CN102306377B - 一种超声图像去噪的方法和装置 - Google Patents
一种超声图像去噪的方法和装置 Download PDFInfo
- Publication number
- CN102306377B CN102306377B CN 201110281240 CN201110281240A CN102306377B CN 102306377 B CN102306377 B CN 102306377B CN 201110281240 CN201110281240 CN 201110281240 CN 201110281240 A CN201110281240 A CN 201110281240A CN 102306377 B CN102306377 B CN 102306377B
- Authority
- CN
- China
- Prior art keywords
- neighborhood
- marginarium
- module
- pixel
- filtering
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Image Processing (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及到图像处理技术,特别涉及超声成像中的图像数据处理技术,尤其是一种超声图像去噪的方法和装置,本发明包括:读取超声图像数据,以各个像素点为中心选取一个邻域,计算邻域内像素点各个方向的方差均值比,根据所述的方差均值比计算出判别因子,根据所述的判别因子分别区分出像素点邻域为边缘区、非边缘区和半边缘区,对所述不同的边缘区分别进行滤波处理,输出处理后的超声图像数据。本发明所提供的技术方案可以同时实现对图像的边缘增强与斑点抑制,并且具有算法简单、自适应性,易于硬件实现,可实时处理,实用性强等优点。
Description
技术领域
本发明涉及到图像处理技术,特别涉及超声成像中的图像数据处理技术,尤其是一种超声图像去噪的方法和装置。
背景技术
医学超声成像中,由于成像器官或组织结构的不均匀性,一些微小的结构不能被分辨,加上声波信号的干涉现象,在超声图像上形成了特有的斑点。降低了图像质量,目前常用的去噪算法主要有分辨率增强、叠加平均以及后处理方法。
分辨率增强算法主要是增强超声系统的分辨率,达到降噪的目的。这类方法有提高探头频率、编码激励(Coded-excitation)、阵列探头(Matrix-array transducer)以及谐波(Harmonics),但探头频率过高在实际应用中并不可行。叠加平均法对多帧去相关图像进行叠加平均,由于去相关后的各帧图像具有不同的speckle噪声分布,同时具有相同的特征信息,故对其进行叠加平均可减少speckle噪声并对特征信息进行增强。但是,叠加平均法只能有限获得speckle抑制效果(1/n,n为帧数)。而且,叠加平均法中所取的多帧图像会降低超声系统的帧率,限制了此项技术的实际应用。后处理方法一般分为四类:中值滤波、维纳滤波、基于扩散方程的滤波以及基于小波变换的滤波方法。中值滤波方法根据图像的局部统计特征来自动选取滤波窗口内的各点权值,或者自动选取滤波窗口的大小和形状(AWMF,自适应加权中值滤波),维纳滤波方法中,计算一定邻域大小的方差和均值。它是一种自适应的滤波方法,当邻域内方差大的时候,平滑就弱一些,反之,平滑就强以一些。尽管这些方法在保留图像细节方面取得了一定的效果,但这类基于窗口平滑的滤波方法对于窗口形状和大小均十分敏感。基于小波变换的滤波方法将超声图像变换到小波域,利用小波阈值处理将某些尺寸的元素丢弃,再进行逆变换以去除Speckle。但在该方法中,很难选择合适的尺度,如果丢弃小尺度信号,则不能有效去除Speckle;如果丢弃大尺度信号,则有可能丢弃有用信号。基于扩散方程的滤波方法是近年来出现的一种新的超声图像滤波技术,即求解初始值为输入图像的非线性热扩散方程。在扩散方程中,通过引入图像特征,设计合适的扩散系数来控制扩散方程的扩散行为,使得在平滑图像的同时能够保留甚至增强图像的特征信息。
美国专利US6208763和US6592523中公开了一种基于梯度判别因子的图像去噪边缘增强算法,该算法依据图像像素点的梯度幅值大小及方向信息,把图像分为边缘区域及非边缘区域,对于边缘区域采用的是各向异性边缘增强处理,对于非边缘区域采用的是各向同性平滑处理。
中国专利CN200510035913.8中提出一种超声图像边缘锐化与斑点抑制方法,该算法依据图像像素点的梯度信息、方差信息、灰度值信息,把图像分为边缘区域及非边缘区域,对边缘点先进行方向性滤波,再做方向性增强,得到增强的边缘,对于非边缘点求出该点为中心像素点的一个邻域内的像素数据均值,以及各向同性增强,再求两者的加权平均值作为所述非边缘点的灰度均值。
