一种基于共振子空间分析的医学图像去噪方法技术

本发明专利技术公开了一种基于共振子空间分析的医学图像去噪方法，以相似块组为单位，首先构建初始滤波模型对图像进行初始滤波，然后利用相似图像块在变换空间的共振特性，加入保边驱动以及局部流形结构的保持设置，改进滤波模型，进一步对图像进行多次滤波，每一次滤波均以上次滤波后的图像为基础，使得去噪后的图像块最大限度保持图像边缘信息，从而能最大程度的恢复图像信息；本发明专利技术的去噪方法能有效降低医学图像的噪声，使得降噪后的医学图像具有良好的信噪比及优越的视觉效果，得到的去噪后的图像能为后续的图像处理提供良好的基础。

【技术实现步骤摘要】
一种基于共振子空间分析的医学图像去噪方法
本专利技术属于图像处理领域，涉及一种基于共振子空间分析的医学图像去噪方法。
技术介绍
医学影像技术是现在医学中重要的组成部分，并成为医学技术中发展最快的一门技术。医学影像技术主要包括医学成像显示技术、医学图像分析处理技术以及医学图像压缩传输技术三个主要方向。其主要作用是：采集病人身体病变部分的信息并存储为相应的图像，通过对这些图像信息作进一步的分析、诊断来清晰、详细的获悉病人的病情。从而更好的对病人开展进一步的治疗。保留的图像信息还可以作为日后诊断的参考。现代医学影像技术也使得远程医疗成为可能，极大的方便了医生和病人之间的沟通。由于成像的原理和设备不同，医学成像技术具有多种成像模式。从大的方面来说，可以分作描述生理形式的解剖成像模式和描述人体功能或代谢的功能成像模式，主要包括：X射线成像、计算机断层扫描成像(CT)、磁共振成像(MRI)、超声成像(US)、正电子发射断层扫描成像(PET)、脑电图(EEG)。以数字图像处理技术和计算机技术为依托，医学图像的分析和处理是医学影像技术中极为重要的一个环节，它是医生获得病人可靠数据信息的重要保证，也是医生开展进一步治疗的重要依据。医学图像的分析处理，主要包括：医学图像的预处理、特征提取、医学图像配准、医学图像增强、医学图像分割、医学图像分类以及医学图像压缩、存储与通信等等。随着技术的发展，医学成像技术也在不断提高，医学图像质量也随之提高。然而，医学图像在成像过程中，由于医学图像的获取、传输和获取的过程中总是不可避免地受到各种噪声源的干扰，这些噪声可能对医生的诊断造成干扰。因而，对医学图像做相应的预处理，降低图像中的包含的噪声，提高信噪比，具有极其重要的意义。医学图像滤波是医学图像处理中的一项基本而又关键的技术，一直是医学图像处理领域的一个难题。人们根据实际医学图像的特点、噪声的统计特性和频谱的分布规律，提出了许多去噪方法。主要可划分为两大类：一类是基于空域的滤波方法，即在待处理图像中逐点移动空域滤波器(亦即空域模板)，滤波器在该点地响应通过事先定义的滤波器系数与滤波模板扫过区域的相应像素值的关系来计算，其代表算法有均值滤波，非局部均值滤波(NLM)等；另一类称为频域滤波，就是将待处理图像变换到频域，通过对频域系数的处理，再反变换得到滤波图像，其代表算法有小波变换，奇异值分解等。然而上述的滤波方法都存在一定的局限性和不可靠性，在一定程度上模糊了图像更甚者使得图像产生畸变，去噪后的图像质量低，为后续医学图像的处理造成了一定程度的困难。因此，医学图像的先进、有效的去噪方法是非常重要的，这关系到后续医学图像处理或医学诊断的进行。
技术实现思路
