基于优化的非局部均值的医学图像去噪方法技术

一种基于优化的非局部均值医学图像去噪方法，它包括以下步骤：步骤一、针对待处理图像，确定邻域搜索范围和搜索参数；步骤二、计算当前像素点的邻域范围内所有像素与当前像素的相似度，得到邻域高斯权重矩阵；步骤三、根据邻域高斯权重矩阵计算当前像素点的滤波结果，限定滤波结果在有效地图像范围内；步骤四、重复步骤二和步骤三，完成对整幅图像的遍历，得到去噪结果图并输出。本发明专利技术的图像去噪方法，建立有效的计算边界条件，提高参数的有效性，去噪核心算法有效的平滑了医疗图像由于软硬件产生的各种伪影和噪声，同时有效且良好的保留了细节对比度。

【技术实现步骤摘要】
基于优化的非局部均值的医学图像去噪方法
本专利技术是一种图像处理方法。具体地，是一种基于优化的非局部均值的医学图像去噪方法。
技术介绍
图像去噪是图像处理的链条的第一步，目的是改善给定的图像，解决实际图像由于噪声干扰而导致图像质量下降的问题。通过去噪技术可以有效地提高图像质量，增大信噪比，更好的体现原来图像所携带的信息，是重要的预处理手段。目前，根据噪声的产生原因、频谱、信噪关系等分类，广泛使用的去噪方法有几十种。其中，非局部均值方法克服了局部均值模糊了细节信息的缺点，而有效的保留了细节。我们在非局部均值方法的基础上添加了医学人体器官模型，增加了计算边界条件和参数的调控，使得计算精度更进一步的提升。但是，由于非局部均值的原始思路是在对一个像素进行计算时搜索范围是整幅图像，计算量较大，算法效率低。
技术实现思路
本专利技术的目的是提供一种结合器官模型，建立有效的计算边界条件，提高参数的有效性的图像处理方法。为了实现上述目的，本专利技术的技术方案是：一种基于优化的非局部均值医学图像去噪方法，它包括以下步骤：步骤一、针对待处理图像，确定邻域搜索范围和搜索参数；步骤二、计算当前像素点的邻域范围内所有像素与当前像素的相似度，得到邻域高斯权重矩阵；步骤三、根据邻域高斯权重矩阵计算当前像素点的滤波结果，限定滤波结果在有效地图像范围内；步骤四、重复步骤二和步骤三，完成对整幅图像的遍历，得到去噪结果图并输出。进一步的，步骤一具体为：步骤101：获取待处理图像的直方图，调节控制系统a，计算无效像素区域和获取待处理图像直方图中的最小有效像素值k1和最大有效像素值k2；其中：i是直方图灰阶序号，k1是直方图有效像素计算起始位置即最小有效像素值k1，k2是直方图有效像素计算结束位置即最大有效像素值k2，h是直方图数组，a是判断系数，0＜a＜1，n是直方图灰阶的最大值；步骤102：根据待处理图像的直方图，去除无效像素区域，获取邻域搜索的范围；步骤103：设定邻域搜索窗宽的宽度S和计算邻域窗宽宽度C。进一步的，步骤二具体为：步骤201：遍历图像中所有像素点，在当前像素p上，按照所述的邻域搜索窗宽S遍历以p为中心的SXS邻域；步骤202：对前述SXS邻域中的每个搜索点q，取其CXC大小的邻域Nq，同时取以p为中心CXC大小的邻域Np，计算Np与Nq的相似度，得到搜索点q的高斯权重矩阵，计算公式为：其中：d代表距离运算，d(NP,Nq)＝|f(Np)-f(Nq)|，f(Np)是邻域Np内各点的像素值，f(Nq)是邻域Nq内各点的像素值，h是滤波层度系数(即滤波强度，和噪声的标准差相关，一般取值5或者10)；步骤203：对W进行归一化处理。进一步的，归一化处理计算公式为：其中，进一步的，步骤三具体为：步骤301：根据邻域高斯权重矩阵，计算当前像素p的滤波结果NLM(f(p))，：NLM(f(p))＝∑qW(NP,Nq)f(q)公式4其中：NLM为非局部均值函数，f(q)代表当前像素p的SXS邻域中各搜索点q的像素值；步骤302：对滤波结果进行归一化处理，防止像素值溢出。本专利技术的有益效果：本专利技术的图像去噪方法，建立有效的计算边界条件，提高参数的有效性，去噪核心算法有效的平滑了医疗图像由于软硬件产生的各种伪影和噪声，同时有效且良好的保留了细节对比度。附图说明通过结合附图对本专利技术示例性实施方式进行更详细的描述，本专利技术的上述以及其它目的、特征和优势将变得更加明显，其中，在本专利技术示例性实施方式中，相同的参考标号通常代表相同部件。图1示出了实施例中的直方图。图2示出了实施例中的有效像素邻域搜索的范围示意图。图3示出了实施例中计算领域Np与Nq的相似度的示意图。具体实施方式下面将参照附图更详细地描述本专利技术的优选实施方式。虽然附图中显示了本专利技术的优选实施方式，然而应该理解，可以以各种形式实现本专利技术而不应被这里阐述的实施方式所限制。一种基于优化的非局部均值医学图像去噪方法，它包括以下步骤：步骤一、针对待处理图像，确定邻域搜索范围和搜索参数；步骤二、计算当前像素点的邻域范围内所有像素与当前像素的相似度，得到邻域高斯权重矩阵；步骤三、根据邻域高斯权重矩阵计算当前像素点的滤波结果，限定滤波结果在有效地图像范围内；步骤四、重复步骤二和步骤三，完成对整幅图像的遍历，得到去噪结果图并输出。具体实施时：步骤一、针对待处理图像，确定邻域搜索范围和搜索参数；步骤101：获取待处理图像的直方图，调节控制系统a，计算无效像素区域和获取待处理图像直方图中的最小有效像素值k1和最大有效像素值k2；其中：i是直方图灰阶序号，k1是直方图有效像素计算起始位置即最小有效像素值k1，k2是直方图有效像素计算结束位置即最大有效像素值k2，h是直方图数组，a是判断系数，0＜a＜1，n是直方图灰阶的最大值；以a＝0.8为例，即控制图像有效像素范围为全部灰度范围的80％，直方图的两端各自丢弃无效像素范围10％，即(1-a)/2；从灰阶0开始向右累加灰度面积，当满足公式1时，即找到最小有效像素k1；同理，从最大灰阶n开始向左累加灰度面积，使用公式2计算最大有效像素k2；步骤102：根据待处理图像的直方图，去除无效像素区域，获取邻域搜索的范围；设定邻域搜索窗宽的宽度S和计算邻域窗宽宽度C。步骤二、计算当前像素点的邻域范围内所有像素与当前像素的相似度，得到邻域高斯权重矩阵，具体为：步骤201：遍历图像中所有像素点，在当前像素p上，按照所述的邻域搜索窗宽S遍历以p为中心的SXS邻域；步骤202：对前述SXS邻域中的每个搜索点q，取其CXC大小的邻域Nq，同时取以p为中心CXC大小的邻域Np，计算Np与Nq的相似度，得到搜索点q的高斯权重矩阵，计算公式为：其中：d代表距离运算，d(NP,Nq)＝|f(Np)-f(Nq)|，f(Np)是邻域Np内各点的像素值，f(Nq)是邻域Nq内各点的像素值，h是滤波层度系数(即滤波强度，和噪声的标准差相关，一般取值5或者10)；步骤203：对W进行归一化处理。步骤三、根据邻域高斯权重矩阵计算当前像素点的滤波结果，限定滤波结果在有效地图像范围内；步骤301：根据邻域高斯权重矩阵，计算当前像素p的滤波结果NLM(f(p))，：NLM(f(p))＝∑qW(NP,Nq)f(q)公式4其中：NLM为非局部均值函数，f(q)代表当前像素p的SXS邻域中各搜索点q的像素值；步骤302：对滤波结果进行归一化处理，防止像素值溢出。步骤四、重复步骤二和步骤三，完成对整幅图像的遍历，得到去噪结果图并输出。以上已经描述了本专利技术的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本
的普通技术人员来说许多修改和变更都是显而易见的。本文档来自技高网...