上述专利方法的不足之处在于:根据一定邻域像素点的数学统计特性,简单的将像素点分成边缘区域与非边缘区域,这种分法会造成图像信息量的丢失,且计算量大,难以实际应用。
发明内容
为克服上述缺陷,本发明的目的即在于一种超声图像去噪的方法和装置。
本发明的目的是通过以下技术方案来实现的:
本发明一种超声图像去噪的方法和装置,其中所述的一种超声图像去噪的装置,主要包括:
图像数据读取模块、邻域选取模块、方差均值比计算模块、判断因子计算模块、区域判断模块、滤波处理模块和输出模块,
所述的图像数据读取模块,用于读取超声图像的数据;
所述的邻域选取模块,与所述的图像数据读取模块相连接,用于对所述读取的超声图像数据的每一个像素点,选取以其为中心的一定大小的区域为所述像素点对应的一个邻域。
所述的方差均值比计算模块,与所述的邻域选取模块相连接,用于计算所述邻域内像素点各个方向的方差均值比;
所述的判断因子计算模块,与所述的方差均值比计算模块相连接,用于根据各个方向上的方差均值比的最大值与最小值之差与最大值的比值,计算出判别因子;
所述的区域判断模块,与所述的判断因子计算模块相连接,用于根据判别因子是趋于0或趋于1或介于0与1之间,来分别区分出像素点邻域为非边缘区、边缘区和半边缘区;
所述的滤波处理模块,与所述的区域判断模块相连接,用于对不同的边缘区分别进行滤波处理;
所述的输出模块,与所述的滤波处理模块相连接,用于输出处理后的超声图像数据。
作为本发明进一步的技术方案,所述的一种超声图像去噪的装置还包括处理完成判断模块,与所述的邻域选取模块、滤波处理模块和输出模块相连接,用于根据所述滤波处理模块的处理结果判断是否处理完所述读取超声图像的数据中的每一个像素点,如果完成则将结果发送到所述的输出模块,如果未完成,则返回到所述的邻域选取模块继续进行像素点的处理。
作为本发明更进一步的技术方案,所述的滤波处理模块,包括了,
边缘区滤波单元,用于对所述的邻域为边缘区进行增强型方向性滤波;
半边缘区滤波单元,用于邻域为半边缘区进行方向性滤波、方向性增强并加权平均;
非边缘区滤波单元,用于邻域为非边缘区进行各向同性平滑滤波。
本发明一种超声图像去噪的方法,包括如下步骤,
步骤1,读取超声图像数据;
步骤2,以各个像素点为中心选取一个邻域;
步骤3,计算邻域内像素点各个方向的方差均值比;
步骤4,根据所述的方差均值比的最大值与最小值之差与最大值的比值,计算出判别因子;
步骤5,根据所述的判别因子分别区分出像素点邻域为边缘区、非边缘区和半边缘区,具体包括:当判别因子趋近于1时,所述邻域为图像的边缘区;当判别因子趋近于0时,所述邻域为图像的非边缘区;当判别因子在0与1之间时,所述邻域为图像的半边缘区;
步骤6,对所述不同的边缘区分别进行滤波处理;
步骤7,输出处理后的超声图像数据。
作为本发明进一步的技术方案,所述的步骤3,进一步包括,
步骤31,计算邻域内像素点四个方向的方差均值比;
步骤32,计算出各个方差均值比的最大值和最小值。
作为本发明更进一步的技术方案,所述的步骤6,进一步包括,
步骤61,邻域为边缘区进行增强型方向性滤波;
步骤62,邻域为半边缘区进行方向性滤波、方向性增强并加权平均;
步骤63,邻域为非边缘区进行各向同性平滑滤波。
作为本发明更进一步的技术方案,所述的步骤7之前还包括,判断是否处理完所述读取超声图像的数据中的每一个像素点,如果完成对每一个像素点的处理则进入所述的步骤7,如果没有则继续从所述步骤2开始对未处理的像素点进行相应的计算处理。
作为本发明更进一步的技术方案,所述的步骤7,进一步包括,将经过处理后的最终图像数据进行输出,包括显示和/或存储和/或打印。
附图说明
为了易于说明,本发明由下述的较佳实施例及附图作以详细描述。
图1为超声成像系统的结构框图;
图2为本发明一种超声图像去噪的方法的一种实施例流程图;
图3为本发明一种超声图像去噪的方法的另一种实施例流程图;
图4为本发明一种超声图像去噪的装置的一种实施例结构图;
图5为本发明一种超声图像去噪的装置的另一种实施例结构图;
图6为像素点四个计算方向的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,为典型的超声成像系统的结构框图,图中所示由主控制器、探头、波束合成、图像处理、数字扫描变换(DSC, digital scan conversion)、显示器组成。在主控制器的控制下,探头发射一定频率的超声波,经过一定时间的延迟后,接收由组织反射回来的声波信号,经过聚焦延时、加权求和,形成一条条扫描线,再经过滤波、检波等一系列的数字信号处理获得扫描回波的包络信号,形成图像数据,再把图像数据送往显示器进行显示。这其中就要涉及到斑点噪声的去除,一般的噪声去除、图像增强处理方法是在DSC之后,也就是形成图像数据后,再对图像数据进行处理,但为了得到更真实的数据,也可以位于DSC之前,即获得扫描线数据(也是超声图像数据)后,就进行处理。
