一種有效的超聲寬景成像方法研究

【摘要】寬景成像技術可以得到視野范圍更大的圖像。本文使用基于SAD匹配準則的圖像配準技術來獲得運動向量，使用連續圖像拼接方法進行圖像的融合。并提出利用運動向量校正來提高向量精度，采用多邊形填充方法改進圖像的質量。最后，通過實驗證明該方法用于寬景成像是有效的。

【關鍵詞】寬景成像；塊匹配；運動估計；向量校正；圖像拼接

Abstract：Wide-field-of-view imaging method obtains an image with larger area.This paper uses image registration method based on SAD matching criteria to obtain the motion vectors，and applies the persistence compounding method to compound images.It also presents the motion vectors correction to improve the motion vectors’accuracy and the polygon filling algorithm to improve the quality of the image.At last，experiments prove that the proposed method could be applied for Wide-field-of-view imaging effectively.

Key words：Wide-field-of-view；block-matching；motion estimation；vectors correction；image compound

1.引言

由于超聲技術的低成本、無創性和無輻射等優良特性，已被廣泛應用于醫療診斷領域。目前，超聲診斷已成為多種疾病診斷的首選方法。由于超聲診斷的不斷發展，對超聲技術成像質量要求就愈來愈高。然而，由于探頭的限制，傳統的掃描方式往往會將成像將視野局限在很小的視覺區域內，不能很好的展現出完整的感興趣區域（ROI），就需要進行多次掃描來獲得整個ROI區域的信息，這對診斷無疑形成了一定的困擾，而超聲寬景成像技術[1]可以彌補這一缺陷。

在寬景成像模式下，當探頭在感興趣區域中掃描，獲得一系列圖像，使用獲得圖像的當前幀與先前的圖像幀集合結合便組成一幅寬景圖像。本文將SAD匹配準則與基于塊的圖像配準技術相結合獲得運動向量：使用主軸搜索和改進的梯度下降算法相結合來進行連續幀之間的分塊運動估計，利用運動向量校正來提高向量精度，通過結合二次方變換模型來進行全局圖像運動估計。隨后，采用多邊形填充方法改進圖像的質量，使用連續圖像拼接方法進行圖像最后的融合，最后對圖像進行相應的對比度強化處理。同時也給出了實時超聲圖像的實驗驗證。

2.分塊的運動估計

2.1 塊匹配方法

目前使用最廣泛的運動估計方法是塊匹配運動估計[1-2]，其基本思想是把圖像劃分為一些不重疊的子塊，以這些子塊為基本單元，使用相應的匹配準則，在相鄰幀中搜索匹配塊，從而得到運動矢量。

2.2 Sad匹配準則

目前基于塊匹配的方法中，使用的匹配準則也多種多樣，其中由于絕對誤差和（Sum of Absolute Difference，SAD）不包含乘法，計算量小且簡單，所以被廣泛使用，計算公式如下：

（1）

式中，假設塊的大小是M×N，SAD的值即為將當前幀H（k）中目標塊與先前幀H（k-1）處于（i，j）位置的候選塊做像素間的絕對差和，而SAD的最小值塊即為最佳匹配塊。

2.3 搜索算法

本文主要使用主軸上的搜索與改進的梯度下降搜索相結合的方法進行搜索。搜索之前，先計算目標塊和其對應于搜索區域中位置的SAD值，并設定一個閥值u（試驗所得），若該SAD值小于u，則認為該目標塊沒有顯著的相對運動，為無效目標塊，舍棄該塊。

具體搜素算法步驟如下：

（1）主軸上搜索

從起始位置（目標塊對應于搜索區域中的位置）開始，在X軸方向，分別計算它左右兩邊的SAD值。哪邊值小，就往該方向繼續進行計算，直到出現SAD值大于前一個位置的或到達了搜索的邊緣位置。于是，在X方向得到一個SAD最小值。接下來，以此為基準在Y方向進行搜索，最終得到一個SAD最小值或是搜索的邊界，為候選位置。

（2）改進的梯度下降搜索

以候選位置為中心點，使用改進的梯度下降方法繼續搜索，尋找SAD最小值點。采用3×3搜索模板進行搜索，在梯度下降的過程中，會有兩種情況出現：邊界命中和角命中，即在搜索窗口的邊上或是角上取得SAD最小值。于是，沿從中心點到最小值點方向向前多搜索一個點，將該點處的SAD值與之前SAD最小值進行比較，選取新的最小值點為搜索中心，繼續按此方法搜索，直到SAD最小值點在搜索窗口的中心，則算法結束，該點為最終位置。為了減少計算量，搜索過程中一些已經計算過的點不需要再次計算。

用最終位置點坐標減去該塊對應起始位置坐標就可得到該塊的運動向量。如果向量長度近似為0，則舍棄這個位置的運動向量，同時用該最終位置點的SAD值更新u。當舍棄的運動向量數目大于某個界限，則說明當前幀與前一幀較沒有明顯的相對運動，需丟棄當前幀，將當前幀的下一幀圖像與當前幀的前一幀進行配準。

2.4 向量校正

由于組織運動、采樣過程中的錯誤操作、局部最優問題以及斑點噪聲都可能影響配準結果。因此本文使用文獻[2]中采用的基于角度的矢量校正方法來提高運動向量精度。

具體方法如下：

（1）分別計算當前幀和前一幀歸一化的平均運動矢量CurNorVec和HisNorVec，然后計算兩向量間的夾角θ，若θ的絕對值大于10°，則舍去當前幀。否則，根據公式（2）計算新的歸一化平均矢量NewNorVec。

