(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111613793.0 (22)申请日 2021.12.27 (71)申请人 复旦大学 地址 200433 上海市杨 浦区邯郸路2 20号 申请人 中国信息通信研究院 (72)发明人 冯天宜　王道洋　方金武　 (74)专利代理 机构 南京泰普专利代理事务所 (普通合伙) 32360 代理人 张帆 (51)Int.Cl. G06T 5/00(2006.01) G06N 3/00(2006.01) (54)发明名称 自适应非局部均值超声图像去噪方法及系 统 (57)摘要 本发明提供了一种自适应非局部均值超声 图像去噪方法及系统。 方法包括： 采集图像： 利用 超声机器对病源器官进行图像拍摄， 取得符合要 求的超声图像， 完成图像采集； 导出图像： 将采集 得到的超声图像从超声机器中导出为序列图像， 将所述序列图像按照BMP图像格式写入到BMP图 像文件夹中； 建立超声噪声模型； 去噪： 对建立的 所述超声噪声模 型去噪， 得到去噪后的超声噪声 模型； 输出图像： 将超声 图像输入至去噪后的超 声噪声模型， 输出去噪后超声 图像。 该方法将蜂 群算法引入NLM参数的寻优求解， 蜂算法迭代寻 优的特性寻找NLM算法的最优λ， M和P参数， 以此 得到自适应超声图像去噪模型， 相比现有的超声 去噪方法， 可以获得去噪后高质量的超 声图片。 权利要求书3页 说明书5页 附图1页 CN 114255192 A 2022.03.29 CN 114255192 A 1.自适应非局部均值超声图像去噪方法， 其特 征在于， 所述方法包括： 步骤1、 采集图像： 按照医学要求， 利用超声机器对病源器官进行图像拍摄， 取得符合要 求的超声图像， 完成图像采集； 步骤2、 导出图像： 将步骤1中采集得到的超声图像从超声机器 中导出为序列图像， 将所 述序列图像按照BMP图像 格式写入到BMP图像文件夹中； 步骤3、 建立超声噪声模型； 步骤4、 去噪： 对步骤3中建立的所述超声噪声模型去噪， 得到去噪后的超声噪声模型； 步骤5、 输出图像： 将超声图像输入至去噪后的超声噪声模型， 输出去噪后超声图像。 2.根据权利要求1所述的图像去噪方法， 其特 征在于， 步骤3超声噪声模型如下： u(x)＝v(x)+vγ(x)θ(x) 式中， θ(x)是均值为0、 方差为σ2的高斯噪声， γ为取决于超声设备和成像过程的一个常 数， 取γ＝0.5 。 3.根据权利要求1所述的图像去噪方法， 其特 征在于， 步骤4去噪的过程进一 步包括： 步骤4‑1、 利用蜂算法迭代寻优的特性 寻找NLM算法的最优 λ， M和P参数； 步骤4‑2、 将最优参数代入NLM算法获得最优滤波器， 并对原始图像处理得到滤波图像， 以此消除噪声。 4.根据权利要求3所述的图像去噪方法， 其特 征在于， 步骤4 ‑1进一步包括： 步骤4‑1a、 初始化蜂群参数； 参数包括确定种群数N、 最大迭代次数M、 控制参数limit、 以及确定搜索空间 的范围， 在 搜索空间中随机生 成初始解xi(i＝1,2,3, ……,SN)， SN为食物源个数， 每个解xi是一个D维 的向量， D是问题的维数； 步骤4‑1b、 初始化之后， 整个种群进行引领蜂、 跟 随蜂和侦查蜂搜寻过程的重复循环， 直到达到最大迭代次数M或误差允许值 ε； 步骤4‑1c、 在搜索过程 开始阶段， 每 个引领蜂由下式产生 一个新解， 并计算 其适应度： 其中， i是当前解， k是随机 选择的邻域 解， 是[‑1,1]之间符合均匀分布的随机数。 