一种图像噪声估计方法技术

本发明专利技术提供一种图像噪声估计的方法，所述图像噪声估计方法包括：输入图像，将所述图像进行线状结构检测，得到线状结构图；根据所述线状结构图，提取所述图像的背景区域；比较所述背景区域的像素数目与预定阈值的大小，若所述背景区域的像素数目大于等于所述预定阈值，则根据所述背景区域内像素点的灰度值计算所述图像的噪声估计；若所述背景区域的像素数目小于所述预定阈值，则根据所述线状结构图中的平滑区域内像素点的灰度值计算所述图像的噪声估计。本发明专利技术基于线状结构检测的变换形式，能自动、快速而准确地提取背景区域，而基于所述背景区域得到的噪声估计，不仅受图像中高频细节干扰少，而且稳定、准确。

【技术实现步骤摘要】
【专利摘要】本专利技术提供一种图像噪声估计的方法，所述图像噪声估计方法包括：输入图像，将所述图像进行线状结构检测，得到线状结构图；根据所述线状结构图，提取所述图像的背景区域；比较所述背景区域的像素数目与预定阈值的大小，若所述背景区域的像素数目大于等于所述预定阈值，则根据所述背景区域内像素点的灰度值计算所述图像的噪声估计；若所述背景区域的像素数目小于所述预定阈值，则根据所述线状结构图中的平滑区域内像素点的灰度值计算所述图像的噪声估计。本专利技术基于线状结构检测的变换形式，能自动、快速而准确地提取背景区域，而基于所述背景区域得到的噪声估计，不仅受图像中高频细节干扰少，而且稳定、准确。【专利说明】
本专利技术涉及医学图像处理领域，尤其涉及。
技术介绍
医学图像是现代临床诊疗的重要参考信息，其图像质量的优劣直接关系到诊疗的 效果。医学图像在生成、传输和存储过程中由于成像对象、成像设备等的影响不可避免地受 到各种噪声的干扰。在实际的临床应用中，为了向临床医师提供更为准确的辅助诊断信息， 一般还需要对图像进行去噪、分割、聚类、复原等后处理工作，而很多的这些处理算法均需 要将噪声方差作为已知参数，因此，如何快速且准确地估计出图像中的噪声水平是医学图 像处理过程中的一个重要环节。 由于多种图像处理都需要噪声信息，因此，噪声估计往往作为独立的模块，工业化 系统中对噪声估计模块的鲁棒性和运算时间都有很高的要求。现有的噪声估计方法大致可 分为以下两类：基于噪声模型的噪声水平估计和基于图像子块的噪声水平估计。这两种方 法各有利弊，在很多复杂的系统中噪声很难理想地符合某种特定的概率分布或事先并不可 能知晓有关噪声的任何先验知识，因此，基于噪声模型的估计方法有时会和真实值有很大 出入；基于图像子块的噪声估计在含图像信息少、以噪声信息为主的子图像块上可以得到 稳定而准确的结果。在医学图像中，背景区域是"纯"噪声子图像块，是理想的噪声估计区 域。因此，如何从不同类型的医学图像中快速且准确地提取背景，以及当没有足够大的背景 区域时应当如何处理是这类方法的主要问题。 目前常用的医学图像背景提取技术有基于区域的提取方法、基于边缘的提取方法 以及结合区域和边缘的提取方法。基于区域的背景提取方法主要侧重于区域内特征的相 似性，比如最大类间方差法（Otsu法）、最大熵法. Signal processing, 1980,2(3) :223-237]。这类方法仅仅考虑了图像的灰度信息，因此，当图像中不存在明显 的灰度差异或各物体的灰度范围有较大重叠时，则难以准确地提取背景区域。基于边缘 的背景提取方法是通过检测不同区域间的边缘进而达到目标与背景分离的目的，对于边 缘不连续的情况，采用边缘检测算子如Prewitt算子、Canny算子、Sobel算子等并不能 得到封闭的目标与背景的边界曲线，因此就不能保证这种背景提取方法的鲁棒性。结合 区域和边缘的背景提取方法，以及其它算法如区域生长法· Signal processing，1989,16(2) :97_108]、遗传算法.西安电子科技大学学报，1996,23(1) :34-41]、模糊聚 类. Proceedings of the IEEE, 1979,67 (5) :773-785]、Snake模型等，虽然较上述方法鲁棒性稍强一些，但是运 算需要花费大量的时间，故均不在考虑范围之内。
技术实现思路
