一种医疗光学成像噪声消除方法技术

本发明专利技术公开了一种医疗光学成像噪声消除方法；包括有以下步骤：S1、通过医疗光学成像设备对人体进行检测；S2、将屏蔽线接入到噪声滤波器中进行处理；S3、在数据传输的过程中通过噪声滤波器处理过后传输给成像设备；S4、在对图像进行处理过后，在对图像进行斑点噪声处理；S5、在对斑点噪声进行建模计算之后进行消除；本发明专利技术通过采用屏蔽线缆实现对数据信息进行传输，不会受到外部的环境的干扰，以及是设有滤波器进行处理。先对图像信息进行处理，即通过灰度计算、图像增强与恢复、边缘检测和图像分割对图像处理，使得图像更加的清晰，在通过斑点模式实现对斑点噪声进行处理，使得图像更加的精准。更加的精准。更加的精准。

【技术实现步骤摘要】
一种医疗光学成像噪声消除方法
[0001]本申请是针对申请号：202110731018.9、申请人：南京诺源医疗器械有限公司、专利技术创造名称：一种医疗光学成像噪声消除方法的分案申请。


[0002]本专利技术属于光学成像
，具体涉及一种医疗光学成像噪声消除方法。

技术介绍

[0003]图像是一种重要的信息源，通过图像处理可以帮助人们了解信息的内涵。但是图像在生成和传输过程中常常因受到各种噪声的干扰和影响而使图像降质，这对后续图像的处理(如分割、压缩和图像理解等)将产生不利影响。噪声种类很多，如：电噪声、机械噪声、信道噪声和其他噪声。为了抑制噪声，改善图像质量，便于更高层次的处理，必须对图像进行去噪预处理。消除图像噪声的工作称之为图像滤波或平滑。数字图像噪声去除涉及光学系统、微电子技术、计算机科学、数学分析等领域，是一门综合性很强的边缘科学，如今其理论体系已十分完善，且其实践应用很广泛，在医学、军事、艺术、农业等都有广泛且成熟的应用，尤其是在医学领域，对于图像的处理更加的细致，然而市面上各种的医疗成像仍存在各种各样的问题。
[0004]如授权公告号为CN103338337A所公开的光学指示装置中的图像噪声消除方法，其虽然实现了根据CMOS图像传感器的FPN噪声形成原因，充分利用FPN行噪声与该像素所在行的邻近的像素关联紧密以及FPN列噪声与该像素所在列的邻近的像素关联紧密的特性来对该像素进行噪声处理，即距离该像素越近的相邻行像素与该像素的FPN行噪声关系越大，距离该像素越远的相邻像素的与该像素的FPN行噪声关系越小；距离该像素越近的相邻列像素与该像素的FPN列噪声关系越大，距离该像素越远的相邻列像素的与该像素的FPN列噪声关系越小，如此根据该像素邻近的像素与该像素的距离不同而采用不同的加权系数来进行噪声消除，可以最大限度地消除像素的行列FPN噪声，此方法实现方法简单、所用资源很少、对FPN噪声的消除效率与性能很高，但是并未解决现有医疗成像中存在的传输过程中容易受到外接的干扰，不能先对图像进行处理在消除噪声，以及对斑点噪声的处理性能不高等的问题，为此我们提出一种医疗光学成像噪声消除方法。

技术实现思路

[0005]本专利技术的目的在于提供一种医疗光学成像噪声消除方法，以解决上述
技术介绍
中提出的问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：
[0007]一种医疗光学成像噪声消除方法，包括有以下步骤：
[0008]S1、通过医疗光学成像设备对人体进行检测：在医疗光学成像设备对人体进行检查的时候，通过屏蔽线进行数据传输；
[0009]S2、将屏蔽线接入到噪声滤波器中进行处理：在屏蔽线进行数据传输的过程中添
加噪声滤波器，通过噪声滤波器实现对传输的数据信息中的噪声进行有效的滤除，且噪声滤波器通过频率域滤波方法除去同期性噪声，以及通过图像平滑或低通滤波的方法加以消除图像的随机噪声；
[0010]S3、在数据传输的过程中通过噪声滤波器处理过后传输给成像设备：屏蔽线在通过噪声滤波器进行处理过后将图像信息传输给成像设备，成像设备在接收到图像数据信息之后，对图像数据信息进行灰度计算、图像增强与恢复、边缘检测和图像分割；
[0011]S4、在对图像进行处理过后，再对图像进行斑点噪声处理：成像设备对斑点噪声进行概率分布函数计算、斑点噪声的功率密度谱和斑点噪声模型建立；
[0012]S5、在对斑点噪声进行建模计算之后进行消除：通过斑点噪声模式对斑点噪声进行有效的处理和消除；
[0013]所述S1中的屏蔽线采用的是编织铜网、铜泊网或者铝网作为屏蔽层的屏蔽线，所述屏蔽层电性接地，用于将外来的干扰信号通过屏蔽层导入大地；
[0014]所述S4中还包括有乘性噪声，所述乘性噪声的消除通过对原始信号进行同态变换—对数变换，将乘性噪声转变为加性噪声，去除噪声与信号的相倚性；并运用小波分析方法进一步对变换后的信号进行去噪处理，最后，联合指数逆变换获得提取的真实信号，以达到消除原始信号中乘性噪声的目的，所述加性类噪声的消除方法有很多，如自适应滤波、经验模态分解方法，所述自适应滤波是在维纳滤波、Kalman滤波等线性滤波基础上发展起来的一种最佳滤波方法；所述经验模态分解方法是为了精确描述频率随时间的变化而提出的一种自适应较好，直观的瞬时频率分析方法。
[0015]所述S2中的频率域滤波方法采用的是傅立叶变换算法进行处理，所述傅立叶变换算法中公式如下所示：
[0016]傅立叶变换：
[0017][0018]傅立叶逆变换：
[0019]F(ω)叫做f(t)的象函数，f(t)叫做F(ω)的象原函数，F(ω)是f(t)的象，f(t)是F(ω)原象。
[0020]所述S2中的平滑或低通滤波的方法采用的是平滑滤波、中值滤波、条件滤波或者各种自适应滤波。
[0021]所述S3中的灰度计算的公式为：Gray＝(Red+Green+Blue)/3，所述边缘检测采用的是Soble边缘检测算法，所述图像分割采用的是基于阈值的分割方法、基于区域的分割方法或者基于特定理论的分割方法，所述图像增强与恢复在所述灰度计算、所述边缘检测和所述图像分割之后进行处理。
[0022]所述S4中的斑点噪声进行概率分布函数计算是通过对多视SAR图像进行计算处理，即是同一场景内的n个不连续的独立子图像非相干迭加将改变斑点噪声的概率分布，计算公式如下所示：
[0023][0024][0025][0026]A为振幅，D为分贝值，K＝10/ln10，I为图像的像素强度。
[0027]所述S4中的斑点噪声的功率密度谱计算公式如下：
[0028][0029]且C1、C
f1
和C
fp
为常数，且观测图像的功率谱满足下式：
[0030][0031]F1为沿轨迹方向的空间频率，Fp为垂直于轨迹方向的空间频率，D
f1
和D
fp
为常数。
[0032]所述S4中的斑点噪声模型建立计算公式如下：
[0033]用x和y分别表示其实部和虚部，强度为I，定义为：I＝x2+y2，服从指数分布：
[0034]p1(I)＝(1/σ2)exp
‑
(I/σ2)，
[0035]其中均值为M
l
(I)＝σ2，方差为var
l
(I)＝σ4，σ为标准差，振幅A为I的平方根，服从Rayleigh分布：p1(A)＝(2A/σ2)exp(
‑
A2/σ2)；
[0036]其均值为方差为var
l
(A)＝(4
‑
π)σ2/4。
[0037]所述S5中的斑点噪声模式采用Lee滤波、Gamma
‑
MAP滤波和一级db32小波分解，所述Lee滤波的计算公式如下：上式表示图像去噪后的图像值，即不含噪声图像的估计值，表示去噪窗口内的像素的均值，w(t)代表权重本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种医疗光学成像噪声消除方法，其特征在于，包括有以下步骤：S1、通过医疗光学成像设备对人体进行检测：在医疗光学成像设备对人体进行检查的时候，通过屏蔽线进行数据传输；S2、将屏蔽线接入到噪声滤波器中进行处理：在屏蔽线进行数据传输的过程中添加噪声滤波器，通过噪声滤波器实现对传输的数据信息中的噪声进行有效的滤除，且噪声滤波器通过频率域滤波方法除去同期性噪声，以及通过图像平滑或低通滤波的方法加以消除图像的随机噪声；S3、在数据传输的过程中通过噪声滤波器处理过后传输给成像设备：屏蔽线在通过噪声滤波器进行处理过后将图像信息传输给成像设备，成像设备在接收到图像数据信息之后，对图像数据信息进行灰度计算、图像增强与恢复、边缘检测和图像分割；S4、在对图像进行处理过后，再对图像进行斑点噪声处理：成像设备对斑点噪声进行概率分布函数计算、斑点噪声的功率密度谱和斑点噪声模型建立；S5、在对斑点噪声进行建模计算之后进行消除：通过斑点噪声模式对斑点噪声进行有效的处理和消除；所述S1中的屏蔽线采用的是编织铜网、铜泊网或者铝网作为屏蔽层的屏蔽线，所述屏蔽层电性接地，用于将外来的干扰信号通过屏蔽层导入大地；所述S4中还包括有乘性噪声，所述乘性噪声的消除通过对原始信号进行同态变换—对数变换，将乘性噪声转变为加性噪声，去除噪声与信号的相倚性；并运用小波分析方法进一步对变换后的信号进行去噪处理，最后，联合指数逆变换获得提取的真实信号，以达到消除原始信号中乘性噪声的目的，所述加性类噪声的消除方法有很多，如自适应滤波、经验模态分解方法，所述自适应滤波是在维纳滤波、Kalman滤波等线性滤波基础上发展起来的一种最佳滤波方法；所述经验模态分解方法是为了精确描述频率随时间的变化而提出的一种自适应较好，直观的瞬时频率分析方法。2.根据权利要求1所述的一种医疗光学成像噪声消除方法，其特征在于：所述S2中的频率域滤波方法采用的是傅立叶变换算法进行处理，所述傅立叶变换算法中公式如下所示：傅立叶变换：傅立叶逆变换：F(ω)叫做f(t)的象函数，f(t)叫做F(ω)的象原函数，F(ω)是f(t)的象，f(t)是F(ω)原象。3.根据权利要求1所述的一种医疗光学成像噪声消除方法，其特征在于：所述S2中的平滑或低通滤波的方法采用的是平滑滤波、中值滤波、条件滤波或者各种自适应滤波。4.根据权利要求1所述的一种医疗光学成像噪声消除方法，其特征在于：所述S3中的灰度计算的公式为：Gray＝(Red+Green+Blue)/3，所述边缘检测采用的是Soble边缘检测算法，所述图像分割采用的是基于阈值...

【专利技术属性】
技术研发人员：蔡惠明，李长流，倪轲娜，朱淳，潘洁，张岩，
申请(专利权)人：南京诺源医疗器械有限公司，
类型：发明
国别省市：