本专利技术的目的是提供一种基于共振子空间分析的医学图像去噪方法，解决了现有技术中去噪后的医学图像质量低的技术问题。本专利技术所采用的技术方案是，一种基于共振子空间分析的医学图像去噪方法，具体按照以下步骤实施：步骤1：输入一幅含有随机噪声的医学图像，此含噪医学图像记为Y，Y∈RM×N，Y＝X+E，X为原始医学图像，E为添加的高斯白噪声，M×N表示图像的大小；步骤2：对含噪医学图像记为Y进行初始滤波，具体过程如下：2.1，以滑块步长为1的方式将含噪医学图像Y分成若干个大小为n×n的图像块；2.2，运用基于小波阈的鲁棒性中值估计法估计含噪医学图像Y的噪声标准差σ1；2.3，依次选定各图像块为目标图像块，采用阈值法筛选其相似块，构建相似块组；2.4，计算相似块组中的图像块的权重值；2.5，以相似块组为单位，分别对各相似块组内的目标图像块进行初始滤波，具体方法如下：2.5.1，针对含噪医学图像Y的特性构建的初始滤波模型如下：约束条件其中，η,γ是预设常数，K1表示相似块组内包含的图像块数量，Pk代表相似块组内第k个图像块，h为去噪参数，U1＝{u1,u2,...ud},U1∈Rn×d，V1＝{v1,v2,...vd},V1∈Rn×d，U1,V1为左右基矩阵，由正交基向量构成，f1为图像块的滤波估计，代表相似块组中的各图像块的权重值，表示F范数的平方，||·||TV表示TV范数；2.5.2，运用交替迭代乘子法，求解初始滤波模型对应于各目标图像块的U1,V1；2.5.3，根据求解得到的U1,V1，得到对应于各目标图像块的滤波估计：2.5.4，将各目标图像块的滤波结果累加到一个和含噪医学图像Y同尺寸的空白矩阵相应的位置上，取各个像素的每次滤波后得到的数值平均值作为这个像素的最后估计值，得到对含噪医学图像的初始滤波结果；步骤3：将含噪医学图像的初始滤波结果作为初始化，进一步滤波，具体方法如下：3.1，按照步骤2.1～步骤2.4的方法依次将上次滤波后的含噪医学图像分块，估计其噪声标准差，构建相似块组，计算相似块组内各图像块的权重值；3.2，以相似块组为单位，分别对各相似块组内的目标图像块进行再次滤波，具体方法如下：3.2.1，构建基于共振子空间分析的图像去噪模型：约束条件其中，K2表示相似块组内包含的图像块数量，Mk代表相似块组内第k个图像块，Mk∈Rn×n，U2＝{u′1,u′2,...u′d},U2∈Rn×d，V2＝{v′1,v′2,...v′d},V2∈Rn×d，U2,V2为左右基矩阵，由正交基向量构成，h为去噪参数，f2为图像块的滤波估计，表示图像块中像素点滤波次数的倒数组成的矩阵，J0表示以上一次滤波后的图像为基础划分的图像块，也就是本次滤波过程待处理的目标图像块，代表相似块组中的各图像块的权重值；3.2.2，运用交替迭代乘子法，求解步骤3.2.1中的去噪模型对应于各图像块的U2、V2；3.2.3，根据求解得到的U2、V2，得到对应于各得到图像块的滤波估计：3.2.4，将各目标图像块的滤波结果累加到一个和含噪医学图像Y同尺寸的空白矩阵相应的位置上，取各个像素的每次滤波后得到的数值平均值作为这个像素的最后估计值，得到对含噪医学图像的再次滤波结果；重复采用步骤3的滤波方法对图像进行多次滤波，每一次滤波均以上一次滤波后得到的图像为基础，计算各图像块左右基矩阵对对图像进行滤波，直至左右基矩阵对收敛，得到最终去噪后的医学图像图。本专利技术的特点还在于，步骤2中噪声标准差的计算公式如下：σ1＝median(WHH)/0.6745；其中，median(WHH)表示图像经二维小波分解后，得到的高通-高通子空间的小波系数。步骤2中相似块组中的各图像块的权重值的计算公式如下：上式中α表示次方数。步骤3中相似块组中的各图像块的权重值的计算公式如下：上式中α表示次方数。步骤2中构建相似块组的方法如下：a，首先选定图像块作为目标图像块P0，P0∈Rn×n；b，然后设置距离阈值τd＝3σ12n2，依次以目标图像块中各像素点为中心设定大小为x×x搜索窗N(s)，计算各搜索窗范围内的其它图像块与目标图像块P0的欧氏距离，计算公式如下：其中，Y(t)为其它图像块的灰度值，Y(s)为目标图像块的灰度值；c，最后判断与目标图像块P0相似的图像块，判断过程如下：若d(s,t)≤τd，则搜索窗内的图像块与目标图像块P0相似，依次记为P1、P2……、若d(s,t)＞τd，则图像块与目标图像块P0不相似；d，将选出的相似的图像块构建成相似块组Pk∈本文档来自技高网...

