【科普】关于医学超声图像(二)

发布时间:2018-05-16 14:03

接篇一,查看请戳:关于医学超声成像(一)


本节内容主要介绍医学超声图像的散斑噪声


医学超声成像系统的成像过程中,超声探头产生的超声波经过人体界面的反射返回探头,组织器官的粗糙表面和软组织内随机分布的散射子的散射会形成一系列相干波,使探头上的信号随机起伏,形成散斑噪声,是超声图像的主要噪声来源,叠加在组织上的散斑噪声使超声图像不能正确反映目标的特性,导致图像对比度降低,严重影响了临床医生判别正常组织和病态组织的难度,并给边缘检测、图像分割等后续处理带来困难。


散斑噪声是所有相干成像系统固有的噪声,当超声波遇到人体组织结构的界面时,由于声阻抗不匹配,一部分能量会被反射,如果人体组织结构的尺寸与入射超声波的波长相近或小于波长时,超声波发生散射,相位不同的散射回波相互干扰,就产生了散斑噪声,而较大的物体则产生相干反射,该反射信号反映了人体组织结构的信息。


精确地建立散斑噪声模型可以更好地描述图像的特征,通常存在两种医学超声图像,一种是直接从接收的射频信号得到的图像,另一种是经过动态范围压缩的显示用的超声图像,由于动态范围压缩属于非线性变化,因此这两种图像的统计特性不同。


超声回波信号的动态范围很大,因此医学超声图像通常会进行动态范围压缩,以适应实际图像显示和医生视觉观察的需要,但动态范围压缩改变了超声回波信号的统计特征。


从散斑噪声模型中可以得到结论:对没有经过动态范围压缩的医学超声图像来说,其散斑噪声的亮度分布不对称;对动态范围压缩后的医学超声图像来说,其散斑噪声的亮度分布近似于对称分布,但也有可能不对称,所以在医学超声图像的噪声抑制上,非线性降噪方法表现得更好。


超声图像去噪的主要难点在于: 

1)散斑噪声可以大致看作为一种乘性噪声

 2)噪声的随机性质比较复杂; 

3)噪声易与图像细节相混,而图像细节又复杂且多样。



现有的斑点噪声抑制算法大致分为:中值滤波;空间域局部统计滤波算法;各向异性扩散滤波算法;基于多尺度变换的滤波算法(基于小波的滤波算法)。


基于中值滤波的方法根据图像的局部统计特性来自动选取滤波窗口内个点权值及窗口的大小和形状,尽管在保留图像细节方面取得了一定的效果,但对窗口的选择很敏感,限制了处理效果。


基于小波变换的方法将图像变换到小波域,利用小波阈值处理将某些认为是噪声的系数丢弃,再逆变换回图像,但如何选择小波变换的尺度和阈值尚无确定的方法。


各向异性扩散算法是基于偏微分方程的算法,在图像处理中引入偏微分方程理论,在非边界处有较大的扩散系数,对图像平滑较多,在边界处则扩散系数较小,降噪效果很大程度上决定于对图像边界的准确判断,另外如何选取一个适合的扩散截止时间是各向异性扩散算法的一个难题,如果对原图像进行无限制扩散,得到的最终图像将是初始图像灰度平均值的单色图像。



powered by 白菜全讯最新白菜 © 2017 WwW.daizitouxiang.com
博聚网