5.根据权利要求 4所述的图像去噪方法， 其特 征在于， 步骤4 ‑1还包括： 步骤4‑1d、 在所有引领蜂完成搜寻过程之后， 引领蜂在招募区跳摇摆舞把解的信息及 信息与跟随蜂分享； 跟随蜂根据式计算每 个解的选择概 率Pm： 式中， m表示搜寻次数， fitm表示第m次搜寻的解的拟合， 表示第m次搜寻的解； 步骤4‑1e、 在所有跟随蜂完成搜寻过程之后， 如果一个解经过limit次循环仍然没有被 进一步更新， 则认为此解陷入局部最优， 该食物源被舍弃； 设食物源xi被舍弃， 则此食物源对应的引领蜂转成一个侦查蜂； 侦察蜂由下式产生一 个新的食物源代替它；权　利　要　求　书 1/3 页 2 CN 114255192 A 2其中， i＝1,2,...,SN， j＝1,2,...,D； SN是食物源数量， D是设计参数的维度， 和 分为j维的上界和下界； 步骤4‑1f、 判断是否有放弃的解， 否则按步骤4 ‑1e随机产生 新解将其替换； 步骤4‑1g、 记录最优解， 判断是否满足循环终止条件， 若满足， 循环结束， 输出最优λ， M 和P参数， 否则返回步骤4 ‑1c继续搜索。 6.根据权利要求3所述的图像去噪方法， 其特 征在于， 步骤4 ‑2进一步包括： 步骤4‑2a、 根据所述超声噪声模型， 利用基于贝叶斯公式的NLM算法进行图像去噪， 得 到NLM去噪算法模型： 式中， 1幅受噪声污染的图像v＝{v(x)|x∈I}， I代表整个图像空间， 权重系数w(x,y)表 示像素点y对像素点x的影响程度； w(x,y)计算公式为： 其中， d2为x和y两点邻域块之间欧氏距离的平方和， 欧式距离越小， 两者的相似程度越 大； 参数h＝λ(2LΔ)1/2， 控制权重w(x,y)的衰减速度， 即直接决定信号的最终滤波程度； Δ表 示以点x为中心的邻域 块； LΔ为以点y为中心的邻域 块； λ为带宽参数； w(x,y)的大小取决于以x和y为中心的两个邻域块之间的相似程度， 两者相似度越高， 则w(x,y)的取值越大， 反 之亦然； w(x,y)取值满足0 ≤w(x,y)/Z≤1和∑jw(x,y)＝1两个 基本条件。 7.超声图像去噪系统， 其特 征在于， 包括： 超声机器， 用于对病源器官进行图像拍摄， 取 得符合要求的超声图像， 完成图像采集； 图像导出模块， 用于将超声机器中采集得到的超声图像从超声机器中导出为序列图 像， 将所述序列图像按照BMP图像 格式写入到BMP图像文件夹中； 超声噪声模型构建模块， 用于构建超声噪声数 学模型； 去噪模块， 用于对所述超声噪声模型构建模块建立的所述超声噪声模型去噪， 得到去 噪后的超声噪声模型； 输出图像模块， 用于将超声图像输入至去噪后的超声噪声模型， 输出去噪后超声图像。 8.根据权利要求7 所述的超声图像去噪系统， 其特 征在于： 所述去噪模块进一步利用蜂算法迭代寻优的特性寻找NLM算法的最优λ， M和P参数； 将 最优参数代入N LM算法获得最优滤波器， 并对原 始图像处 理得到滤波图像， 以此消除噪声； 所述超声噪声模型构建模块构建得到的超声噪声模型如下： u(x)＝v(x)+vγ(x)θ(x) 式中， θ(x)是均值为0、 方差为σ2的高斯噪声， γ为取决于超声设备和成像过程的一个常 数， 取γ＝0.5 。 9.超声图像去噪设备， 其特 征在于， 包括： 至少一个处 理器和存 储器；权　利　要　求　书 2/3 页 3 CN 114255192 A 3