文摘

我们提出一个新的过滤技术能够减少乘法噪声的超声图像去噪算法的扩展基于数字路径的概念。在这种方法中,滤波器权重计算考虑像素之间的相似度强度属于当地社区的像素处理,也就是一条路。滤波器的输出估计像素的加权平均连接的路径。创建路径的方式是关键,决定了该滤波设计的有效性和计算复杂度。这样的过程可以有效的对不同类型的噪声,但失败的乘法噪声。增加过滤效率为这种类型的干扰,我们介绍一些改进的相似度函数的基本概念和新的类,最后扩展我们的时空领域的技术。实验结果证明,该算法提供了类似的结果与乘法噪声去除的最先进的技术可以应用在超声图像和视频流的实时图像增强。

1。介绍

医学超声成像技术广泛应用于诊断和评估身体内部的结构,它在治疗各种疾病中发挥着关键作用。相比其他医学成像技术,它是安全的,非侵入性,和病人耐受良好,和超声图像实时捕获在合理的价格。超声波图像的准确分析,因此适当的诊断是困难的因为图像颗粒结构称为散斑噪声污染的特点,对比恶化和阻碍了识别重要的图像细节(1]。虽然超声图像在采集过程中受到最初的改进,质量还远不够理想。因此,图像去噪的主要目的是去除噪声,同时保留重要的细节。

最近,大量的方法能够减少散斑噪声提出了(2]。根据提出的工作3- - - - - -5),其中一个最有前途的超声波图像的结果是获得与基于各向异性扩散算法技术(6和外地的想法意味着7- - - - - -11]。然而,其中大部分为静态图像设计,没有多少已经尝试通过考虑时间相干性的视频。

视频序列的处理算法可以把一个优势高相邻帧之间的相关性,探索空间和时间。这些属性结合使用不同的变体连续视频帧的像素强度的平均值。简单的时间过滤,如颞高斯,有效地去除噪声的视频缓慢移动的物体,但后续帧的平均操作会引起工件在输出结果中“重影”。一些作品表明,运动补偿让我们减少了模糊效应(12,13]。此外,“重影”效应可以减少应用程序的统计模型反映了小波系数的联合分布在空间和时间(14,15]。重影的工件可能还省略了双边滤波器的使用时间版本,已成功应用于自适应时空的积累(旅行社)过滤器16]。

在我们先前的工作视频过滤、时空去噪方案利用本地空间数字路径之间切换方法和时间高斯滤波(17后来描述)和模糊时空滤波器(18]。另一个有趣的研究与视频去噪引入了一个3 d过滤框架,基于模糊集之间的逻辑结合梯度值在不同的方向之前和现在的时间框架(19]。

本研究的主要目的是开发一个过滤器,将有效地应对乘法噪声在超声图像和视频。该算法是基于空间数字路径的概念提出了(20.,21]。最初的2 d算法提出了(20.完全去除高斯噪声和脉冲噪声,但经过一些修改失败的乘性干扰。新的去噪方案探索空间或时空像素邻域为了计算滤波器权重像素属于处理窗口。数字路径在时空领域可以被理解为轨迹或物体位移在后续帧的视频。

该技术利用一种特定的数字路径,所谓的逃跑的路径从空间域,并扩展了这个概念(2 d)时空范围(3 d),使我们能够有效地降低散斑噪声。此外,增加滤波器去噪能力,路径创造的新方法利用扩展社区由冯诺依曼引入元胞自动机[22]。的详细描述中给出的算法及其扩展部分2。节3,我们目前的实验结果和比较与竞争的过滤器。最后,结论部分4。

2。方法

2.1。散斑噪声模型

散斑噪声是一种相互依赖和非高斯乘法图像失真。这样的噪音通常比添加剂更难去除噪声(23]。这种类型的失真出现在声纳、激光、合成孔径雷达(SAR),这取决于材料的结构成像和各种采集参数24]。散斑噪声是一种随机过程建模,可以使用伽马,瑞利,Fisher-Tippett分布(25- - - - - -27]。在我们的工作中,它采用简化的散斑噪声模型,因为它已成功地应用于许多研究[11,24,28,29日]。 在哪里 观察到的信号,表示原始未知信号,分别和零均值高斯噪声。

2.2。一般过滤器框架

自平滑通常被用来减少随机噪声的水平,一个平均操作是必需的,以取代噪声像素, ,与一个合适的像素代表当地的时空点附近 。所以一般形式的模糊自适应滤波器工作的定义是时空内的加权平均的输入窗口在邻里关系与中心像素(30.,31日]。 在哪里和分别表示滤波器的输入和输出 是一个相似度函数计算以及数字路径从窗口中心点 ,与邻国 ,和有限的时空处理窗口 。

描述数字模型的路径,应该引入几个概念:数字点阵 定义为 ,这是图像序列的所有点的集合,和邻里关系(晶格点之间32]。

一个数字的路径 定义在图像点阵是相邻点的序列 ,是一个路径段的数量。让表示数字的路径的长度这是计算的 ,在那里表示两个相邻点之间的时空欧几里得距离的路径。

单一数字路径连接成本 可以确定作为衡量图像像素之间的不同 形成一个特定的路径链接和(33,34]。在新方法中,连接成本计算的组合拓扑路径长度和灰色的累积差异水平。因此,整个路径的连接成本可以定义如下:

2.3。相似度函数

过滤器所描述的重量(2)可以被定义在许多方面;在我们的例子中,我们使用两种不同的方法基于连接的成本计算以及数字路径。我们创建两种类型的隶属度函数导致过滤器用稍微不同的属性。

2.3.1。德通社_1日

在这种方法中,相似性函数被定义为所有邻居的中心点仍在邻里关系。定义相似度函数 过滤点之间和它的邻居,我们创建数字路径从中心点开始 ,交叉 最后终止点 ,这可能是在吗从 。相似度函数定义的点和使用路径探索进一步的中央点传递点附近 ,所以过滤结果将是更适合当地的图像结构。这个想法的一个例证是呈现在图1。这种方法将进一步表示,德通社_1日。在这种情况下,相似性函数形式如下: 在哪里表示所有可能的路径的数量 与步骤完全包含在处理窗口 ,原始的 和交叉 ;的指数是一个特定的路径;是一个不同值沿着特定路径;和是一个光滑函数的 。在这部作品中,使用指数函数(20.),所以相似性函数形式如下: 在哪里是滤波器设计参数。

2.3.2。德通社_去年

另一种方法是确定像素之间的相似度函数和通过所有可能的路径连接(图2)。这种方法将作为DPA表示_去年和图像点之间的相似性函数和可以定义如下: 在哪里表示所有可能的路径的数量 与步骤连接和和完全包含在处理窗口 , 是一个沿着特定路径不同价值,是一个光滑函数的 。最后,德通社_去年相似度函数的形式如下:

2.3.3。滤波器输出和β归一化

该方法可以使用不同的路径的长度和深度,因此,为了保证结果的可比性,有必要重新调节参数 。在这种情况下,参数将除以最大可能单一路径的成本;因此,在(5),归一化的值就会被使用。 最大路径成本可以确定使用的公式如下: 在哪里表示每个像素的比特数路径步骤的数量。下一阶段是一个规范化的相似性函数,它可以定义如下:

让 表示正在考虑的像素,代表噪声像素 ;滤波器的输出给出如下:

2.4。扩展社区和数字路径模型

选择的社区系统的新过滤器的性能有很大的影响。静态图像,有两种基本类型的社区:和 ,在三维图像的情况下,三个时空社区系统可以定义: , ,和(图3)。新空间过滤器社区和时空的和是非常有效的,但他们失败严重退化的图像。因此,在拟议中的去噪设计,我们引入了扩展冯诺依曼附近(22最初为细胞自动机定义。各种社区系统静态画在图2 d图像4,而3 d社区图所示5。

此外,提议去噪框架是强烈的效率与数字路径的类型。不同的路径模式使我们能够抑制某种类型的噪声(20.]。

先前的研究已经表明,最好的结果得到的脉冲高斯以及混合型噪音的自已避免路径(SAP)模型,但是我们的实验表明,在超声图像,实现了所谓的最伟大的结果逃跑路径模型(EPM);因此,将表示为新的过滤器逃跑路径过滤器(EPF)。在去噪方案,提出拓扑距离起始点在以下步骤中必须增加。模范空间逃跑路径创建各种社区系统见图6,而图7描述了时空。之后本文提出了过滤器将被标记为EPF2D二维(2 d)和过滤的情况下EPF3D对于时空的情况(3 d)。

当图像高度污染的情况下,我们可以增加过滤效率的两种方式中的一种:(1)扩展使用路径的长度或(2)以迭代的方式使用它。第二个选择是更快,更准确,并允许我们控制过滤强度调整在后续迭代中参数。通过这种方式,可以更新如下:

3所示。仿真结果

3.1。静态图像

常用的基准图像goldhill,船,人工生成的幻影被选出来比较不同的过滤器的效率。除此之外,我们使用合成测试图像是三月大的胎儿表示后的幻影胎儿。这个测试图像得到使用场二世应用程序模拟超声领域使用Tupholme-Stepanishen方法基于线性声学计算空间脉冲响应(35- - - - - -37]。提出超声波数据似乎更可靠,因为它包含典型工件的超声采集过程,因此它可以用于图像质量评价。参考无噪声的图像是通过500年平均模拟图像,图中所示8。描述过滤设计已经与下面的最先进的方法相比能够抑制散斑噪声:(我)维纳滤波器(2](2)散斑减少各向异性扩散(SRAD) [6](3)外地意味着(NLM) [7,8](iv)贝叶斯非局部优化意味着(OBNLM) [11](v)概率外地意味着(PNLM) [9](vi)概率patch-based权重(PPBW) [10](七)数字(DPA路径的方法_去年)[20.]