本专利技术解决的问题是提供，能自动、快速而准确地提取背 景区域，而且，以提取的背景区域为基础能得到稳定而准确的噪声估计，还最大限度地去除 了图像中高频细节信息对噪声估计的影响。 为了解决上述问题，本专利技术提供了一种图像噪声估计的方法，包括： (1)输入图像，将所述图像进行线状结构检测，得到线状结构图； (2)根据所述线状结构图，提取所述图像的背景区域； (3)比较所述背景区域的像素数目与预定阈值的大小，若所述背景区域的像素数 目大于等于所述预定阈值，则根据所述背景区域内像素点的灰度值计算所述图像的噪声估 计；若所述背景区域的像素数目小于所述预定阈值，则根据所述线状结构图中的平滑区域 内像素点的灰度值计算所述图像的噪声估计。 上述所述一种图像噪声估计的方法，其中，在对所述图像进行线状结构检测之前， 对所述图像进行预处理。 上述所述一种图像噪声估计的方法，其中，提取所述图像的背景区域的过程如 下： 1)通过运算将所述线状结构的单峰直方图转换为双峰直方图； 2)对所述线状结构的双峰直方图进行阈值分割，得到初步的背景区域； 3)根据人体结构的闭合特征，得到最终的背景区域，即所述图像的背景区域。 上述所述一种图像噪声估计的方法，其中，所述运算为对数变换、负指数变换或分 数指数幂变换。 上述所述一种图像噪声估计的方法，其中，所述阈值分割的方法为最大类间方差 法、直方图门限法或最大熵自动阈值法。 上述所述一种图像噪声估计的方法，其中，所述噪声估计通过拉普拉斯计算方法 计算取得。 与现有技术相比，本专利技术基于对图像进行线状结构检测自动提取背景区域，在线 状结构检测中不仅实现了对图像的有效平滑，较好地抑制了噪声，同时又提取了轮廓信息， 从而将区域的平滑程度和边缘的连续性有机地结合起来； 进一步地，通过数值变换将线状结构的单峰直方图转换为具有明显双峰结构的直 方图，从而得到非常准确和鲁棒性强的背景区域，并快速且准确地估计噪声； 进一步地，在无背景或存在极少背景的特殊图像上，本专利技术仍能确保进行噪声估 计的图像子块是图像中最平滑区域，并得到较准确的噪声估计结果。 【专利附图】【附图说明】 图1所示为本专利技术实施例的流程示意图； 图2所示为本专利技术实施例提取图像背景区域的流程示意图； 图3所示为本专利技术实施例图像线状结构变换前和变换后的直方图； 图4所示为本专利技术实施例采用经典Otsu法提取的背景区域和基于线状结构检测 提取的背景区域的效果示意图； 图5所示为本专利技术实施例基于Canny边缘检测提取的背景区域和基于线状结构检 测提取的背景区域的效果示意图； 图6所示为本专利技术实施例对同一图像序列采用三种不同方法进行噪声估计的结 果示意图； 图7所示为本专利技术实施例对不用图像序列不同噪声等级的图像采用三种不同的 方法进行噪声估计的结果示意图。 【具体实施方式】 在下面的描述中阐述了很多具体细节以便于充分理解本专利技术。但是本专利技术能够以 很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本专利技术内涵的情况 下做类似推广，因此本专利技术不受下面公开的具体实施的限制。 其次，本专利技术利用示意图进行详细描述，在详述本专利技术实施例时，为便于说明，所 述示意图只是实例，其在此不应限制本专利技术保护的范围。 下面结合附图和实施例对本专利技术进行详细地说明。本专利技术图像噪声估计的方法如 图1所示，首先，执行步骤S1，输入图像，将所述图像进行线状结构检测，得到线状结构图。 需要说明的是，对于某些比较特殊的图像，为了减少由于图像的特殊性而对噪声估计所带 来的影响，在进行线状结构检测之前，对这些图像先进行预处理。图像的预处理包括图像正本文档来自技高网...

【技术保护点】
一种图像噪声估计方法，其特征在于，包括：(1)输入图像，将所述图像进行线状结构检测，得到线状结构图；(2)根据所述线状结构图，提取所述图像的背景区域；(3)比较所述背景区域的像素数目与预定阈值的大小，若所述背景区域的像素数目大于等于所述预定阈值，则根据所述背景区域内像素点的灰度值计算所述图像的噪声估计；若所述背景区域的像素数目小于所述预定阈值，则根据所述线状结构图中的平滑区域内像素点的灰度值计算所述图像的噪声估计。

【技术特征摘要】

【专利技术属性】
技术研发人员：韩妙飞，周鑫，宋燕丽，李强，
申请(专利权)人：上海联影医疗科技有限公司，
类型：发明
国别省市：上海;31