【技术保护点】
一种基于共振子空间分析的医学图像去噪方法，其特征在于，具体按照以下步骤实施：步骤1：输入一幅含有随机噪声的医学图像，此含噪医学图像记为Y，Y∈RM×N，Y＝X+E，X为原始医学图像，E为添加的高斯白噪声；步骤2：对含噪医学图像记为Y进行初始滤波，具体过程如下：2.1，以滑块步长为1的方式将含噪医学图像Y分成若干个大小为n×n的图像块；2.2，运用基于小波阈的鲁棒性中值估计法估计含噪医学图像Y的噪声标准差σ1；2.3，依次选定各图像块为目标图像块，采用阈值法筛选其相似块，构建相似块组；2.4，计算相似块组中的图像块的权重值；2.5，以相似块组为单位，分别对各相似块组内的目标图像块进行初始滤波，具体方法如下：2.5.1，针对含噪医学图像Y的特性构建的初始滤波模型如下：{U1,V1}=argmin1K1+1Σk=0K1||Pk-U1U1TPkV1V1T||F2+η||f1||TV+γΣi=0K1Σj=0K1Sij||U1TPiV1-U1TPjV1||F2]]>约束条件U1TU1=IV1TV1=If1=Σk=0K1wk1U1U1TPkV1V1T]]>其中，η,γ是预设常数，K1表示相似块组内包含的图像块数量，Pk代表相似块组内第k个图像块，h为去噪参数，U1＝{u1,u2,...ud},U1∈Rn×d，V1＝{v1,v2,...vd},V1∈Rn×d，U1,V1为左右基矩阵，由正交基向量构成，f1为图像块的滤波估计，代表相似块组中的各图像块的权重值，表示二范数的平方，||·||TV表示TV范数；2.5.2，运用交替迭代乘子法，求解初始滤波模型对应于各目标图像块的U1,V1；2.5.3，根据求解得到的U1,V1，得到对应于各目标图像块的滤波估计：f1=Σk=0K1wk1U1U1TPkV1V1T;]]>2.5.4，将各目标图像块的滤波结果累加到一个和含噪医学图像Y同尺寸的空白矩阵相应的位置上，取各个像素的每次滤波后得到的数值平均值作为这个像素的最后估计值，得到对含噪医学图像的初始滤波结果；步骤3：将含噪医学图像的初始滤波结果作为初始化，进一步滤波，具体方法如下：3.1，按照步骤2.1～步骤2.4的方法依次将上次滤波后的含噪医学图像分块，估计其噪声标准差，构建相似块组，计算相似块组内各图像块的权重值；3.2，以相似块组为单位，分别对各相似块组内的目标图像块进行再次滤波，具体方法如下：3.2.1，构建基于共振子空间分析的图像去噪模型：{U2,V2}=argmin1K2+1Σk=0K2||Mk-U2U2TMkV2V2T||F2+η||f2||TV+γΣi=0K2Σj=0K2Sij′||U2TMiV2-U2TMjV2||F2]]>约束条件U2TU2=IV2TV2=If2=A+b~.*Σk=0K2wk2U2U2TMkV2V2T]]>其中，K2表示相似块组内包含的图像块数量，Mk代表相似块组内第k个图像块，Mk∈Rn×n，U2＝{u′1,u′2,...u′d},U∈Rn×d，V2＝{v′1,v′2,...v′d},V2∈Rn×d，U2,V2为左右基矩阵，由正交基向量构成，h为去噪参数，f2为图像块的滤波估计，表示图像块中像素点滤波次数的倒数组成的矩阵，J0表示以上一次滤波后的图像为基础划分的图像块，也就是本次滤波过程待处理的目标图像块，代表相似块组中的各图像块的权重值；3.2.2，运用交替迭代乘子法，求解步骤3.1中的滤波模型对应于各图像块的U2、V2；3.2.3，根据求解得到的U2、V2，得到对应于各得到图像块的滤波估计：f2=A+b~.