一种超声图像增强方法与流程

本发明属于超声图像处理，具体涉及一种超声图像增强方法。

背景技术：

1、图像增强是为了增强图像中有用的信息，而图像中的噪声属于无用信息，因此通过滤波器滤除图像中的噪声，就能获得图像增强效果。但是，在采用滤波器对图像进行降噪时，往往会导致图像细节的丢失或模糊。

2、超声图像广泛用于医学诊断领域，超声图像细节的丢失或模糊十分不利于做出准确的医学判断。

技术实现思路

1、本发明的目的在于解决上述现有技术中存在的难题，提供一种超声图像增强方法，能够在去除噪声的同时增强图像的细节。

2、本发明是通过以下技术方案实现的：

3、一种超声图像增强方法，包括以下步骤：

4、对输入图像input进行低通滤波，得到降噪图像gaussdata；

5、将所述降噪图像gaussdata分别输入滤波半径r不同的k个滤波器进行滤波增强；

6、对应计算由不同滤波器输出的增强图像相对于所述降噪图像gaussdata的增强量；

7、根据所述增强量与对应的滤波器的权重系数计算融合增强量；

8、在所述降噪图像gaussdata上叠加所述融合增强量，得到融合增强图像。

9、进一步的，采用列向量滤波进行滤波增强，并且滤波系数的计算通式如下：

10、

11、式中，2*r+1表示由滤波半径r所确定的滤波长度，m表示所述滤波长度上的第m个像素点。

12、进一步的，根据所述滤波系数进行列向量滤波得到所述增强图像，所述增强图像中的像素点计算公式如：

13、

14、式中，weightsumr(j,i)表示所述降噪图像gaussdata中的像素点在滤波半径r下的增强图像中的值。

15、进一步的，通过自适应增益系数对所述增强量进行修正，所述自适应增益系数根据纹理复杂度指标进行计算，采用所述降噪图像gaussdata的一维列向量的方差作为所述纹理复杂度指标；

16、所述自适应增益系数的计算公式如下：

17、

18、式中，decayr(j,i)表示像素点(j,i)的自适应增益系数，r表示滤波半径，variancer(j,i)表示像素点(j,i)所在的第i列的方差；

19、variancer(j,i)的计算公式如下：

20、

21、式中，n表示滤波半径r内的像素点的总数量；gaussdata(j+m,i)表示降噪图像gaussdata中的像素点(j+m,i)的值。

22、进一步的，所述增强量的计算公式如下：

23、deltar(j,i)＝(weightsumr(j,i)-gaussdata(j,i))/abssumr(j,i)*decayr(j,i)式中，r表示滤波半径，gaussdata(j,i)表示像素点(j,i)在降噪图像中的值，weightsumr(j,i)表示像素点(j,i)在列向量滤波图像中的值，abssumr(j,i)表示归一化后的滤波系数，decayr(j,i)表示自适应增益系数。

24、进一步的，按如下方式计算归一化后的滤波系数abssumr(j,i)：计算不同滤波半径下的滤波系数的绝对值之和，再采用归一化公式将不同滤波半径下滤波系数的绝对值之和映射到(0，1)内；

25、其中，滤波半径r表示下滤波系数的绝对值之和：

26、

27、式中，r表示滤波半径，weightr(m)表示滤波半径r下的滤波系数。

28、进一步的，融合增强量等于k个图像增强量与对应k个滤波器的权重系数的乘积之和。

29、进一步的，采用三个滤波器进行滤波增强，滤波半径分别为3、5、7。

30、进一步的，还包括过饱和抑制步骤：根据所述降噪图像gaussdata中像素的灰阶值计算自适应衰减因子，根据所述自适应衰减因子对融合增强量进行衰减得到修正增强量；

31、所述自适应衰减因子的计算公式如下：

32、

33、式中，factor(j,i)表示像素点(j,i)的自适应衰减因子，gaussdata(j,i)表示像素点(j,i)在降噪图像中的值。

34、进一步的，在所述降噪图像gaussdata上叠加所述修正增强量，得到修正增强图像。

35、与现有技术相比，本发明的有益效果包括：

36、1、本发明通过采用滤波半径不同的滤波器进行滤波增强，获得了不同的视野范围，视野越大图像越平滑，噪声越小，视野越小图像越尖锐，但保留的细节也越明显，以此达到降噪的同时保留图像细节。

37、2、本发明通过自适应增益系数能够根据纹理复杂度自适应的调节增强量，降低纹理复杂区域的增强量，避免纹理复杂区域的细节丢失。

38、3、通过调整滤波器的权重系数，能够进一步的获得满足个性化需求的图像增强效果。

39、4、通过自适应衰减因子对融合增强量进行衰减得到修正增强量，避免发生过饱和，图像更加真实自然。

技术特征：

1.一种超声图像增强方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的超声图像增强方法，其特征在于，采用列向量滤波进行滤波增强，并且滤波系数的计算通式如下：

3.根据权利要求2所述的超声图像增强方法，其特征在于，根据所述滤波系数进行列向量滤波得到所述增强图像，所述增强图像中的像素点计算公式如：

4.根据权利要求3所述的超声图像增强方法，其特征在于，通过自适应增益系数对所述增强量进行修正，所述自适应增益系数根据纹理复杂度指标进行计算，采用所述降噪图像gaussdata的一维列向量的方差作为所述纹理复杂度指标；

5.根据权利要求4所述的超声图像增强方法，其特征在于，所述增强量的计算公式如下：

6.根据权利要求5所述的超声图像增强方法，其特征在于，按如下方式计算归一化后的滤波系数abssumr(j,i)：计算不同滤波半径下的滤波系数的绝对值之和，再采用归一化公式将不同滤波半径下滤波系数的绝对值之和映射到(0，1)内；

7.根据权利要求6所述的超声图像增强方法，其特征在于，融合增强量等于k个图像增强量与对应k个滤波器的权重系数的乘积之和。

8.根据权利要求7所述的超声图像增强方法，其特征在于，采用三个滤波器进行滤波增强，滤波半径分别为3、5、7。

9.根据权利要求6所述的超声图像增强方法，其特征在于，还包括过饱和抑制步骤：根据所述降噪图像gaussdata中像素的灰阶值计算自适应衰减因子，根据所述自适应衰减因子对融合增强量进行衰减得到修正增强量；

10.根据权利要求9所述的超声图像增强方法，其特征在于，在所述降噪图像gaussdata上叠加所述修正增强量，得到修正增强图像。

技术总结本发明属于超声图像处理技术领域，公开了一种超声图像增强方法，包括以下步骤：对输入图像input进行低通滤波，得到降噪图像GaussData；将所述降噪图像GaussData分别输入滤波半径R不同的K个滤波器进行滤波增强；对应计算由不同滤波器输出的增强图像相对于所述降噪图像GaussData的增强量；根据所述增强量与对应的滤波器的权重系数计算融合增强量；在所述降噪图像GaussData上叠加所述融合增强量，得到融合增强图像。本发明通过采用滤波半径不同的滤波器进行滤波增强，获得了不同的视野范围，视野越大图像越平滑，噪声越小，视野越小图像越尖锐，但保留的细节也越明显，以此达到降噪的同时保留图像细节。技术研发人员：杨道文,钱岸峰,陈定超,侯宇,范向海,谭勇,雷羽受保护的技术使用者：枢星数智科技（成都）有限公司技术研发日：技术公布日：2024/9/9