本发明的一种具体实施方式如图2所示:
101.读取超声图像数据;
在数字扫描变换之前或者之后,获得超声图像的数据;
102.以各个像素点为中心选取一个邻域;
以任何一个点为中心的任何开区间称为该点的邻域,对于每一个像素点,将以其为中心的一定大小(如3×3,或者5×5)的区域选取为其对应的一个邻域;
103.计算邻域内像素点各个方向的方差均值比;
如图6所示,本实施例优选计算邻域内所述像素点四个方向上的方差与均值的比值,即为方差均值比;
104.根据方差均值比计算出判别因子;
根据上述计算得到的四个方向上的四个方差均值比,本发明优选根据其最大值和最小值之差与最大值的比值,计算出判别因子;另外,还可以有其他的方式,比如直接根据方差均值比的大小来作为判别因子判断区域,方差均值比值大时为边缘区域,相反小的时候为非边缘区域,中间值时为半边缘区域。
105.根据判别因子分别区分出像素点邻域为边缘区、非边缘区和半边缘区;
当判别因子趋近于1时,所述邻域为图像的边缘区;当判别因子趋近于0时,所述邻域为图像的非边缘区;当判别因子在0与1之间时,所述区域为图像的半边缘区;
106.对不同的边缘区分别进行滤波处理;
本发明实施例中,优选对于边缘区域像素点的处理为增强型方向性滤波,在增强边缘的同时抑制斑点噪声;优选对于半边缘区域像素点的处理为先进行方向性滤波,再采用方向性增强,并对两计算结果加权平均计算得到最终结果;优选对于非边缘区域像素点的处理是各向同性平滑滤波。
107.输出处理后的超声图像数据;
将经过上述处理后的最终图像数据进行输出,包括显示和或存储和或打印;
为了更好的理解本发明一种超声图像去噪的方法,本发明的另一种实施方式如图3所示:
101.读取超声图像数据;
在数字扫描变换之前或者之后,获得超声图像的数据;
102.以各个像素点为中心选取一个邻域;
以任何一个点为中心的任何开区间称为该点的邻域,对于每一个像素点,将以其为中心的一定大小(如3×3,或者5×5)的区域选取为其对应的一个邻域;
1031.计算邻域内像素点四个方向的方差均值比;
1032.计算出各个方差均值比的最大值和最小值;
以上的1031和1032两步完成了对邻域内像素点各个方向的方差均值比的整个计算过程。
104.根据方差均值比的最大值和最小值计算出判别因子λ;
105.根据判别因子λ分别区分出像素点邻域为边缘区、非边缘区和半边缘区;
当判别因子趋近于1时,所述邻域为图像的边缘区;当判别因子趋近于0时,所述邻域为图像的非边缘区;当判别因子在0与1之间时,所述区域为图像的半边缘区;
1061.邻域为边缘区进行增强型方向性滤波;
以3×3大小的邻域来说明其计算过程:
对每一个中心像素点,在邻域内计算四个方向上(方向如图6所示)的均值,注意此均值的计算不包括中心像素点,即计算四个方向上两个像素点的均值;
再分别计算中心像素点的灰度值(灰度值是计算机图像中的术语,用来描述生成的图像所能包含的颜色数)与四个方向上均值的差值,比较得到最小差值的方向;
将最小差值方向上的均值赋给中心像素点。
1062.邻域为半边缘区进行方向性滤波、方向性增强并加权平均;
以3×3大小的邻域来说明其计算过程:
对每一个中心像素点,在邻域内计算四个方向上(方向如图6所示)的方差,注意,在计算方差时所要进行的均值计算包括中心像素点,即涉及到每个方向上三个像素点的计算。
为进一步增强边缘,系统对于半边缘区域像素点还包括方向性增强处理,具体过程如图7所示,以3×3大小的邻域来说明其计算过程:
也就是说,当趋近于1时,对所述邻域进行边缘增强;当趋近于0时,对所述邻域进行方向性平滑滤波;当在0与1之间时,对所述区域同时进行边缘增强和方向性平滑滤波,为前面计算出来的区域判别因子,为、的加权平均,也就是说对于半边缘区域像素点的处理为:先计算方向性滤波值,再方向性增强值,并对这两个值求加权平均,得到最终的结果(),加权因子为(如上式所示)。
1063.邻域为非边缘区进行各向同性平滑滤波;
所述的各向同性平滑滤波处理,以3×3大小的邻域来说明其计算过程:计算邻域9个像素点的均值,并将该均值赋给中心像素点,另外各向同性滤波可以包括很多的算法,高斯平滑,均值滤波等。
如上所述的步骤1061、1062、1063为对不同的边缘区分别进行滤波处理的详细步骤,当然,进行边缘滤波处理的方法很多,还包括业界悉知的小波处理、高斯-拉普拉斯处理等等。
108.判断是否处理完每一个像素点;
如果完成对每一个像素点的处理则进入下一步骤,如果没有则继续从所述步骤102开始对未处理的像素点进行相应的计算处理。
107.输出处理后的超声图像数据;
