- 相關(guān)推薦
超聲醫(yī)學(xué)圖像濾波算法探究
1、超聲圖像
超聲醫(yī)學(xué)成像與其它醫(yī)學(xué)成像方法相比，具有對(duì)人體無(wú)損害、能夠?qū)崟r(shí)顯示器官或組織運(yùn)動(dòng)情況等特點(diǎn)。近年來(lái)，超聲醫(yī)學(xué)成像技術(shù)得到了迅猛的發(fā)展，彩色多普勒成像(CDI，ColorDopplerImagi-ng)、組織多普勒成像(TDI，TissueDopplerImaging)、組織諧波成像(THI，TissueHarmonicImaging)、閃爍回聲成像(FEI，F(xiàn)lashEchoImaging)、造影劑成像等一系列新技術(shù)接連出現(xiàn)并應(yīng)用于臨床，帶動(dòng)和促進(jìn)了超聲相關(guān)領(lǐng)域的研究和發(fā)展。由于成像機(jī)制的限制，圖像質(zhì)量相對(duì)較差一直是超聲圖像主要的缺點(diǎn)，特別是由于所成像器官或組織結(jié)構(gòu)上的不均勻性，一些微小的結(jié)構(gòu)不能為超聲所分辨，加上聲波信號(hào)的干涉現(xiàn)象，在超聲圖像中形成了特有的斑點(diǎn)(Speckle)，它大大降低了超聲圖像的質(zhì)量，也使得對(duì)圖像細(xì)節(jié)的識(shí)別與分析更加困難。隨著食道超聲成像技術(shù)(TEE)與心內(nèi)超聲成像技術(shù)(ICE)等新技術(shù)的出現(xiàn)，圖像的質(zhì)量有了很大的提高，但是相對(duì)于后期的圖像分析、多維重建等工作的要求而言，圖像的質(zhì)量仍有較大的差距，所以必須進(jìn)行濾波去噪等處理。
由于超聲圖像的上述特點(diǎn)，超聲圖像濾波算法的研究工作主要集中于對(duì)其斑點(diǎn)的抑制上。研究表明，超聲圖像中的原始斑點(diǎn)信號(hào)具有瑞利(Rayleigh)分布特征(X～R(u))，其均值(E(X))與標(biāo)準(zhǔn)偏差(σ)成比例，可視為一種與圖像信號(hào)無(wú)關(guān)的乘法噪聲，而經(jīng)信號(hào)處理后的斑點(diǎn)信號(hào)統(tǒng)計(jì)特性被改變，其均值與方差(σ2)成比例[1～3]。對(duì)超聲圖像濾波工作的一般要求，是要在有效抑制斑點(diǎn)的同時(shí)，很好地保留圖像中對(duì)后期的分析和診斷有用的細(xì)節(jié)信息。對(duì)于超聲圖像中的一些微小的結(jié)構(gòu)信息，如器官之間高亮度的界面(如肝與膈)、與斑點(diǎn)尺度相近的微小結(jié)構(gòu)(如小的血管)、灰度相近區(qū)域的邊界等，必須在濾波時(shí)很好地保留，所以超聲圖像的濾波有其特殊性，是一項(xiàng)要求較高的工作。如何在對(duì)斑點(diǎn)充分抑制的同時(shí)很好地保留圖像的細(xì)節(jié)，是濾波算法首先考慮的問(wèn)題。傳統(tǒng)的線性濾波方法不能滿足超聲圖像濾波的要求，近年來(lái)發(fā)展了多種非線性自適應(yīng)濾波方法(NonlinearAdaptiveFiltering)，出現(xiàn)了一些新的發(fā)展方向，下面將分別加以介紹和分析。
2、幾種主要的濾波方法