【技术保护点】
一种基于优化的非局部均值医学图像去噪方法，其特征是它包括以下步骤：步骤一、针对待处理图像，确定邻域搜索范围和搜索参数；步骤二、计算当前像素点的邻域范围内所有像素与当前像素的相似度，得到邻域高斯权重矩阵；步骤三、根据邻域高斯权重矩阵计算当前像素点的滤波结果，限定滤波结果在有效地图像范围内；步骤四、重复步骤二和步骤三，完成对整幅图像的遍历，得到去噪结果图并输出。

【技术特征摘要】
1.一种基于优化的非局部均值医学图像去噪方法，其特征是它包括以下步骤：步骤一、针对待处理图像，确定邻域搜索范围和搜索参数；步骤二、计算当前像素点的邻域范围内所有像素与当前像素的相似度，得到邻域高斯权重矩阵；步骤三、根据邻域高斯权重矩阵计算当前像素点的滤波结果，限定滤波结果在有效地图像范围内；步骤四、重复步骤二和步骤三，完成对整幅图像的遍历，得到去噪结果图并输出。2.根据权利要求1所述的基于优化的非局部均值医学图像去噪方法，其特征是步骤一具体为：步骤101：获取待处理图像的直方图，调节控制系统a，计算无效像素区域和获取待处理图像直方图中的最小有效像素值k1和最大有效像素值k2；其中：i是直方图灰阶序号，k1是直方图有效像素计算起始位置即最小有效像素值k1，k2是直方图有效像素计算结束位置即最大有效像素值k2，h是直方图数组，a是判断系数，0＜a＜1，n是直方图灰阶的最大值；步骤102：根据待处理图像的直方图，去除无效像素区域，获取邻域搜索的范围；步骤103：设定邻域搜索窗宽的宽度S和计算邻域窗宽宽度C。3.根据权利要求1基于优化的非局部均值医学图像...

【专利技术属性】
技术研发人员：王晓芳，
申请(专利权)人：南京觅踪电子科技有限公司，
类型：发明
国别省市：江苏,32