将经过上述处理后的最终图像数据进行输出,包括显示和或存储和或打印;
为了更好的理解本发明一种超声图像去噪的装置,本发明的装置的一种实施方式如图4所示:
图像数据读取模块301;
用于读取超声图像的数据。
邻域选取模块302;
与所述的图像数据读取模块301相连接,用于对于每一个像素点,将以其为中心的一定大小(如3×3,或者5×5)的区域选取为其对应的一个邻域。
方差均值比计算模块303;
与所述的邻域选取模块302相连接,用于计算所述邻域内像素点各个方向的方差均值比。
判断因子计算模块304;
与所述的方差均值比计算模块303相连接,用于根据各个方向上的方差均值比的最大值和最小值之差与最大值的比值,计算出判别因子。
区域判断模块305;
与所述的判断因子计算模块304相连接,用于根据判别因子分别区分出像素点邻域为边缘区、非边缘区和半边缘区。
滤波处理模块306;
与所述的区域判断模块305相连接,用于对不同的边缘区分别进行滤波处理。
输出模块307;
与所述的滤波处理模块306相连接,用于输出处理后的超声图像数据。
为了更好的理解本发明一种超声图像去噪的装置,本发明的装置的另一种实施方式如图5所示,还包括了:
处理完成判断模块308;
与所述的邻域选取模块302、滤波处理模块306和输出模块307相连接,用于根据所述滤波处理模块306的处理结果判断是否处理完每一个像素点,如果完成则将结果发送到所述的输出模块307,如果未完成,则返回到所述的邻域选取模块302继续进行像素点的处理。
所述的滤波处理模块306,进一步包括:
边缘区滤波单元309,用于对所述的邻域为边缘区进行增强型方向性滤波;
半边缘区滤波单元310,用于邻域为半边缘区进行方向性滤波、方向性增强并加权平均;
非边缘区滤波单元311,用于邻域为非边缘区进行各向同性平滑滤波;
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.一种超声图像去噪的装置,其特征在于,包括,图像数据读取模块、邻域选取模块、方差均值比计算模块、判断因子计算模块、区域判断模块、滤波处理模块和输出模块,
所述的图像数据读取模块,用于读取超声图像的数据;
所述的邻域选取模块,与所述的图像数据读取模块相连接,用于对所述读取的超声图像数据的每一个像素点,选取以其为中心的一定大小的区域为所述像素点对应的一个邻域;
所述的方差均值比计算模块,与所述的邻域选取模块相连接,用于计算所述邻域内像素点各个方向的方差均值比;
所述的判断因子计算模块,与所述的方差均值比计算模块相连接,用于根据各个方向上的方差均值比的最大值与最小值之差与最大值的比值,计算出判别因子;
所述的区域判断模块,与所述的判断因子计算模块相连接,用于根据判别因子是趋于0或趋于1或介于0与1之间,来分别区分出像素点邻域为非边缘区、边缘区和半边缘区;
所述的滤波处理模块,与所述的区域判断模块相连接,用于对不同的边缘区分别进行滤波处理;
所述的输出模块,与所述的滤波处理模块相连接,用于输出处理后的超声图像数据。
2.根据权利要求1所述的一种超声图像去噪的装置,其特征在于,还包括处理完成判断模块,与所述的邻域选取模块、滤波处理模块和输出模块相连接,用于根据所述滤波处理模块的处理结果判断是否处理完所述读取超声图像的数据中的每一个像素点,如果完成则将结果发送到所述的输出模块,如果未完成,则返回到所述的邻域选取模块继续进行像素点的处理。
3. 根据权利要求1或2所述的一种超声图像去噪的装置,其特征在于,所述的滤波处理模块,包括,
边缘区滤波单元,用于对所述的邻域为边缘区进行增强型方向性滤波;
半边缘区滤波单元,用于邻域为半边缘区进行方向性滤波、方向性增强并加权平均;
非边缘区滤波单元,用于邻域为非边缘区进行各向同性平滑滤波。
4. 一种超声图像去噪的方法,其特征在于,包括如下步骤,
步骤1,读取超声图像数据;
步骤2,以各个像素点为中心选取一个邻域;
步骤3,计算邻域内像素点各个方向的方差均值比;
步骤4,根据所述的方差均值比的最大值与最小值之差与最大值的比值,计算出判别因子;
步骤5,根据所述的判别因子分别区分出像素点邻域为边缘区、非边缘区和半边缘区,具体包括:当判别因子趋近于1时,所述邻域为图像的边缘区;当判别因子趋近于0时,所述邻域为图像的非边缘区;当判别因子在0与1之间时,所述邻域为图像的半边缘区;
步骤6,对所述不同的边缘区分别进行滤波处理;
步骤7,输出处理后的超声图像数据。
5.根据权利要求4所述的一种超声图像去噪的方法,其特征在于,所述的步骤3,进一步包括,
步骤31,计算邻域内像素点四个方向的方差均值比;
步骤32,计算出各个方差均值比的最大值和最小值。
6. 根据权利要求5所述的一种超声图像去噪的方法,其特征在于,所述的步骤6,进一步包括,