*Σk=0K2wk2U2U2TMkV2V2T;]]>3.2.4，将各目标图像块的滤波结果累加到一个和含噪医学图像Y同尺寸的空白矩阵相应的位置上，取各个像素的每次滤波后得到的数值平均值作为这个像素的最后估计值，得到对含噪医学图像的再次滤波结果；重复采用步骤3的滤波方法对图像进行多次滤波，每一次滤波均以上一次滤波后得到的图像为基础，计算各图像块左右基矩阵对对图像进行滤波，直至左右基矩阵对收敛，得到最终去噪后的医学图像图。...

【技术特征摘要】
1.一种基于共振子空间分析的医学图像去噪方法，其特征在于，具体按照以下步骤实施：步骤1：输入一幅含有随机噪声的医学图像，此含噪医学图像记为Y，Y∈RM×N，Y＝X+E，X为原始医学图像，E为添加的高斯白噪声，M×N表示图像的大小；步骤2：对含噪医学图像记为Y进行初始滤波，具体过程如下：2.1，以滑块步长为1的方式将含噪医学图像Y分成若干个大小为n×n的图像块；2.2，运用基于小波阈的鲁棒性中值估计法估计含噪医学图像Y的噪声标准差σ1；2.3，依次选定各图像块为目标图像块，采用阈值法筛选其相似块，构建相似块组；2.4，计算相似块组中的图像块的权重值；2.5，以相似块组为单位，分别对各相似块组内的目标图像块进行初始滤波，具体方法如下：2.5.1，针对含噪医学图像Y的特性构建的初始滤波模型如下：约束条件其中，η,γ是预设常数，K1表示相似块组内包含的图像块数量，Pk代表相似块组内第k个图像块，h为去噪参数，U1＝{u1,u2,...ud}，U1∈Rn×d，V1＝{v1,v2,...vd}，V1∈Rn×d，U1,V1为左右基矩阵，由正交基向量构成，f1为图像块的滤波估计，代表相似块组中的各图像块的权重值，表示F范数的平方，||·||TV表示TV范数；2.5.2，运用交替迭代乘子法，求解初始滤波模型对应于各目标图像块的U1,V1；2.5.3，根据求解得到的U1,V1，得到对应于各目标图像块的滤波估计：2.5.4，将各目标图像块的滤波结果累加到一个和含噪医学图像Y同尺寸的空白矩阵相应的位置上，取各个像素的每次滤波后得到的数值平均值作为这个像素的最后估计值，得到对含噪医学图像的初始滤波结果；步骤3：将含噪医学图像的初始滤波结果作为初始化，进一步滤波，具体方法如下：3.1，按照步骤2.1～步骤2.4的方法依次将上次滤波后的含噪医学图像分块，估计其噪声标准差，构建相似块组，计算相似块组内各图像块的权重值；3.2，以相似块组为单位，分别对各相似块组内的目标图像块进行再次滤波，具体方法如下：3.2.1，构建基于共振子空间分析的图像去噪模型：约束条件其中，K2表示相似块组内包含的图像块数量，Mk代表相似块组内第k个图像块，Mk∈Rn×n，U2＝{u′1,u'2,...u'd},U2∈Rn×d，V2＝{v′