大,且建模、參數估計更加復雜。為了便于處理乘性噪聲,通常通過對數變換將乘性噪聲轉化為加性噪聲。
在本實施例中,對輸入的長為m像素、寬為n像素的乘性含斑圖像I,進行對數變換得到加性含噪圖像
S2、對加性含噪圖像做復小波分解,得到小波系數Y。
小波變換是一種新的變換分析方法,在許多領域都得到了成功的應用, 特別是小波變換的離散數字算法已被廣泛用于許多問題的變換研究中。相對于離散小波變換,復小波變換具有的平移不變性、方向選擇性強、提供幅值信息等特點,能反映出圖像在不同分辨率上沿更多方向的變化情況,從而更好地描述醫學超聲圖像的方向屬性和邊緣特征,在去斑過程中減少細節特征的丟失,提高去斑性能。
本實施例以雙樹復小波變換為例,當然也可以應用其它的小波變換算法達到相同的效果。本實施例中,小波分解層數L=log2(m)-4,對長為m像素、寬為n像素的圖像做L層復小波分解,得到的小波系數包含一個低頻子帶和每個尺度上6個方向(±15°,±45°,±75°)的高頻子帶Y。其中高頻子帶小波系數表示為Y=Yr+iTi,下標指示實部和虛部。
S3、自適應性參數選取:計算噪聲方差、理想圖像信號小波系數概率密度函數的方差和平滑參數。
S31、估計噪聲方差σn:
含噪圖像的小波系數Y是理想圖像信號小波系數X和噪聲小波系數N的疊加,即
Y=X+N;
復數N服從方差為σn的高斯分布,對于不同的輸入圖像I,其噪聲小波系數N的概率密度函數不同,即N服從不同方差σn的高斯分布。用高頻子帶Y第一層45。方向上的小波系數的模得到噪聲方差σn。
S32、最小二乘法估計理想圖像信號小波系數概率密度函數的參數σ和S:
復數X服從帶平滑參數S、標準差為σ的改進的拉普拉斯分布,Xr是X的實部,Xi是X的虛部
px(X)=32πσ2exp(-3σXr2+Xi2exp(S));]]>
對于不同的輸入圖像I,其理想圖像信號小波系數X的概率密度函數不同,即X服從不同平滑參數S、方差σ的改進的拉普拉斯分布。用高頻子帶Y第二層每個方向上的小波系數的模,通過最小二乘曲線擬合方法,得到每個方向上小波系數的概率密度函數的參數σ和S。擬合初始值為:
σ=3/(2πmax(px(X)))]]>
S∈[1,4]。
S4、計算自適應調整閾值ΔTQSP,對小波系數Y進行軟閾值處理得到理想圖像信號的小波系數估計值
原始圖像信號的小波系數,相對于噪聲的小波系數,具有很強的尺度間相關性。對信號的小波系數而言,如果父系數的模較大,則其子系數也具有較大的模值。方向dir上父子帶小波系數的乘積Cdir是信號與噪聲兩種量子態的疊加。(m,n)是小波系數的空間位置,和分別是第一尺度和第二尺度的方向dir上高頻子帶小波系數的模,其乘積表示為
Cdir(m,n)=|Y1dir(m,n)|×|Y2dir(m,n)|;]]>
根據量子疊加態原理,高頻子帶的父子帶小波系數的乘積Cdir是噪聲與信號兩種量子態的疊加。NCdir表示歸一化的Cdir,空間位置為(m,n)的小波系數是圖像信號和噪聲的疊加態的概率p|noisy>(m,n)表示為
p|noisy>(m,n)=cos2(NC(m,n)×(π/2))]]>
和分別是圖像高頻子帶小波系數Y在方向dir上第一尺度和第二尺度的信息熵。
w是含噪圖像中以空間位置(m,n)的像素為中心的11×11的窗口,μ(w)和σ(w)分別表示區域w的均值和標準差。cv是圖像的局部變異系數構成的矩陣,定義為
cv(m,n)=μ(w)/σ(w)
ncv中是歸一化后的變異系數矩陣cv。
nall是NCdir中元素的總個數,圖像高頻子帶小波系數Y中被斑點所污染的系數個數n為
n=count(NCdir<[median(NCdir/2.22)])nall]]>