NewNorVec=CurNorVec×ek+HisNorVec×

（1-ek） （2）

其中，，為高斯誤差函數，由組織旋轉和組織運動的相關系數決定。S控制H的形狀，由超聲的系統參數和大量的實驗決定

矯正參考平均向量NewMVec由NewNorVec和CurNorVec的長度相乘得到。

（2）對當前幀的有效運動向量進行校正，校正公式如下：

NewBlockVec=CurBlockVec×+NewMVec×

（1-） （3）

其中，CurBlockVec為一個塊運動矢量，NewBlockVec是經過校正得到的運動矢量。，其中C1、C2控制α的形狀，C3為CurBlockVec和NewMVec兩向量之間的夾角。

（3）用新計算得到的NewNorVec更新His NorVec。

3.圖像間運動估計

當前幀和前一幀之間的塊與塊對應關系通過之前的計算可以獲得，我們把該對應關系看做兩個一一對應的點集，之后通過使用文獻[4]中提到的二次方變換可以求得圖像的全局運動。

對于兩幀之間塊與塊之間的匹配問題，可以看做已知兩個點集{xi}和{yi}，求旋轉矩陣r和平移向量t0和t，使式（4）取最小值。

（4）

式中wi為樣本點的權重，取向量校正中的值。其中xi=[x，y，x2，y2，xy]T，yi=[x，y]T。最優平移向量分別為這兩個點集的加權平均和，即：

（5）

（6）

接下來求解最優變換矩陣，令qi=xi-xcm和pi=yi-ycm，則問題轉化為求矩陣A，它使得取得最小值。通過對該式求導，使導數為零，可得到A的最優解：

（7）

最終，點集的映射變換按照下式計算：

gi=A（xi-xcm）+ycm （8）

上式變形，可得：

gi=Axi+T （9）

T=gcm-Axcm （10）

T表示平移向量（tx，ty）。

使用上述的變換模型，便可得到相鄰兩幀圖像的全局變換參數。

4.圖像拼接和增強

獲得了圖像之間的空間變換關系后，需要進行圖像的拼接。本文使用多邊形填充方法[4]來獲得圖像填充區域內整數坐標處的像素值，然后使用連續圖像拼接方法[2]進行圖像融合，最終得到寬景圖像。

融合完成后，浮點數轉換到灰階對應的整數所產生的誤差會影響融合效果，我們使用3*3的均值濾波器對融合圖像進行濾波來減小誤差，并對圖像的對比度做強化處理，公式如下：

（11）

I（k+1）為對比度增強后的像素點值，M為寬景圖形緩沖區中全局平均像素值，大于1，為對比度系數。

5.實驗結果

為了驗證以上寬景成像方法的有效性，我們使用實驗室開發的Saset彩色超聲成像系統獲取數據。我們使用的測試集合包含260幅圖像，是對手臂組織采集的圖像。分別抽取圖像集中前，中，后三個位置的圖像，如圖1所示。我們可以看到這幾張圖像不能單獨地完整顯示整個組織，而且存在一定的speckle噪聲。

我們依次使用本文的方法，在對對圖像進行去噪預處理后，首先進行塊的運動估計，接著計算圖像間的運動估計，最后進行圖像合成，并進行一些相應的去噪和圖像增強處理，可以得到圖2，可以看出，該組織信息可以完整的顯示，噪聲也得到相應的抑制，所以本文的方法對于寬景成像是有效的。

6.總結

由于人體結構復雜，呼吸等因素會造成內部組織運動，同時，探頭在移動過程中會對組織進行擠壓，產生形變，這些情況都不利于配準計算，所以需要更好的方法來進行配準，提高配準精度和圖像質量。同時，考慮到超聲的實時性，可以考慮基于多核或GPU技術。

參考文獻

[1]WENGL，TIRUMALAI A P，LOWERY C M，et al.“US extended-field-of-view imaging technology”，Radiology，1997，203：877-880.

[2]TAN Chao-wei， LIU D C.“Image registration based wide-field-of view method in ultrasound imaging”，Proc of the 2ndInternational Conference on Bioinformatics and Biomedical Engineering，2008.

[3]TAN Chao-wei，WANG Bo，LIU P，et al.“Adaptive mesh optimization and nonrigid motion recovery based image registration for vide-field-of-view ultrasound imaging”，Proc of the 30thAnnual International IEEE EMBS Conference，2008.

[4]許自娟，譚朝煒，劉東權.基于互信息與二次方變換的超聲寬景成像[J].計算機應用研究，2011，28（1）：363-366.

[5]蘇立楠，高上凱.一種快速擴展視野超聲成像方法研究[J].中國生物醫學工程學報，2010，29（3）：373-378.

[6]Ruixin Ding，“A Fast Method for Panoramic Ultrasound Imaging”，2011 4thInternational Conference on Biomedical Engineering and Informatics （BMEI），2011，16-19.

[7]王純，孫中華，賈克斌.一種綜合搜索策略的快速運動估計算法[J].計算機應用研究，2010，27（8）：2587-2560.

[8]蔣曉悅，趙榮椿.幾種塊匹配運動估計算法的比較[J].計算機應用研究，2004：1-3.