步骤61,邻域为边缘区进行增强型方向性滤波;
步骤62,邻域为半边缘区进行方向性滤波、方向性增强并加权平均;
步骤63,邻域为非边缘区进行各向同性平滑滤波。
7. 根据权利要求4所述的一种超声图像去噪的方法,其特征在于,所述的步骤7之前还包括,判断是否处理完所述读取超声图像的数据中的每一个像素点,如果完成对每一个像素点的处理则进入所述的步骤7,如果没有则继续从所述步骤2开始对未处理的像素点进行相应的计算处理。
8. 根据权利要求4所述的一种超声图像去噪的方法,其特征在于,所述的步骤7,进一步包括,将经过处理后的最终图像数据进行输出,包括显示和/或存储和/或打印。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110281240 CN102306377B (zh) | 2011-09-21 | 2011-09-21 | 一种超声图像去噪的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110281240 CN102306377B (zh) | 2011-09-21 | 2011-09-21 | 一种超声图像去噪的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102306377A CN102306377A (zh) | 2012-01-04 |
CN102306377B true CN102306377B (zh) | 2013-10-16 |
Family
ID=45380235
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110281240 Active CN102306377B (zh) | 2011-09-21 | 2011-09-21 | 一种超声图像去噪的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102306377B (zh) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102636577B (zh) * | 2012-03-23 | 2014-05-07 | 南京航空航天大学 | 一种基于小波变换提取轮辋超声波探伤信号的方法 |
CN103455975B (zh) * | 2012-05-29 | 2016-02-03 | 中国科学院电子学研究所 | 合成孔径雷达图像边缘增强的方法 |
CN102750681B (zh) * | 2012-07-04 | 2017-04-12 | 上海顺久电子科技有限公司 | 图像边缘锐化的处理装置和处理方法 |
CN103051829B (zh) * | 2012-12-10 | 2016-12-21 | 天津天地伟业数码科技有限公司 | 基于fpga平台的原始图像数据降噪系统及降噪方法 |
US9262810B1 (en) * | 2014-09-03 | 2016-02-16 | Mitsubishi Electric Research Laboratories, Inc. | Image denoising using a library of functions |
JP6041957B1 (ja) * | 2015-10-01 | 2016-12-14 | 株式会社日立製作所 | 超音波診断装置 |
CN106911904B (zh) * | 2015-12-17 | 2020-04-21 | 通用电气公司 | 图像处理方法、图像处理系统及成像系统 |
CN106204455A (zh) * | 2016-07-13 | 2016-12-07 | 广州市久邦数码科技有限公司 | 一种带有多重滤镜效果的图像处理方法及其系统 |
CN108093182A (zh) * | 2018-01-26 | 2018-05-29 | 广东欧珀移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
CN108765312B (zh) * | 2018-04-27 | 2021-11-02 | 西安科技大学 | 一种基于方差信息的图像去噪方法 |
CN109243010A (zh) * | 2018-07-20 | 2019-01-18 | 李艳芹 | 家庭住宅门锁控制平台 |
CN109584267B (zh) * | 2018-11-05 | 2022-10-18 | 重庆邮电大学 | 一种结合背景信息的尺度自适应相关滤波跟踪方法 |
CN109360173B (zh) * | 2018-11-23 | 2021-09-03 | 珠海医凯电子科技有限公司 | 基于改进的方差的彩色多普勒血流图像降噪方法 |
