图像动态处理方法及成像设备技术

技术编号:36540346 阅读:23 留言:0更新日期:2023-02-01 16:37
本发明专利技术属于超声成像技术领域,提供了一种图像动态处理方法,包括:采集待成像区域的多幅超声图像,根据多幅超声图像将图像总灰度范围分割为多个分阶灰度范围;根据分阶灰度范围对待处理超声图像进行提取,获取多幅超声特征图;对多幅超声特征图进行处理,获得多幅处理后的超声特征图;对多幅处理后的超声特征图进行合并,获得目标超声图像。本发明专利技术还提供了一种实现上述图像动态处理方法的成像设备,尤其适用于具有周期性生理特征的机体组织的超声成像。本发明专利技术依据待成像区域的实际情况自动对超声图像进行灰度划分,无需进行人工干预或预设固定灰度范围,可以有选择地增强超声图像并抑制噪点和散斑,提升目标超声图像的成像质量。量。量。

【技术实现步骤摘要】
图像动态处理方法及成像设备


[0001]本专利技术属于超声成像
,尤其涉及一种图像动态处理方法及成像设备。

技术介绍

[0002]体内超声成像技术是近年来临床应用于诊断血管、心脏疾病的一种新的诊断方式,血管内超声成像可以显示血管内腔、管壁和粥样斑块的组织形态学特征以及斑块的病理组成,如钙化、纤维组织、脂质核心及斑块破裂、离体等;心脏内超声成像(超声心动图)已被常规用于心脏疾病的诊断、治疗和随访。
[0003]清晰的超声图像是医生有效提取特征,识别病变,做出正确诊断的前提。但是实际的超声图像往往受到像素噪声、散斑和低对比度等因素影响,此外,生理结构的不同位置、不同形状和不同类型对超声波有不同的影响,这些因素都会使得成像质量下降,机体组织辨识困难,生理结构成像欠清晰,并造成图像后处理困难,进而影响超声诊断结果。
[0004]目前降低超声图像噪声和抑制散斑的常规成像方法包括滤波算法和空间复合算法。滤波算法通常是对原图像进行平滑处理并保留图像特征和边缘;空间复合算法的原理在于将同一成像对象在不同位置提取的多幅图像进行复合,该方法使得在所有图像中均出现的图像特征受到增强,在单独图像中出现的随机特征如噪声和散斑等受到抑制。但上述成像方法对图像的对比度都未起到增强作用。而基于直方图的阈值法作为现有技术常用的增强超声图像对比度的方法,其原理在于通过灰度变换改变阈值限定范围内的图像灰度值,达到增强图像对比度的目的。但是,由于上述方法中的阈值通常为固定的预设值或基于特定假设,在输入图像条件改变的情况下,容易出现导致图像像素被错误分类的情况。