算法的源代码中使用我们的比较是由各自的论文的作者提供。为了确定最优的参数值参考过滤器,我们测试了范围广泛的参数根据作者的建议,获得尽可能高的PSNR值。

参数的推荐值和拟议的技术调整,所以最好的PSNR值。测试图像被描述的乘法噪声恶化(1)的意思 和 除了胎儿图像,使用一个更现实的污染工件产生的超声波图像采集过程的物理模型。恢复效率已被评估使用峰值信噪比(PSNR)和更复杂的结构相似度指数(MSSIM)计算高斯内核和缺省参数(38]。

数值结果总结在表的静态图像1。进行仿真表明,提出的EPF方法优于其他技术高度真实图像的PSNR指标恶化,而算法是基于非局部意味着提供稍微更好的结果低噪声污染水平。此外,提出了合成图像过滤提供了更好的结果。视觉对比成果的幻影图像绘制在图9。从这个图中,可以看出大多数过滤器去除乘性噪声和产生更多视觉上赏心悦目的结果,但结果是有点模糊。

最重要的和有价值的结果似乎获得了模拟胎儿图像,因为它是更类似于现实的超声图像。的视觉对比的分析滤波器的性能胎儿图像呈现在图10,而真正的超声波图像的结果手指描绘在图11。实现结果的评估也可以评估分割精度应用图像去噪预处理步骤,但是目前,它是在这个工作范围。拟议中的去噪方案还需要比这更小的社区家庭的外地意味着方法;因此,我们的方法是更快和更少地模糊了图像。还应该强调对所有方法基于NLM的概念,即使是很小的修改参数的最优值显著降低性能,而广泛的EPF框架给出了可接受的结果的参数。

3.2。视频序列

超声波设备获得的图像已经增强了内置过滤算法,但由此产生的效应可能仍然不满意。所以我们可以添加图像增强的另一个阶段。这些技术应该能够实时处理。的逃跑路径过滤器标准的PC上接近满足这个条件。此外,这些过滤器是适合GPU实现,因为所有路径可以并行计算和它缺乏分支块GPU线程。我们的初步实验表明,我们可以获得超过50 FPS标准CIF序列。因此,几个过滤器能够实时视频处理的相比,我们的新方法。此外更复杂的技术,基于非局部方法(8]和BM3D [39),添加了比较;然而,这些过滤器的计算复杂度限制了他们的使用进行离线处理。以下过滤器的性能评估:(我)维纳2数字-模拟空间自适应维纳滤波器(2)维纳3 d ( ),(3)颞高斯滤波器(TGauss) ( 和 )(iv)时空中值滤波器( )(v)非局部去噪手段(8和我们的时空实现(NLM3D)(vi)块匹配和三维过滤(BM3D) [39](七)空间快速数字路径方法(FDPA) ( )[20.](八)时空模糊FDPA过滤器(STFFDPA) ( , , , )[18](第九)空间滤波器EPM逃跑路径_1日2 d (),(x)EPM逃离道路时空的过滤器_1日3 d和EPM_去年3 d ()

视频去噪算法进行了测试使用公开可用的视频序列:工头,推销员,网球被描述的乘法噪声污染(1)的意思 和 。为了获得一个更现实的比较,我们准备了一个测试序列的基础上胎儿的形象。基地胎儿序列由150帧受到不同的转换模拟超声波采集过程中可能的位移。然后,所有的框架都受到一个仿真使用场二世应用程序。几乎无噪声的参考视频获得的平均200仿真结果(参考视频可以下载http://dip.aei.polsl.pl/usg/fetus_video.7z)。表2总结了结果集的测试视频序列。基于综合测试,很难选择最好的过滤器。在大多数情况下,特别是对于小的噪音水平,最好的PSNR结果得到BM3D过滤器;然而,时空解给只在更高的处理速度稍差的结果。对于严重损坏的序列,我们可以清楚地看到该过滤技术的优势。应该注意的是,对于更现实的超声波噪声模型,获得使用场二世应用程序,我们的解决方案是明确的优势(NLM3D过滤器最好的结果,但计算复杂度不完全,甚至进行离线处理)。在的情况下网球序列的破坏最小,最过滤技术质量比率恶化。这是由于特定的背景,类似于一个脉冲噪声模式。图12礼物的过滤结果和SSIM地图提到序列。可见,最坏的结果,基于中值滤波,有效地去除背景纹理的元素。此外,三维中值滤波引入了一些时间的工件,如模糊或删除移动对象。应该注意的是,获得的排名SSIM指数略有不同的逃生路径过滤器。

4所示。结论

在本文中,一种新的快速空间和时空的过滤器。拟议的乘法噪声抑制滤波技术设计,专门为超声图像和视频过滤。这部小说的方法是基于数字路径的特殊类型,所谓的逃跑的路径上创建一个图像lattice-spatial在二维情况下或时空视频处理。另外,介绍了新的扩展社区模型,基于冯·诺依曼概念来源于细胞自动机理论。提出的方法给同类或其他方法更好的结果,对静态图像和视频序列。另一个有益的特性所提出的去噪方案较低计算复杂度比其他先进的技术,它允许我们把它应用在实时图像处理任务。提出的滤波器也更稳定广泛的输入参数并给出了令人满意的结果的不同的质量指标和目视检查。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这个项目部分财政支持的SUT格兰特BK / 213 / Rau1/2016/10。