CN111383183B (zh) * | 2018-12-28 | 2022-09-09 | 展讯通信(上海)有限公司 | 图像边缘增强方法、装置以及计算机存储介质 |
CN109801288A (zh) * | 2019-01-25 | 2019-05-24 | 淮阴师范学院 | 一种基于方向统计特性的图像聚焦测度实现方法 |
CN110287888A (zh) * | 2019-06-26 | 2019-09-27 | 中科软科技股份有限公司 | 一种台标识别方法及系统 |
CN110298858B (zh) * | 2019-07-01 | 2021-06-22 | 北京奇艺世纪科技有限公司 | 一种图像裁剪方法及装置 |
CN110533596A (zh) * | 2019-09-03 | 2019-12-03 | 山东超越数控电子股份有限公司 | 一种基于边缘的彩色图像放大方法 |
CN110766028B (zh) * | 2019-10-23 | 2023-02-21 | 紫光展讯通信(惠州)有限公司 | 像素类型确定方法及装置 |
CN111415308B (zh) * | 2020-03-13 | 2023-04-28 | 青岛海信医疗设备股份有限公司 | 一种超声图像处理方法和通信终端 |
CN113538299B (zh) * | 2021-09-13 | 2022-01-11 | 深圳瀚维智能医疗科技有限公司 | 超声图像去噪方法、装置、设备及计算机可读存储介质 |
CN114594162A (zh) * | 2022-03-07 | 2022-06-07 | 北京工业大学 | 高密度聚乙烯管道热熔对接接头缺陷检测系统及方法 |
CN115994870B (zh) * | 2023-02-23 | 2023-12-19 | 苏州梅曼智能科技有限公司 | 一种用于增强去噪的图像处理方法 |
CN117237238B (zh) * | 2023-11-13 | 2024-03-29 | 孔像汽车科技(上海)有限公司 | 基于导向滤波的图像去噪方法、系统、设备及存储介质 |
CN117455779B (zh) * | 2023-12-22 | 2024-03-26 | 天津市胸科医院 | 一种医疗超声影像仪辅助增强系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0849706A2 (en) * | 1996-12-18 | 1998-06-24 | Xerox Corporation | Adaptive noise removal for video images |
CN101458766A (zh) * | 2008-12-16 | 2009-06-17 | 南京大学 | 计算机处理天文观测灰度图像信息以进行目标追踪的方法 |
CN101464998A (zh) * | 2009-01-15 | 2009-06-24 | 浙江大学 | 面向纺织行业的非高斯纹理噪声平滑滤波方法 |
CN101482969A (zh) * | 2009-01-16 | 2009-07-15 | 西安电子科技大学 | 基于同质点计算的sar图像去斑方法 |
-
2011
- 2011-09-21 CN CN 201110281240 patent/CN102306377B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0849706A2 (en) * | 1996-12-18 | 1998-06-24 | Xerox Corporation | Adaptive noise removal for video images |
CN101458766A (zh) * | 2008-12-16 | 2009-06-17 | 南京大学 | 计算机处理天文观测灰度图像信息以进行目标追踪的方法 |
CN101464998A (zh) * | 2009-01-15 | 2009-06-24 | 浙江大学 | 面向纺织行业的非高斯纹理噪声平滑滤波方法 |
CN101482969A (zh) * | 2009-01-16 | 2009-07-15 | 西安电子科技大学 | 基于同质点计算的sar图像去斑方法 |
Non-Patent Citations (2)
Title |
---|
基于FPGA的SAR图像Lee滤波器算法实现;魏守嵘;《航天控制》;20110228;第29卷(第1期);27-30 * |
魏守嵘.基于FPGA的SAR图像Lee滤波器算法实现.《航天控制》.2011,第29卷(第1期),27-30. |
Also Published As
