Abstract

A novel approach to suppression of ultrasonic speckle based on a combination of segmentation and optimum L-filtering is presented. With the aid of a suitable modification of the learning vector quantizer (LVQ) neural network, the image is segmented in regions of (approximately) homogeneous statistics. For each of the regions a minimum mean-squared-error (MMSE) L-filter is designed, by using the histogram of grey levels as an estimate of the parent distribution of the noisy observations and a suitable estimate of the (assumed constant) original signal in the corresponding region. Thus, a bank of L-filters results, with each of them corresponding to and operating on a different image region. Simulation results from both simulated and real B-mode ultrasonic images are presented, which verify the (qualitative and quantitative) superiority of our technique over a number of commonly used speckle filters.

Zusammenfassung

In diesem Artikel wird ein neuer Ansatz zur Unterdrückung von Ultraschallflecken vorgestellt, der auf einer Kombination von Segmentierung und optimaler L-Filterung beruht. Mit Hilfe einer geeigneten Modifikation des neuralen Netzes zur Lernenden Vektorquantisierung (LVQ) wird das Bild in Gebiete mit (näherungsweise) homogenen statistischen Eigenschaften segmentiert. Für jedes dieser Gebiete wird ein L-Filter mit minimalem mittlerem quadratischem Fehler (MMSE) entworfen, indem das Histogramm der Grauwerte als Schätzer der Verteilung der verrauschten Beobachtungen und ein geeigneter Schätzer des (als konstant angenommenen) ursprünglichen Signals im entsprechenden Gebiet verwendet werden. Daraus ergibt sich eine Bank von L-Filtern, von denen jedes einem anderen Gebiet des Bildes entspricht und auf diesem operiert. Es werden Simulationsergebnisse sowohl von simulierten als auch von realen B-Modus Ultraschallbildern gezeigt, die die (qualitative und quantitative) Überlegenheit unserer Methode gegenüber einigen normalerweise verwendeten Filtern zur Unterdrückung von Flecken bestätigen.

Résumé

Nous présentons une nouvelle approche pour la suppression du bruit de tache en imagerie ultra-sonore, basée sur une combinaison de segmentation et de L-filtrage optimal. A l'aide d'une modification adéquate du réseau de neurones de quantification vectorielle par apprentissage (LVQ), l'image est segmentée en régions de statistiques (approximativement) homogènes. Pour chacune des régions un L-filtre d'ereur quadratique moyenne minimale est construit en utilisant l'histogramme de niveaux de gris comme estimée de la distribution de base des observations bruitées et une estimée adéquate du signal original (supposé constant) dans la région correspondante. De la sorte, un banc de L-filtres est produit, chacun d'eux correspondant à et opérant sur une région de l'image différente. Des résultats de simulation pour des images ultra-sonores mode B simulées et réelles sont présentées, qui permettent de vérifier la supériorité (qualitative et quantitative) de notre technique vis-à-vis d'un certain nombre de filters couramment utilisés.

Author Keywords: Ultrasonic imaging; Speckle noise; Self-organizing neural networks; L-filters

Article Outline

• References