一种扩散函数随图像熵变化的偏微分去噪算法

文档序号:6623284阅读:403来源:国知局
一种扩散函数随图像熵变化的偏微分去噪算法
【专利摘要】本发明公开了一种扩散函数随图像梯度熵变化的偏微分去噪算法,包括以下步骤:1)获取超声图像,并将超声图像转化为灰阶图像;2)计算灰阶图像每个像素的梯度值;3)计算图像梯度熵值;4)根据熵值确定扩散函数;5)将扩散函数代入偏微分去噪模型,用偏微分去噪模型计算每个像素的亮度值;以及6)判断是否需要继续去噪,如果需要继续去噪,则重复执行步骤2)~5);否则结束操作,完成图像去噪处理。该算法克服了现有的灰阶超声图像斑点噪声处理算法中容易造成图像的边沿细节过快模糊,能有效的改善灰阶图像在去噪同时保持图像细节的特性,有效防止图像过早出现“过渡平滑”现象。
【专利说明】一种扩散函数随图像熵变化的偏微分去噪算法

【技术领域】
[0001]本发明涉及医学图像处理研究领域,具体涉及一种扩散函数随图像熵变化的偏微分去噪算法。

【背景技术】
[0002]通过灰阶超声图像分析心脏流体状态,可以有效的分析心功能。在对灰阶超声图像进行处理时,如何有效去除斑点噪声的影响是心功能灰阶超声分析的基础和前提,现有的灰阶超声图像斑点噪声处理算法中,容易造成图像的边沿细节模糊,产生图像边缘“过渡平滑”现象,影响对灰阶超声图像的后续处理。


【发明内容】

[0003]本发明的目的是提供一种扩散函数随图像梯度熵变化的偏微分去噪算法,该算法克服了现有的灰阶超声图像斑点噪声处理算法中容易造成图像的边沿细节过快模糊,能有效的改善灰阶图像在去噪同时保持图像细节的特性,有效防止图像过早出现“过渡平滑”现象。
[0004]本发明的一个实施例提供了一种扩散函数随图像熵变化的偏微分去噪算法,包括以下步骤:
[0005]I)获取超声图像,并将超声图像转化为灰阶图像;
[0006]2)计算灰阶图像每个像素的梯度值;
[0007]3)计算图像梯度幅值的熵值;
[0008]4)根据熵值确定扩散函数;
[0009]5)将扩散函数代入偏微分去噪模型中,用偏微分去噪模型计算每个像素的亮度值;以及
[0010]6)判断是否需要继续去噪,如果需要继续去噪,则重复执行步骤2)?5);否则结束操作,完成图像去噪处理。
[0011]本发明提供的扩散函数随图像梯度熵变化的偏微分去噪算法,克服了现有的灰阶超声图像斑点噪声处理算法中容易造成图像的边沿细节过快模糊,能有效的改善灰阶图像在去噪同时保持图像细节的特性,有效防止图像过早出现“过渡平滑”现象。可以为心脏力学功能的精确量化评价提供一种全新的分析技术。

【专利附图】

【附图说明】
[0012]图1所示为本发明的基一种扩散函数随图像梯度熵变化的偏微分去噪算法的一个实施例的流程图。

【具体实施方式】
[0013]为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。
[0014]参考图1,图1所示为本发明的产生数字余弦信号的方法的一个实施例100的流程图。实施例100包括如下步骤101至105。
[0015]在步骤101中,获取超声图像,并将超声图像转化为灰阶图像。
[0016]在步骤102中,计算灰阶图像每个像素的梯度幅值。
[0017]在步骤103中,计算图像梯度幅值的熵值。
[0018]在步骤104中,根据熵值确定扩散函数。
[0019]在本发明的一个实施例中,步骤104中确定扩散函数C(X)的方法可以是:
[0020]设定步骤103中计算所得的图像梯度值的熵值为H,设定阈值Hl,H2,H3,其中0.0I
<Hl ^ 0.3,0.3 < H2 ^ 0.5,0.5 < H3 ^ 0.7 ;
[0021 ]当 H < Hl 时,扩散函数 C (X) = g (X) Cauchy ;
[0022]当H1〈H〈H2,扩散函数 C(x) = g(X)gausss ;
[0023]当H2〈H〈H3,扩散函数 CU) = gl (X)new ;
[0024]当H3〈H,扩散函数 C(x) = g2 (x);
[0025]其中:
[0026]g (X)cauchy 如式⑵所示,
[0027]

【权利要求】
1.一种扩散函数随图像梯度熵变化的偏微分去噪算法,其特征是,包括: 1)获取超声图像,并将所述超声图像转化为灰阶图像; 2)计算所述灰阶图像每个像素的梯度值; 3)计算所述图像梯度幅值的熵值; 4)根据所述熵值确定扩散函数; 5)将所述扩散函数代入偏微分去噪模型中,用所述偏微分去噪模型计算每个像素的亮度值;以及 6)判断是否需要继续去噪,如果需要继续去噪,则重复执行步骤2)~5);否则结束操作,完成图像去噪处理。
2.根据权利要求1所述的算法,其特征是,所述是否需要继续去噪的判断方法是: 设定迭代阈值,计算当前迭代图像和前一次迭代图像的信噪比SNR,计算公式如式(I)所示,如果SNR大于所述迭代阈值,则重复执行步骤2)~5)进行下次迭代;否则结束操作,完成图像去噪处理。
其中,Pij是当前迭代次数对应图像的第i行j列的像素值。声是平均值。Pi/是上一次迭代图像的第i行j列的像素值。F是对应的像素平均值。
3.根据权利要求1所述的算法,其特征是,所述是否需要继续去噪的判断方法是: 指定迭代次数,重复执行骤2)到步骤5),步骤6)中判断实际执行次数,如果所述实际执行次数小于所述迭代次数,需要继续执行骤2)到步骤5),否则停止迭代完成图像去噪。
4.根据权利要求1所述的算法,其特征是,所述确定扩散函数的方法是: 设定所述熵值为H,设定阈值Hl,H2,H3,其中0.01 < Hl ^ 0.3,0.3 < H2 ^ 0.5,0.5<H3 ^ 0.7 ;
当 H < Hl 时,扩散函数 C (X) = g (X) Cauchy ;
当 H1〈H〈H2,扩散函数 C(x) = g (X)gausss ;
当 H2〈H〈H3,扩散函数 CU) = gl (X)new ; 当 H3〈H,扩散函数 C(x) =g2(x); 其中:
式(2)中K是常数,表示最大值一半处的一半宽的尺度参数,X为计算点像素的亮度值;
式(3)中k为常数,表示高斯函数宽度参数; gi(x)n?如式⑷所示,
式(4)中K为常数,用于控制余弦函数周期,从而控制函数值在[0,K]内随X增加减小速度;
式(5)中K为常数,用于控制余弦函数周期,从而控制函数值在[0,K]内随X增加减小速度。
5.根据权利要求1所述的算法,其特征是,所述确定扩散函数的方法是: 设定所述熵值为H,扩散函数C(x) = (1-H) gi (x)new+Hg2 (x); 其中: gi(x)n?如式⑷所示,
式(4)中K为常数,用于控制余弦函数周期,从而控制函数值在[0,Κ]内随X增加减小速度;
式(5)中K为常数,用于控制余弦函数周期,从而控制函数值在[0,Κ]内随X增加减小速度。
【文档编号】G06T5/00GK104166965SQ201410395684
【公开日】2014年11月26日 申请日期:2014年8月13日 优先权日:2014年8月13日
【发明者】甘建红, 尹立雪, 谢盛华 申请人:四川省人民医院
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1