1,v'2,...v'd},V2∈Rn×d，U2,V2为左右基矩阵，由正交基向量构成，h为去噪参数，f2为图像块的滤波估计，表示图像块中像素点滤波次数的倒数组成的矩阵，J0表示以上一次滤波后的图像为基础划分的图像块，也就是本次滤波过程待处理的目标图像块，代表相似块组中的各图像块的权重值；3.2.2，运用交替迭代乘子法，求解步骤3.2.1中的去噪模型对应于各图像块的U2、V2；3.2.3，根据求解得到的U2、V2，得到对应于各得到图像块的滤波估计：3.2.4，将各目标图像块的滤波结果累加到一个和含噪医学图像Y同尺寸的空白矩阵相应的位置上，取各个像素的每次滤波后得到的数值平均值作为这个像素的最后估计值，得到对含噪医学图像的再次滤波结果；重复采用步骤3的滤波方法对图像进行多次滤波，每一次滤波均以上一次滤波后得到的图像为基础，计算各图像块左右基矩阵对对图像进行滤波，直至左右基矩阵对收敛，得到最终去噪后的医学图像图。2.根据权利要求1所述的一种基于共振子空间分析的医学图像去噪方法，其特征在于，步骤2中噪声标准差的计算公式如下：σ1＝median(WHH)/0.6745；其中，median(WHH)表示图像经二维小波分解后，得到的高通-高通子空间的小波系数。3.根据权利要求1所述的一种基于共振子空间分析的医学图像去噪方法，其特征在于，步骤2中相似块组中的各图像块的权重值的计算公式如下：其中，上式中α表示次方数。4.根据权利要求1所述的一种基于共振子空间分析的医学图像去噪方法，其特征在于，步骤3中相似块组中的各图像块的权重值的计算公式如下：其中，上式中α表示次方数。5.根据权利要求1所述的一种基于共振子空间分析的医学图像去噪方法，其特征在于，步骤2中构建相似块组的方法如下：a，首先选定图像块作为目标图像块P0，P0∈Rn×n；b，然后设置距离阈值τd＝3σ12n2，依次以目标图像块中各像素点为中心设定大小为x×x搜索窗N(s)，计算各搜索窗范围内的其它图像块与目标图像块P0的欧氏距离，计算公式如下：其中，Y(t)为其它图像块的灰度值，Y(s)为目标图像块的灰度值；c，最后判断与目标图像块P0相似的图像块，判断过程如下：若d(s,t)≤τd，则搜索窗内的图像块与目标图像块P0相似，依次记为P1、P2……、若d(s,t)＞τd，则图像块与目标图像块P0不相似；d，将选出的相似的图像块构建成相似块组Pk∈Rn×n,k＝0,1,2,...,K1。6.根据权利要求1所述的一种基于共振子空间分析的医学图像去噪方法，其特征在于，步骤2.5.2中求解U1,V1的方法如下：2.5.2.1，引入拉格朗日乘子λ1，松弛目标函数约束项：其中，λ1是拉格朗日乘子，其维数和f1一致，μ为预设常数；2.5.2.2，初始化初始滤波模型各变量，采用奇异值分解SVD初始化U1、V1为V11，λ1的初始化为与图像块相同大小的零矩阵f1初始化为目标图像块，记为f11；2.5.2.3...

【专利技术属性】
技术研发人员：梁军利，柯婷，于国阳，贾薇，叶欣，范文，李敏，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西;61