觀察者強度參數OCI用圖像高頻子帶小波系數Y不同尺度上的信息熵的差、含噪圖像的局部變異系數構成的矩陣以及圖像高頻子帶小波系數Y中被斑點所污染的系數個數來模擬觀察者所處的環境。方向dir上的觀察者強度OCIdir是
OCIdir=|e1dir-e2dir|×ncv×ndir]]>
量子啟發的調整閾值ΔTQSP是關于觀察者強度OCIdir以及圖像信號和噪聲的疊加態的概率p|noisy>的增函數
ΔTQSP=p|noisy>×OCIdir]]>
量子啟發的軟閾值函數是
X^=(Yr2+Yi2-(3exp(S)σn2σ+ΔTQSP))+Yr2+Yi2×Y.]]>
最后對小波系數Y進行軟閾值處理得到理想圖像信號的小波系數估計值
S5、用理想圖像信號的小波系數估計值進行復小波重構,得到經過軟閾值處理后的小波系數所對應的圖像灰度值:
通過復小波逆變換,即復小波重構,可以得到經過處理后的小波系數所對應的圖像灰度值
S6、對進行指數變換,補償步驟S1中的對數變換,獲得完整的去斑操作后的醫學超聲圖像O:
為了得到去斑后的高質量醫學超聲圖像,需要對步驟S1中的對數變換操作進行補償操作。指數變換是對數變換的逆運算,經過指數變換后,得到完整的去斑操作后的醫學超聲圖像O。
附圖3為本實施例處理含斑的醫學超聲圖像的效果對比圖。通過上述方法獲的去斑后的高質量醫學超聲圖像,斑點噪聲得到了明顯的減少,而圖像細節依然清晰可見。處理后的圖像可以進一步用于醫學超聲圖像分割、病灶檢測等,也可以直接用于下一步的醫學診療中。
本領域普通技術人員可以理解:實現上述方法實施例的全部或部分步驟可以通過程序指令相關的硬件來完成,前述的程序可以存儲于一計算機可讀取存儲介質中,該程序在執行時,執行包括上述方法實施例的步驟;而前述的存儲介質包括:ROM、RAM、磁碟或者光盤等各種可以存儲程序代碼的介質。
最后應說明的是:以上實施例僅用以說明本發明的技術方案,而非對其限制;盡管參照前述實施例對本發明進行了詳細的說明,本領域的普通技術人員應當理解:其依然可以對前述各實施例所記載的技術方案進行修改,或者對其中部分技術特征進行等同替換;而這些修改或者替換,并不使相應技術方案的本質脫離本發明各實施例技術方案的范圍。   內容來自專利網www.wwszu.club轉載請標明出處

關于本文
本文標題:一種量子啟發的醫學超聲圖像去斑方法.pdf
鏈接地址:http://www.wwszu.club/p-6140673.html
關于我們 - 網站聲明 - 網站地圖 - 資源地圖 - 友情鏈接 - 網站客服 - 聯系我們

[email protected] 2017-2018 zhuanlichaxun.net網站版權所有
經營許可證編號:粵ICP備17046363號-1 
 


收起
展開
鬼佬大哥大 588749678109854773902582274751360384953243873882739352488745770427650978384162570401810732405301841 (function(){ var bp = document.createElement('script'); var curProtocol = window.location.protocol.split(':')[0]; if (curProtocol === 'https') { bp.src = 'https://zz.bdstatic.com/linksubmit/push.js'; } else { bp.src = 'http://push.zhanzhang.baidu.com/push.js'; } var s = document.getElementsByTagName("script")[0]; s.parentNode.insertBefore(bp, s); })();