医学超声图像自适应SUSAN扩散去噪方法

摘要

本发明涉及一种医学超声图像自适应SUSAN扩散去噪方法，按以下步骤进行：（1）自适应选取图像全斑点噪声区域，（2）基于SUSAN算法的图像边缘检测，（3）基于SUSAN扩散的医学超声图像去噪。与现有技术相比具有减轻了人工设定阈值参数的工作量，提高了算法的鲁棒性，更加适合推广应用等特点。

主权项

1.一种医学超声图像自适应SUSAN扩散去噪方法，按以下步骤进行：（1）自适应选取图像全斑点噪声区域：选取一张图像或图像中的一部分区域，通过图像预处理、特征值分解和K均值法对图像进行自适应全斑点噪声区域的选取：1a  图像预处理：将带噪图像与高斯核函数进行卷积，得到图像的结构张量矩阵，其采用的计算方法如下：其中，为高斯核函数，为图像分别在横轴和纵轴上的梯度；1b  特征值分解：对结构张量矩阵进行特征值分解，得到分解后的矩阵形式为：其中，为结构张量的特征向量，代表的是波动最大的方向，即梯度方向，而则指向波动最小的方向，则是对应的特征向量方向的扩散强度；1c  基于K均值的自适应全斑点噪声选取：选取模板并遍历图像，求出整个模板中的之和，通过采用K均值算法找出图像的全斑点噪声区域，计算公式如下：其中，为模板下的总像素点；（2）基于SUSAN算法的图像边缘检测：找出图像中的全斑点噪声区域后，可计算得到值，计算公式如下：其中，分别代表图像分别在四个邻域方向上的灰度值差分，Median代表取所有数据中的中值；然后，采用SUSAN算法可对图像边缘进行精确检测，方法如下：采用SUSAN圆形模板中心与图像中各像素重合，利用如下判别公式对图像中的各点是否属于USAN区域进行判别其中，为模板中心像素灰度值，为模板中其他像素灰度值，继而，可计算出图像中各像素点的USAN大小：采用SUSAN算法进行图像边缘检测就是比较与几何阈值的大小，如果小于，则认为此时模板中心像素点为图像边缘点，反之，则认为该中心像素不是图像的边缘点，其边缘响应计算式如下：其中，为模板中包含的像素点总数；（3）基于SUSAN扩散的医学超声图像去噪：求得以上的边缘响应后，然后通过以下公式进行非线性扩散去噪：其中，常数为（2）中的边缘响应，代表中值绝对偏差运算，为原图像，通过次非线性迭代进行去噪，最后便可得到去噪后的图像。