Publication number | Publication date |
---|---|
CN102306377A (zh) | 2012-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102306377B (zh) | 一种超声图像去噪的方法和装置 | |
Mateo et al. | Finding out general tendencies in speckle noise reduction in ultrasound images | |
Yu et al. | Ultrasound speckle reduction by a SUSAN-controlled anisotropic diffusion method | |
Yu et al. | Image denoising using trivariate shrinkage filter in the wavelet domain and joint bilateral filter in the spatial domain | |
Abd-Elmoniem et al. | Real-time speckle reduction and coherence enhancement in ultrasound imaging via nonlinear anisotropic diffusion | |
Finn et al. | Echocardiographic speckle reduction comparison | |
US9934554B2 (en) | Ultrasound imaging method/technique for speckle reduction/suppression in an improved ultra sound imaging system | |
US9585636B2 (en) | Ultrasonic diagnostic apparatus, medical image processing apparatus, and medical image processing method | |
CN104680495B (zh) | 超声图像的自适应去噪方法 | |
CN102663708B (zh) | 基于方向加权中值滤波的超声图像处理方法 | |
CN101459766B (zh) | 超声图像增强与噪声抑制的方法及其装置 | |
CN101527034A (zh) | 自适应帧相关的方法和装置 | |
CN104103041B (zh) | 超声图像混合噪声自适应抑制方法 | |
CN1892696B (zh) | 超声图像边缘锐化与斑点抑制方法 | |
CN109785260B (zh) | 一种针对侧扫声呐图像的非线性增强方法 | |
Damodaran et al. | Speckle noise reduction in ultrasound biomedical B-scan images using discrete topological derivative | |
CN102073994B (zh) | 基于多尺度各项异性扩散的超声医学图像散斑噪声抑制方法 | |
CN102670251B (zh) | 基于数值排序加权平均的超声图像空间滤波方法 | |
WO2018000359A1 (zh) | 一种增强超声造影图像的方法、系统及超声造影成像设备 | |
Zhang et al. | Despeckling Methods for Medical Ultrasound Images | |
Li et al. | Ultrasound speckle reduction based on image segmentation and diffused region growing | |
Zhang et al. | Despeckle filters for medical ultrasound images | |
CN104318520A (zh) | 一种像素局部区域方向检测方法 | |
Kumar et al. | Despeckling of polycystic ovary ultrasound images by improved total variation method | |
Magud et al. | An algorithm for medical ultrasound image enhancement by speckle noise reduction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |