一种斑点噪声抑制方法、超声设备及存储介质

摘要

本发明涉及超声图像处理技术领域，具体公开了一种斑点噪声抑制方法，其中，包括：根据BM3D算法获取训练超声图像组的斑点噪声分布图；将所述斑点噪声分布图与训练超声图像组的原图输入至神经网络进行训练，得到训练模型；根据所述训练模型对待测试超声图像组进行抑噪处理，得到待测试超声图像组的抑噪图像。本发明还公开了一种超声设备及计算机可读存储介质。本发明提供的斑点噪声抑制方法具有抑噪效果好，效率高，适用范围广泛的优势。

说明书

技术领域

本发明涉及超声图像处理技术领域，尤其涉及一种斑点噪声抑制方法、一种超声设备及一种计算机可读存储介质。

背景技术

超声成像就是用超声波获得物体可见图像的方法。由于超声波可以穿透很多不透光的物体，所以利用超声波可以获得这些物体内部结构声学特性的信息，超声成像技术将这些信息变成人眼可见的图像。

在超声医学图像成像过程中，系统发出超声波在人体中传播，超声探头发射的单一频率的超声波被体内组织的粗糙表面散射会形成一系列相干波。由干涉理论可得，两个或两个以上频率相同、振动方向相同、相位差恒定的波在空间中传播叠加时，会出现某些区域振动加强，某些区域振动减弱或完全抵消的现象，分别对应相长干涉现象和相消干涉现象。以此类比，超声图像会出现由于声波的相长干涉和相消干涉，在图像上则表现为一种颗粒状、黑点和灰点相间的纹理，即斑点噪声。

图像的斑点噪声不仅会出现在医学超声图像中，还会出现在SAR图像等其他领域的图像中。以超声图像为例，带斑点噪声的图像不符合实际人体组织真实情况，这种噪声的存在会对医生研判病情产生干扰。目前，存在许多效果较好的抑噪方案，比如BM3D算法、NLM算法等，但效率普遍较低，无法在商业设备中实际使用。

发明内容

本发明提供了一种斑点噪声抑制方法、一种超声设备及一种计算机可读存储介质，解决相关技术中存在的无法实现对斑点噪声图像进行高效抑制的问题。

作为本发明的第一个方面，提供一种斑点噪声抑制方法，其中，包括：

根据BM3D算法获取训练超声图像组的斑点噪声分布图；

将所述斑点噪声分布图与训练超声图像组的原图输入至神经网络进行训练，得到训练模型；

根据所述训练模型对待测试超声图像组进行抑噪处理，得到待测试超声图像组的抑噪图像。

进一步地，所述根据BM3D算法获取训练超声图像组的斑点噪声分布图，包括：

根据BM3D算法对训练超声图像组进行斑点噪声抑制处理，得到噪声抑制图像组；

将训练超声图像组的原图与噪声抑制图组进行处理得到不同差值的相消干涉斑点噪声分布图像和相长干涉斑点噪声分布图像。

进一步地，所述将训练超声图像组的原图与噪声抑制图组进行处理得到不同差值的相消干涉斑点噪声分布图像和相长干涉斑点噪声分布图像，包括：

将训练超声图像组的原图减去所述噪声抑制图组，得到相长干涉斑点噪声分布图像；

将所述噪声抑制图组减去所述训练超声图像组的原图，得到相消干涉斑点噪声分布图像。

进一步地，所述将所述斑点噪声分布图与训练超声图像组的原图输入至神经网络进行训练，得到训练模型，包括：

将所述斑点噪声分布图与训练超声图像组的原图作为训练数据输入至UNet网络进行训练，得到训练模型。

进一步地，所述UNet网络采用最大值池化模块金字塔池化模块组成的混合池化模块。

进一步地，所述UNet网络的损失函数为：

其中，

进一步地，所述根据所述训练模型对待测试超声图像组进行抑噪处理，得到待测试超声图像组的抑噪图像，包括：

根据所述训练模型对待测试超声图像组进行处理，得到预测噪声分布图组；

根据所述预测噪声分布图组对所述待测试超声图像组进行抑噪处理，得到待测试超声图像组的抑噪图像。

作为本发明的另一个方面，提供一种超声设备，其中，包括：存储器和处理器，所述存储器和所述处理器通信连接，所述存储器用于存储计算机指令，所述处理器用于加载并执行所述计算机指令，以实现前文所述的斑点噪声抑制方法。

作为本发明的另一个方面，提供一种计算机可读存储介质，其中，所述计算机可读存储介质中存储有计算机指令，所述计算机指令用于使计算机执行前文所述的斑点噪声抑制方法。

本发明提供的斑点噪声抑制方法，通过使用BM3D滤波方法对原图像进行处理，使用处理结果与训练超声图像组的原图通过神经网络进行训练，得到训练模型，根据训练模型对待测试超声图像组进行抑噪处理，得到待测试超声图像组的抑噪图像，具有抑噪效果好，效率高，适用范围广泛的优势。

附图说明

附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：

图1为本发明提供的斑点噪声抑制方法的流程图。

图2为本发明提供的训练超声图像组的原图。

图3a为本发明提供的用于训练的差值分别为1、4、7的相消干涉噪声分布示意图。

图3b为本发明提供的用于训练的差值分别为1、4、7的相长干涉噪声分布示意图。

图3c为本发明提供的经预测差值分别为1、4、7的相消干涉噪声分布示意图。

图3d为本发明提供的经预测差值分别为1、4、7的相长干涉噪声分布示意图。

图4为本发明提供的待测试超声图像与最终抑噪图像的细节对比示意图。

图5为本发明提供的最终得到的抑噪图像示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互结合。下面将参考附图并结合实施例来详细说明本发明。

为了使本领域技术人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包括，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本实施例中提供了一种斑点噪声抑制方法，图1是根据本发明实施例提供的斑点噪声抑制方法的流程图，如图1所示，包括：

S110、根据BM3D算法获取训练超声图像组的斑点噪声分布图；

在本发明实施例中，可以准备三组训练超声图像组，其中第一组训练超声图像组作为原图，第二组训练超声图像组用于根据BM3D算法进行处理，第三组训练超声图像组作为待测试超声图像组。

需要说明的是，本发明实施例所提供的斑点噪声抑制方法可以针对任何超声图像，例如，乳腺超声图像，甲状腺超声图像，腹部超声图像，等等，还可以适用于其他需要斑点噪声抑制的图像。

如图2所示，为训练超声图像组的原图，即带有斑点噪声未经处理的图像。

具体地，所述根据BM3D算法获取训练超声图像组的斑点噪声分布图，包括：

根据BM3D算法对训练超声图像组进行斑点噪声抑制处理，得到噪声抑制图像组；

将训练超声图像组的原图与噪声抑制图组进行处理得到不同差值的相消干涉斑点噪声分布图像和相长干涉斑点噪声分布图像。

应当理解的是，使用BM3D算法抑制超声断面图像的斑点噪声，处理后的图像可视为噪声抑制图像组，该噪声抑制图像组和训练超声图像组的原图用于生成不同差值的相消干涉斑点噪声分布图像和相长干涉斑点噪声分布图像。

此处可以理解的是，训练超声图像组的原图为未经过任何处理的图像，因此是具有斑点噪声的，也就是说，通过将噪声抑制图像组和带有斑点噪声的图像组用来生成不同差值的相消干涉斑点噪声分布图像和相长干涉斑点噪声分布图像。

进一步具体地，将训练超声图像组的原图减去所述噪声抑制图组，得到相长干涉斑点噪声分布图像；

将所述噪声抑制图组减去所述训练超声图像组的原图，得到相消干涉斑点噪声分布图像。

在本发明实施例中，获取不同差值的相消干涉斑点噪声分布图的具体实施方式为，使用噪声抑制图像组分别减对应的训练超声图像组的原图，若结果图像像素为差值1，则保留该像素，否则置为0，即可获得差值为1的1号相消干涉斑点噪声分布图像组；同样，若差值为2，则置该点像素灰度值为1，其余像素灰度值置为0，依次获得差值为3、4、5...10的3号、4号、5号...10号相消干涉噪声分布图像组；若差值大于或等于11，则获得11号相消干涉斑点噪声分布图像组，公式如下：

N

其中，O表示训练超声图像组的原图(带斑点噪声图像)，O

如图3a为用于训练的差值分别为1、4、7的相消干涉噪声分布示意图。

在本发明实施例中，获取不同差值的相长干涉斑点噪声分布图的具体实施方式为，使用训练超声图像组的原图分别减对应的噪声抑制图像组，若结果图像像素为差值1，则保留该像素，否则置为0，即可获得差值为1的1号相长干涉噪声分布图像组；同样，若差值为2，则置该点像素灰度值为1，其余像素灰度值置为0，依次获得差值为3、4、5...10的3号、4号、5号...10号相长干涉噪声分布图像组；若差值大于或等于11，则获得11号相长干涉斑点噪声分布图像组，公式如下：

N

其中，N

如图3b为用于训练的差值分别为1、4、7的相长干涉噪声分布示意图。

S120、将所述斑点噪声分布图与训练超声图像组的原图输入至神经网络进行训练，得到训练模型；

具体地，将所述斑点噪声分布图与训练超声图像组的原图作为训练数据输入至UNet网络进行训练，得到训练模型。

在本发明实施例中，可以将训练超声图像组的原图作为训练图像，将1号相消干涉噪声分布图像组作为标签组，使用UNet网络对训练图像和标签图像进行训练，获得一组最佳训练模型。

具体地，所述UNet网络采用最大值池化模块金字塔池化模块组成的混合池化模块。

具体地，所述UNet网络的损失函数为：

其中，

需要说明的是，本发明实施例中采用的UNet网络为经过上述改进后的网络，这种更适合识别两种不同类型的噪声，能更准确标记不同差值的相消干涉噪声和相长干涉噪声位置，进而生成更准确的预测噪声分布。

S130、根据所述训练模型对待测试超声图像组进行抑噪处理，得到待测试超声图像组的抑噪图像。

具体地，根据所述训练模型对待测试超声图像组进行处理，得到预测噪声分布图组；

根据所述预测噪声分布图组对所述待测试超声图像组进行抑噪处理，得到待测试超声图像组的抑噪图像。

在本发明实施例中，使用训练模型获取相消干涉预测噪声分布图、相长干涉预测噪声分布图。

具体地，训练模型是22组最佳参数。使用该系列训练模型训练目标图像，获得差值为1、2...11的1号、2号...11号相消干涉预测噪声分布图像组，同理可获得1号、2号...11号相长干涉预测噪声分布图像组。

相消干涉预测噪声分布图、相长干涉预测噪声分布图的作用是标记需要改动灰度值的像素位置。因为序号为i的相消干涉预测噪声分布图、相长干涉预测噪声分布图是由对应的差值为i的相消干涉噪声分布图、相长干涉噪声分布图训练预测得到，所以i与对应的相消、相长分布属性共同决定带斑点噪声图像上该像素处灰度值在基础上加i或者减i的值作为当前像素灰度值。

对所有预测噪声分布图进行二值化处理，得到预测噪声分布图组。

如图3c为经预测差值分别为1、4、7的相消干涉噪声分布示意图，图3d为经预测差值分别为1、4、7的相长干涉噪声分布示意图。

以r为行序号，c为列序号，(r,c)表示图像上像素的坐标。对待测试超声图像组进行抑噪处理时，待测试超声图像组(r,c)位置处的像素灰度值的确定需参照相消干涉预测噪声分布图像和相长干涉预测噪声分布图像(r,c)位置处像素灰度值。若第i号相消干涉预测噪声分布图像(r,c)位置处像素灰度为1，那么待测试超声图像组灰度值需要加i，同理若第i号相长干涉预测噪声分布图像(r,c)位置处像素灰度为1，那么待测试超声图像组灰度值需要减i。若存在多张预测噪声分布图像像素(r,c)灰度值为1，则进行平均运算后再与待测试超声图像组(r,c)位置处的像素灰度值进行运算。待测试超声图像组抑噪过程公式如下：

其中，I为结果图像，I(r,c)为图像上位置(r,c)处的灰度值，对单张目标待测试超声图像组需要参考22张干涉预测噪声分布图像，对于任意位置的像素需依次遍历22张干涉预测噪声分布图像，最终得到抑噪图像。

图4为待测试超声图像(即未经过处理的带有斑点噪声的原图)与最终抑噪图像的细节对比示意图，图5为得到的抑噪图像示意图。

单张需抑噪的图像由22组训练模型获得对应的22张预测噪声分布，使用噪声分布依次校正图像中各像素灰度值。

本发明实施例提供的斑点噪声抑制方法，通过使用BM3D滤波方法对原图像进行处理，使用处理结果与训练超声图像组的原图通过神经网络进行训练，得到训练模型，根据训练模型对待测试超声图像组进行抑噪处理，得到待测试超声图像组的抑噪图像。本发明实施例提供的这种斑点噪声抑制方法能够在抑噪前完成训练工作获得训练模型，那么实际使用时直接利用训练模型生成干涉噪声预测分布并进行后续处理可快速获得理想结果，效率远高于效果相近的其他方法。另外，本发明实施例提供的这种斑点噪声抑制方法是波的相干干涉现象及原理，目的是抑制因相干干涉所导致的斑点噪声，抑噪效果明显，效率高于其他抑噪算法，不只是声波相干干涉导致的斑点噪声，其他领域的斑点噪声也可使用本方法抑噪。因此，具有抑噪效果好，效率高，适用范围广泛。

作为本发明的另一实施例，提供一种超声设备，其中，包括：存储器和处理器，所述存储器和所述处理器通信连接，所述存储器用于存储计算机指令，所述处理器用于加载并执行所述计算机指令，以实现前文所述的斑点噪声抑制方法。

需要说明的是，所述存储器可以是是高速RAM存储器(Random Access Memory，易挥发性随机存取存储器)，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器可选的还可以是至少一个位于远离前述处理器的存储装置。其中，存储器中存储应用程序，且处理器调用存储器中存储的程序代码，以用于执行上述任一方法步骤。

还需要说明的是，所述处理器可以是中央处理器(英文：central processingunit，缩写：CPU)，网络处理器(英文：network processor，缩写：NP)或者CPU和NP的组合。

作为本发明的另一实施例，提供一种计算机可读存储介质，其中，所述计算机可读存储介质中存储有计算机指令，所述计算机指令用于使计算机执行前文所述的斑点噪声抑制方法。

需要说明的是，所述计算机可读存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(FlashMemory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述计算机可读存储介质还可以包括上述种类的存储器的组合。

可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。