基于平稳小波变换和Canny算子去除医学散斑噪声的方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110634109A(43)申请公布日2019.12.31(21)申请号201910861171.6(22)申请日2019.09.12(66)本国优先权数据201910780816.32019.08.22CN(71)申请人东北大学地址110819辽宁省沈阳市和平区文化路三巷11号(72)发明人吴成东吴军王欢(74)专利代理机构大连理工大学专利中心21200代理人梅洪玉(51)Int.Cl.G06T5/00(2006.01)G06T7/13(2017.01)G06T7/136(2017.01)权利要求书2页说明书7页附图4页(54)发明名称基于平稳小波变换和Canny算子去除医学散斑噪声的方法(57)摘要本发明公开了基于平稳小波变换和Canny算子去除医学散斑噪声的方法，属于医学图像技术领域。本发明将Canny边缘检测技术应用于低频子带来调整强边缘附近的去噪策略。采用自适应邻域收缩算法对平稳小波变换分解后的图像的高频子带小波系数进行阈值分割。巧妙的把边缘检测和自适应邻域收缩相结合，有效地保留了边缘，消除了噪音。将该方法与常用的综合散斑图像和临床超声图像去噪方法进行了比较。实验结果表明，在大多数情况下，我们提出的方法在峰值信噪比、边缘保持因子和二维互相关等方面比比较器的算法有更好的性能，并且在较高的噪声水平下，这些指标始终优于比较器的算法。CN110634109ACN110634109A权利要求书1/2页1.基于平稳小波变换和Canny算子去除医学散斑噪声的方法，其特征在于，包括以下步骤：步骤一、将获取的病人患处超声图像进行对数变换；步骤二、对数变换后的超声图像进行平稳小波变换；步骤三、对平稳小波变换后的图像按步骤a-步骤e进行去噪操作；步骤a、使用Canny边缘检测器定位图像中非常强的边缘；步骤b、量化强边缘方向；边缘方向计算如下：式中，Gx和Gy分别是由Sobel运算符计算的水平和垂直方向上一阶导数的近似值；然后将边缘方向角量化为代表水平、垂直或两条对角线的四个方向之一，从而分别将每个边缘像素与水平、垂直或两条对角线高频子带相关联；步骤c、确定最佳邻域大小，以及当前分解级别的Donoho阈值；对任一点(j,k)计算的最佳邻域大小的方法是通过选择一个由邻域中相邻像素的相关系数之和测量出的，使其小波系数具有最大成对相关的1到3个像素之间的平方邻域半径；使用皮尔逊相关系数衡量两个变量之间的线性依赖强度：其中，corrx,y是两个变量x和y的相关系数，cov(x,y)是两个变量的协方差，σx和σy分别表示为x和y的标准差；计算x和y两个变量由选定邻域中相邻像素对的强度组成；像素对分为代表四个方向的四种类型，然后计算整个邻域的相关性为：式中，是所有水平方向上的像素对的相关系数，是所有垂直方向上的像素对的相关系数，而和分别是两个对角线方向上的所有像素对的相关系数；计算阈值化的最佳领域大小：最佳领域大小是求和相关量最大的窗口半径，即argmaxrr∈[1；3]ρ，其中ρ是半径r的邻域相关性，如等式2所示；；针对不同的小波系数提出的自适应Donoho阈值λ为：λ＝min(λw,λk)(4)L＝2r+1(7)2CN110634109A权利要求书2/2页其中，λw和λk分别基于局部邻域窗口W和近似子带ck-1中像素强度的变化；L表示本地邻域窗口的宽度，r是在待处理的小波系数周围产生相邻系数最大相关性的位移，M和N分别是图像的高度和宽度；步骤d、对于步骤b中表示强边附近像素的高频小波系数，采用等式(8)所示对其进行去噪；这是一个标准偏差为2的高斯函数，其中x是(j,k)与Canny边缘之间的Manhattan距离；步骤e、在高频子带的其它区域，结合等式(4)对系数进行去噪；步骤四、对去噪处理后的所有修改子带进行逆平稳小波变换；步骤五、对逆平稳小波变换后的超声图像执行指数变换以获取去噪后的超声图像。3CN110634109A说明书1/7页基于平稳小波变换和Canny算子去除医学散斑噪声的方法技术领域[0001]本发明属于医学图像处理领域，具体涉及基于平稳小波变换和Canny算子去除医学散斑噪声的方法。背景技术[0002]去除医学超声图像斑点的一个基本问题是去除噪音，同时尽可能保留“真实”的边缘和细节。早期的散斑噪声抑制算法采用了空间滤波器。LEE提出了一种基于统计噪声模型的局部统计噪声滤波算法，这是第一次尝试用空间滤波器分析和平滑散斑噪声。KUAN根据相干图像形成的精确物理过程，开发了几种自适应散斑抑制滤波器。FROST提出了一种利用局部估计参数值的自适应滤波器，使滤波器在图像均匀区域内提供最小均方误差估计。Czerwinski提出了一种中值滤波器的改进方案，以减少超声散斑