技术实现思路

[0005]基于此,本专利技术的目的在于提供一种有效降低超声图像噪声和散斑,同时增强超声图像对比度的图像处理方法和成像设备。
[0006]本专利技术的一个目的在于提供一种图像动态处理方法,包括以下步骤:
[0007]采集待成像区域的多幅超声图像,根据所述多幅超声图像将图像总灰度范围分割为多个分阶灰度范围;
[0008]根据所述分阶灰度范围对待处理超声图像进行提取,获取多幅超声特征图;
[0009]对所述多幅超声特征图进行处理,获得多幅处理后的超声特征图;
[0010]对所述多幅处理后的超声特征图进行合并,获得目标超声图像。
[0011]进一步地,所述图像动态处理方法用于对具有周期性生理特征的机体组织的超声图像进行处理,采集待成像区域的多幅超声图像的具体方法为:在至少一个生理特征的周期时间T内采集待成像区域的多幅超声图像。
[0012]进一步地,根据多幅超声图像对图像灰阶进行分解的方法包括:
[0013]S11、分别统计所述多幅超声图像中各超声图像第k个灰度的累积像素总数H
k
,计算所述多幅超声图像的累积像素总数H
k
之间的标准差σ(H
k
),确定其标准差σ(H
k
)为最大值
时对应的灰度λ1为第一灰度阈值,按第一灰度阈值λ1将总灰度范围分割为第一灰度范围[0,λ1]和第二灰度范围[λ1,K],累计像素总数H
k
及其标准差σ(H
k
)分别表示为:
[0014][0015][0016]其中,所述k为各超声图像中的灰度计数,所述K为图像总灰度数量,h
i
为第i个灰度的灰度像素数量,t为时间T内的第t幅超声图像,N为超声图像总数,H
k
(t)为第t幅超声图像中第k个灰度的累积像素总数;μ(H
k
)为该时间周期内N幅超声图像中第k个灰度累积像素总数的平均值;
[0017]S12、在上一步骤获得的各灰度范围内,以坐标点为起点,坐标点为终点获取直线确定距直线距离为最大值时的坐标点P
x
(x,σ(H
x
))所对应的灰度x为灰度阈值λ
x
,以本步骤获得的各灰度阈值λ
x
对上一步骤获得的灰度范围进行进一步分割,获得多个灰度范围[λ
a
,λ
x
]和[λ
x
,λ
b
];
[0018]其中,所述λ
a
和λ
b
分别为上一步骤获得的各灰度范围的端点值,所述灰度x∈[λ
a
,λ
b
];
[0019]S13、在上一步骤获得的各灰度范围[λ
a
,λ
x
]和[λ
x
,λ
b
]内,分别计算距直线距离为最小值且距λ
x
差值绝对值最小的坐标点所对应的灰度y1和灰度y2,其中,灰度y1∈[λ
a
,λ
x
],灰度y2∈[λ
x
,λ
b
];
[0020]S14、当灰度y1和灰度y2为该灰度范围边界值时,该灰度范围内停止继续分割;
[0021]当灰度y1和灰度y2不为该灰度范围边界值时,确定为灰度阈值λ
y1
和灰度阈值λ
y2
,以灰度阈值λ
y1
对灰度范围[λ
a
,λ
x
]进行进一步分割,以灰度阈值λ
y2
对灰度范围[λ
x
,λ
b
]进行进一步分割,获得多个灰度范围[λ
a
,λ
y1
],[λ
y1
,λ
x
],[λ
x
,λ
y2
]和[λ
y2
,λ
b
]后返回步骤S13;
[0022]S15、当各灰度范围内均停止继续分割时,确定上述各灰度范围为图像总灰度范围分割得到的多个分阶灰度范围。
[0023]进一步地,采集待成像区域的多幅超声图像,根据所述多幅超声图像将图像总灰度范围分割为多个分阶灰度范围的步骤具体为:
[0024]S11、在时间T内采集多幅待处理超声图像;
[0025]S12、确定多幅待处理超声图像的有效灰度范围,将所述有效灰度范围映射至所述图像总灰度范围,获得映射灰度范围;
[0026]S13、根据所述多幅超声图像将所述映射灰度范围分割为多个分阶灰度范围。
[0027]进一步地,确定所述多幅超声图像的有效灰度范围的方法为:
[0028]分别计算所述多幅超声图像中第k个灰度发生的概率p
k
及多幅超声图像中灰度发生概率的标准差σ(p
k
),可分别表示为:
[0029]p
k
=h
k
/M;
[0030][0031]其中,h
k
为第k个灰度的像素个数,M为该幅超声图像中总像素个数;p
k
(t)为第t幅超声影像中第k个灰度出现的概率;μ(p本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种图像动态处理方法,其特征在于,包括以下步骤:采集待成像区域的多幅超声图像,根据所述多幅超声图像将图像总灰度范围分割为多个分阶灰度范围;根据所述分阶灰度范围对待处理超声图像进行提取,获取多幅超声特征图;对所述多幅超声特征图进行处理,获得多幅处理后的超声特征图;对所述多幅处理后的超声特征图进行合并,获得目标超声图像。2.根据权利要求1所述的图像动态处理方法,其特征在于,所述图像动态处理方法用于对具有周期性生理特征的机体组织的超声图像进行处理,采集待成像区域的多幅超声图像的具体方法为:在至少一个生理特征的周期时间T内采集待成像区域的多幅超声图像。3.根据权利要求2所述的图像动态处理方法,其特征在于,根据多幅超声图像对图像灰阶进行分解的方法包括:S11、分别统计所述多幅超声图像中各超声图像第k个灰度的累积像素总数H
k
,计算所述多幅超声图像的累积像素总数H
k
之间的标准差σ(H
k
),确定累积像素总数标准差σ(H
k
)为最大值时对应的灰度λ1为第一灰度阈值,按第一灰度阈值λ1将总灰度范围分割为第一灰度范围[0,λ1]和第二灰度范围[λ1,K],累积像素总数H
k
及其标准差σ(H
k
)分别表示为:为:其中,所述k为各超声图像中的灰度计数,所述K为图像总灰度数量,h
i
为第i个灰度的灰度像素数量,t为时间T内的第t幅超声图像,N为超声图像总数,H
k
(t)为第t幅超声图像中第k个灰度的累积像素总数;μ(H
k
)为该时间周期内N幅超声图像中第k个灰度累积像素总数的平均值;S12、在上一步骤获得的各灰度范围内,以坐标点为起点,坐标点为终点获取直线确定距直线距离为最大值时的坐标点P
x
(x,σ(H
x
))所对应的灰度x为灰度阈值λ
x
,以本步骤获得的各灰度阈值λ
x
对上一步骤获得的灰度范围进行进一步分割,获得多个灰度范围[λ
a
,λ
x
]和[λ
x
,λ
b
];其中,所述λ
a
和λ
b
分别为上一步骤获得的各灰度范围的端点值,所述灰度x∈[λ
a
,λ
b
];S13、在上一步骤获得的各灰度范围[λ
a
,λ
x
]和[λ
x
,λ
b
]内,分别计算距直线距离为最小值且距λ
x
差值绝对值最小的坐标点所对应的灰度y1和灰度y2,其中,灰度y1∈[λ
a
,λ
x
],灰度y2∈[λ
x
,λ
b
];S14、当灰度y1和灰度y2为该灰度范围边界值时,该灰度范围内停止继续分割;当灰度y1和灰度y2不为该灰度范围边界值时,确定为灰度阈值λ
y1
和灰度阈值λ
y2
,以灰度阈值λ
y1
对灰度范围[λ
a
,λ
x
]进行进一步分割,以灰度阈值λ
y2
对灰度范围[λ
x
,λ
b
]进行进一步分割,获得多个灰度范围[λ
a
,λ
y1
],[λ
y1
,λ
x
],[λ
x
,λ
y2
]和[λ
y2
,λ
b
]...

【专利技术属性】
技术研发人员:何好张金骜刘斌
申请(专利权)人:深圳市赛禾医疗技术有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1