傳統(tǒng)的濾波方法[4]可以概括為:對(duì)圖像中的每一個(gè)點(diǎn)f(x，y)，取一個(gè)以該點(diǎn)為中心的小窗口(通常為矩形窗口)W(x，y)，然后對(duì)窗口內(nèi)的每一點(diǎn)賦予一定的權(quán)值，最終的輸出g(x，y)為窗口內(nèi)各點(diǎn)的某種加權(quán)平均。即:g(x，y)=F(f，(x，y)，W(x，y))(1)其實(shí)質(zhì)是根據(jù)所取窗口內(nèi)的信息確定一個(gè)新值來(lái)取代原值，以使它符合某種預(yù)定義的規(guī)則。濾波方法的改進(jìn)主要集中在以下幾個(gè)方面:(1)從幾個(gè)主要方向上對(duì)圖像進(jìn)行處理，再對(duì)結(jié)果加以綜合，以保留圖像的方向信息;(2)在空間上根據(jù)局部特征自適應(yīng)地調(diào)節(jié)濾波器的權(quán)值;(3)采用區(qū)域生長(zhǎng)等方法自適應(yīng)地調(diào)整濾波窗口的大小和形狀;(4)采用先對(duì)噪聲進(jìn)行檢測(cè)再根據(jù)檢測(cè)結(jié)果對(duì)圖像進(jìn)行濾波;(5)一些其它的方面。
2.1多方位濾波方法
這類方法的基本思想是:用某種濾波方法沿幾個(gè)主要方向(通常為0°，45°，90°，135°四個(gè)方向)對(duì)圖像進(jìn)行濾波，得到幾幅子圖像，然后對(duì)這些子圖像進(jìn)行加權(quán)組合，以得到最后的輸出圖像。文獻(xiàn)[5]中采用低通濾波方法(時(shí)域或頻域)對(duì)上述四個(gè)方向進(jìn)行處理，得到四幅子圖像，然后計(jì)算它們與原圖像的差異，根據(jù)這些差異來(lái)確定其加權(quán)組合的權(quán)值，由此得到輸出圖像。根據(jù)同樣的道理，還可以再次應(yīng)用高通濾波方法對(duì)輸出圖像作增強(qiáng)處理以進(jìn)一步提高圖像的質(zhì)量。低通濾波方法處理時(shí)的公式如下:x10=1dk1xl1+1dk2x12+1dk3x13+1dk4x141dk1+1dk2+1dk3+1dk4(2)其中，xl0為輸出值，xli為某方向的低通濾波得到子圖像的結(jié)果，di為第i幅子圖像與原圖像的差異，k為一可調(diào)的常數(shù)。高通增強(qiáng)方法的公式與此相似。
該方法思想簡(jiǎn)單，濾波效果較好，而且結(jié)構(gòu)上高度并行化，特別適合于多處理器系統(tǒng)，以實(shí)現(xiàn)圖像的實(shí)時(shí)處理。文獻(xiàn)[6]中的算法有所不同，作者稱之為“全方位多尺度形態(tài)濾波”，其方法可描述為:在(2N+1)(2N+1)窗口內(nèi)取4N個(gè)方位的結(jié)構(gòu)元，然后采用形態(tài)學(xué)的閉運(yùn)算加權(quán)組合與開(kāi)運(yùn)算加權(quán)組合，得到最終結(jié)果(圖略)。該方法能較好地抑制圖像中的鹽椒噪聲，但其組合的加權(quán)系數(shù)選取較為簡(jiǎn)單，還有待改進(jìn)。這類方法的共同特點(diǎn)是算法的高度并行化，因此可用硬件來(lái)高速實(shí)現(xiàn)[5]，適用于對(duì)實(shí)時(shí)性要求較高的場(chǎng)合。但其基于幾個(gè)方向的較簡(jiǎn)單的出發(fā)思想也限制了其對(duì)圖像中復(fù)雜細(xì)節(jié)(醫(yī)學(xué)圖像中很重要的部分)的保留能力。
2.2自適應(yīng)權(quán)值調(diào)節(jié)濾波方法
自適應(yīng)權(quán)值調(diào)節(jié)濾波方法的主要思想，是認(rèn)為對(duì)整幅圖像采用同一固定的濾波器來(lái)進(jìn)行濾波不能反映和保留圖像的細(xì)節(jié)信息，因此應(yīng)該根據(jù)圖像的局部信息來(lái)自適應(yīng)地調(diào)節(jié)濾波器，以更好地濾除噪聲和保留圖像中重要的細(xì)節(jié)信息。這類方法中以自適應(yīng)中值濾波(AMF，AdaptiveMedianFilter)為代表，如文獻(xiàn)[2]中提出的自適應(yīng)權(quán)重調(diào)節(jié)中值濾波(AWMF，AdaptiveWeightedMedianFilter)。AWMF是建立在對(duì)超聲圖像中斑點(diǎn)統(tǒng)計(jì)特性的分析基礎(chǔ)之上，采用均值與方差之比作為調(diào)節(jié)權(quán)值的根據(jù)，自適應(yīng)地調(diào)節(jié)中值濾波器中各點(diǎn)的權(quán)值。首先根據(jù)斑點(diǎn)的統(tǒng)計(jì)特性建立下述噪聲模型:y=x+x12n(3)其中y為實(shí)測(cè)信號(hào)，x為無(wú)噪聲時(shí)的信號(hào)，n為噪聲。在此模型基礎(chǔ)之上，得到自適應(yīng)權(quán)值調(diào)節(jié)中值濾波的公式:w(i，j)=[w(K+1，K+1)-cdσ2/m](4)其中，c為調(diào)節(jié)因子，m、σ2分別為均值和方差，d為點(diǎn)(i，j)與窗口w(K+1，K+1)中心點(diǎn)的距離，方括號(hào)[]為取整運(yùn)算符。實(shí)驗(yàn)結(jié)果表明，該方法能夠有效地抑制超聲圖像中的斑點(diǎn)噪聲，同時(shí)能夠較好地保留圖像中對(duì)后期診斷有用的解剖結(jié)構(gòu)信息，是一種針對(duì)超聲圖像比較有效的自適應(yīng)濾波方法。由于自適應(yīng)權(quán)值調(diào)節(jié)濾波算法是根據(jù)圖像的局部信息來(lái)自適應(yīng)地調(diào)節(jié)濾波參數(shù)，因此在對(duì)圖像細(xì)節(jié)保留上表現(xiàn)較好，如果算法采用的局部特征有很好的代表性(現(xiàn)多采用圖像局部的統(tǒng)計(jì)特征)，則能較好地滿足超聲圖像濾波的要求。自適應(yīng)濾波算法涉及到計(jì)算量比較大，而算法往往不具有并行特征，所以速度較慢，適用于圖像的后處理部分，要應(yīng)用于對(duì)實(shí)時(shí)性要求高的場(chǎng)合還有待改進(jìn)。
2.3自適應(yīng)窗口選取濾波方法
自適應(yīng)窗口選取濾波方法的基本思想是根據(jù)圖像中所處理部分的局部特征來(lái)自適應(yīng)地確定濾波窗口的大小或(和)形狀，以求在一個(gè)均勻區(qū)域內(nèi)進(jìn)行濾波操作，盡可能地保留圖像細(xì)節(jié)和抑制噪聲。文獻(xiàn)[7]中的HRGMF(HomogeneousRegionGrowingMeanFilter)方法是通過(guò)分裂、合并的方法來(lái)獲得濾波窗口，窗口仍限制為矩形，然后通過(guò)標(biāo)準(zhǔn)的求取均值的方法進(jìn)行濾波。文獻(xiàn)[3]中的ASSF(Adap-tiveSpeckleSuppressionFilter)方法是通過(guò)區(qū)域生長(zhǎng)的方法來(lái)確定濾波窗口，窗口的形狀不受限制，然后采用求均值(ASSF-MEAN)或中值(ASSF-ME-DIAN)的方法來(lái)進(jìn)行濾波。這兩種方法中都采用了斑點(diǎn)的均值與方差之比作為判據(jù)，即定義局域均值μi，j與方差σ2i，j之比αi，j為:αi，j=σi，jμi，j(5)以αi，j為判據(jù)進(jìn)行區(qū)域生長(zhǎng)或區(qū)域的分裂與合并，這同樣是建立在對(duì)超聲圖像中斑點(diǎn)噪聲統(tǒng)計(jì)特征的分析基礎(chǔ)之上。使用一幅模擬超聲圖像和一幅肝的超聲圖像對(duì)HRGMF、AWMF、ASSF(MEAN&MED-IAN)三種相似的濾波方法進(jìn)行的比較表明，三種方法在對(duì)斑點(diǎn)的抑制上表現(xiàn)相似(因?yàn)樗鼈儾捎昧送瑯拥陌唿c(diǎn)統(tǒng)計(jì)特征)，而在對(duì)細(xì)節(jié)的保留上ASSF-MEAN表現(xiàn)最好，AWMF與ASSF-MEDIAN相似，HRGMF較差。計(jì)算復(fù)雜度上，AWMF最小，其余的幾種相近[3]�？偟膩�(lái)說(shuō)，自適應(yīng)窗口選取濾波方法的計(jì)算量比較大(尤其是加入?yún)^(qū)域生長(zhǎng)等算法后)，因此算法的速度比較慢，同時(shí)與自適應(yīng)權(quán)值調(diào)節(jié)濾波方法相似，不適于通過(guò)并行處理的方式來(lái)提高處理的速度，因此應(yīng)用主要限于超聲圖像的后處理部分。但是算法復(fù)雜度的提高帶來(lái)了令人滿意的處理結(jié)果，這是自適應(yīng)窗口選取濾波算法可取的一面。
2.4兩步法
這里的兩步法是指先用一噪聲探測(cè)器對(duì)整幅圖像進(jìn)行探測(cè)，然后再對(duì)圖像進(jìn)行去噪處理的一類方法。這類方法分為兩個(gè)主要步驟，第一步是判斷圖像中的點(diǎn)是否被噪聲污染過(guò)，并生成一幅二值標(biāo)記圖。這一步的關(guān)鍵是選取何種標(biāo)準(zhǔn)作為判據(jù)，判斷的準(zhǔn)確性將直接影響最終的處理結(jié)果。文獻(xiàn)[8]中是選取象素值本身與局域均值之差作為判斷標(biāo)準(zhǔn)，判據(jù)比較簡(jiǎn)單;而文獻(xiàn)[10]中是利用局部的統(tǒng)計(jì)特征，引入ROM(Rank-OrderMean)作輔助，用四個(gè)閾值T1～T4來(lái)判斷是否是被噪聲污染的點(diǎn)，相對(duì)地更合理一些;此外還有其它的方法。第二步是濾除噪聲的過(guò)程，對(duì)第一步中測(cè)得為無(wú)污染的點(diǎn)，其值不變;被噪聲污染的點(diǎn)，采取各種方法來(lái)去除噪聲，即:g(x，y)=f(x，y)，if(h(x，y)=1);F(f(x，y)，W(x，y))，else(6)其中g(shù)(x，y)為輸出圖像，f(x，y)為輸入圖像，h(x，y)為第一步得到的二值標(biāo)記圖，h(x，y)=1表示點(diǎn)(x，y)未被噪聲污染，F(xiàn)(.)為濾波函數(shù)。文獻(xiàn)[10]中采用二態(tài)與多態(tài)兩種方式來(lái)進(jìn)行處理，用公式表示為:y(n)=F(x(n)，w(n)，s(n))≡αs(n)x(n)+βs(n)m(n)(7)其中x(n)為所取濾波窗口內(nèi)除中心象素外的點(diǎn)(不包括中心象素是與一般方法不同的地方)，m(n)為ROM濾波器的均值，y(n)為輸出值。結(jié)果表明，該方法對(duì)噪聲污染嚴(yán)重的圖像有較好的濾波效果。文獻(xiàn)[9]中的噪聲濾除過(guò)程與一般的方法有所不同，它不僅利用了被處理點(diǎn)為中心的一個(gè)局部窗口(localwindow)，還利用了離當(dāng)前點(diǎn)較遠(yuǎn)的一個(gè)鄰域窗口(remotewindow)內(nèi)的信息。此去噪過(guò)程是通過(guò)所有符合競(jìng)爭(zhēng)條件的遠(yuǎn)鄰域窗口進(jìn)行競(jìng)爭(zhēng)來(lái)完成的，競(jìng)爭(zhēng)勝利的條件為局域窗口與競(jìng)爭(zhēng)窗口內(nèi)所有未被噪聲污染點(diǎn)的均方差(MSE)最小，然后用競(jìng)爭(zhēng)獲勝窗口內(nèi)的中心象素來(lái)代替被處理點(diǎn)。該方法同樣表現(xiàn)出了對(duì)噪聲污染嚴(yán)重圖像的很好的濾除能力。這類濾波方法從原理上講有其合理之處，適用于噪聲污染嚴(yán)重的圖像，在實(shí)際中也表現(xiàn)出了較好的濾波效果，是一種很有研究?jī)r(jià)值的方法。方法的關(guān)鍵在于如何很好地判斷是否是被噪聲污染的點(diǎn)，因此選取一個(gè)好的判斷依據(jù)成為需要解決的重要問(wèn)題。
2.5其它濾波方法
除了上述幾種主要的濾波方法以外，還有一些其它的濾波方法也在研究之中，并表現(xiàn)出了一定的優(yōu)越性。如三維濾波利用前后幾幅圖像中的信息來(lái)對(duì)當(dāng)前圖像進(jìn)行濾波，增加了濾波時(shí)的可用的信息量[11];數(shù)學(xué)形態(tài)學(xué)濾波(二值與灰度兩種方法)也可應(yīng)用于超聲圖像，并有其可取的一面[12];另外還有利用神經(jīng)網(wǎng)絡(luò)理論[13]等方法來(lái)進(jìn)行濾波的研究。
3、幾種方法的應(yīng)用實(shí)例及分析
為了比較幾種方法對(duì)超聲圖像的實(shí)際濾波效果，作者采用了如圖1a所示的超聲心臟原始圖像(Original)，分別采用自適應(yīng)權(quán)值調(diào)節(jié)濾波方法(AWMF)、自適應(yīng)窗口選取濾波方法(HRGMF)、四方向加權(quán)中值濾波方法(FWMF)、標(biāo)準(zhǔn)中值濾波(MEDIAN)、自適應(yīng)權(quán)重調(diào)節(jié)加自適應(yīng)窗口選取濾波方法(AWMF-HRGMF)對(duì)原圖進(jìn)行濾波處理，所得結(jié)果如圖1(b)～(f)所示(領(lǐng)域窗口均為11×11，HRGMF中的最大窗口為15×15)。從圖中可看出，幾種自適應(yīng)濾波方法對(duì)心室邊界及二尖瓣等細(xì)節(jié)信息保留較好，對(duì)心肌及心腔部分表現(xiàn)出較強(qiáng)的濾波能力，均優(yōu)于一般的中值濾波方法。
4、超聲圖像濾波方法發(fā)展方向展望
超聲醫(yī)學(xué)圖像濾波方法的發(fā)展與超聲成像技術(shù)的發(fā)展密切相關(guān)。如前所述，超聲成像技術(shù)越來(lái)越受到人們的重視，一系列新的成像技術(shù)的出現(xiàn)，大大地提高了超聲圖像的質(zhì)量，使圖像的處理工作難度降低，效果更好;大量的自適應(yīng)濾波算法的研究，以及其它與超聲成像相關(guān)的技術(shù)的研究又大大促進(jìn)了超聲醫(yī)學(xué)圖像的發(fā)展及應(yīng)用。超聲醫(yī)學(xué)圖像的濾波算法應(yīng)該是朝著自適應(yīng)、并行、快速、高效的方向發(fā)展，這有待于對(duì)超聲圖像特征的更進(jìn)一步的分析和對(duì)濾波算法的深入研究。
【超聲醫(yī)學(xué)圖像濾波算法探究】相關(guān)文章：
醫(yī)學(xué)圖像領(lǐng)域中數(shù)字圖像處理的應(yīng)用論文04-19
并聯(lián)有源電力濾波器交流側(cè)濾波電感的優(yōu)化設(shè)計(jì)05-29
碩士畢業(yè)論文醫(yī)學(xué)超聲斑點(diǎn)的分布分析及去噪08-22
人類理性對(duì)秩序的探究05-04
談地理圖像投影導(dǎo)學(xué)法08-21
隱私權(quán)及其探究06-03
探究網(wǎng)絡(luò)經(jīng)濟(jì)特征05-30
數(shù)據(jù)關(guān)聯(lián)算法綜述及其性能評(píng)估05-05
XX公司XX員工培訓(xùn)探究05-12