一种可降噪的肺部医学图像融合方法技术

本发明专利技术涉及医学图像数据处理技术领域，尤其涉及一种可降噪的肺部医学图像融合方法

【技术实现步骤摘要】
一种可降噪的肺部医学图像融合方法、系统和电子设备


[0001]本专利技术涉及医学图像数据处理
，尤其涉及一种可降噪的肺部医学图像融合方法
、
系统和电子设备
。

技术介绍

[0002]医学图像融合是信息融合的重要分支，也是当前信息融合研究中的热点问题
。
医学图像融合的目标是最大程度地保留多模态互补信息的同时减少冗余信息，并增强病灶的关键信息
。
经过融合过程得到的融合图像可以减少多模态图像之间的干扰信息并增加有重要价值的互补信息，从而有利于医疗分析或计算机处理
。
现有技术中，尚且不存在一种适合所有图像模态的通用融合方法，目前的融合方法尚且存在计算量大，边缘退化，噪声大，颜色失真等显著问题
。
[0003]基于深度神经网络的医学图像融合方法作为图像融合方法发展的必然趋势，目前主要应用于红外光与可见光
、
多曝光以及多聚焦图像融合，该方法仍处在探索阶段
。
当前，在医学图像融合研究领域中，较多研究都在针对解决图像边缘退化及细节增强等问题，很少有方法着眼于解决图像融合中的去噪声问题
。
[0004]例如在申请公开号为
CN114926383A
的中国专利中公开了 一种基于细节增强分解模型的医学图像融合方法，该专利技术通过获取数据集，从公开数据库或者实验等其他途径中获取对应的输入图像并记录下来，将实验对象中的彩色图像融合首先转换成
YUV
通道，然后使用
Y
通道与相应的灰度图像进行融合，并提供一种细节增强分解模型对医学图像进行分解，增强了图像的边缘细节，并且对分解后的每一层提出了有针对性的融合规则，有效的解决了现有的医学图像融合算法中存在的对比度降低以及失真等问题
。
[0005]又如在申请公开号为
CN115147694A
的中国专利公开的一种三图多模态医学图像融合方法，该专利技术使用基于滚动引导滤波的方法对图像进行卡通纹理分解；其次，根据纹理成分含有较多细节信息的特点，且针对待融合图像的医学特征，提出用医学纹理图像作为训练字典样本的稀疏表示方法，用于纹理成分融合，同时，根据卡通成分的高能量特点，提出一种自适应绝对值取大和拉普拉斯能量和的方法对卡通成分进行融合；最后通过重构得到最终融合图像，解决了多模态医学图像使用现有图像融合方法得到的融合结果存在明显的亮度信息丢失和边缘模糊的问题
。
[0006]上述专利中均存在：在医学图像研究领域中，较多研究都在针对解决图像边缘退化及细节增强等问题，且大多方法只能解决医学图像融合中的单一问题，很少有方法着眼于在保留图像细节的同时解决噪声量大的问题
。
本专利技术以深度神经网络的原理和功能作为出发点，以解决现有肺部医学图像融合中噪声量大的问题作为目标，提出一种可降噪的肺部医学图像融合方法，在保留图像细节的同时，克服噪声量大的问题，这种方法优点是简单易懂，可操作性好，信息保存量高，降噪效果好
。

技术实现思路

[0007]本专利技术的主要目的在于提供一种可降噪的肺部医学图像融合方法
、
系统和电子设备，能够有效解决
技术介绍
中的问题：在医学图像融合研究领域中，较多研究都在针对解决图像边缘退化及细节增强等问题，且大多方法只能解决医学图像融合中的单一问题，很少有方法着眼于在保留图像细节的同时解决噪声量大的问题
。
[0008]本专利技术所要解决的技术问题是针对现有技术的不足，提供了一种可降噪的肺部医学图像融合方法
、
系统和电子设备
。
[0009]本专利技术的一种可降噪的肺部医学图像融合方法的技术方案如下：
[0010]使用滤波策略分解多模态图像，获取肺部组织图像和肺部纹理图像；
[0011]使用深度卷积神经网络提取感知图像，采用归一化操作去除感知图像的特征差异和噪声；
[0012]使用
HML
法融合组织图像
、
纹理图像和感知图像，得到组织融合图像，纹理融合图像和感知融合图像；
[0013]将上述得到的组织融合图像，纹理融合图像分别与感知融合图像进行相加融合，分别得到过渡图像后，将得到的过渡图像进行相加及颜色变换处理，得到最终融合后的高亮图像
。
[0014]本专利技术进一步的改进在于，所述滤波策略包括噪声检测子策略和去噪子策略，噪声检测子策略内容如下：
[0015]S101、
利用图像处理技术读取图像的像素信息，对于图像内任意的像素点，以为中心以为半径建立一个检测窗口，定义为窗口内所有像素点的集合，为窗口中心像素点，为其附近的一个邻近像素点；
[0016]S102、
是以为圆心，为半径的圆形区域，是以为圆心，为半径的圆形区域，给定第一阈值，当时，为的邻近像素点，读取像素点，的通道数分别记为，，将与之间差的绝对值记为，然后通过将给定的阈值相比较来判定噪声点与非噪声点，公式如下：
[0017]。
[0018]本专利技术的进一步改进在于，所述
S102
中对于噪声点的判定步骤如下：
[0019]S1021、
预设第二阈值，当小于等于第二阈值时，判定与同为噪声点或同为非噪声点，之后跳转检测下一个像素点的通道数，重复操作进行判定；
[0020]S1022、
当大于等于第二阈值时，若大于，则为噪点，为非噪点，之后以为基准点跳转检测下一个像素点，重复步骤，若小于，则为非噪点，为噪点，之后以为基准点跳转检测下一个像素点，重复操作依次判定
。
若检测点为边缘像素点时，则与给定阈值的差值小于，才可判定为非噪声点，否则为噪声点
。
[0021]去噪子策略内容如下：
[0022]S201、
输入为原始图像，将原始图像的函数作为去噪过程的初始图像，其中，为原始图像中某一像素点的像素值，为中某一像素点高斯噪声密度，以原始图像的
几何中心为原点建立二维直角坐标系，和是随某一像素点坐标变化而改变的变量；
[0023]S202、
将去噪过程转化为函数对变量的连续求偏导过程，并通过迭代求导对连续求偏导过程中的变量进行降次，直至消除变量；
[0024]S203、
令为滤波去噪后的输出图像，为求偏导后的输出函数，其中和分别为图像像素点的横坐标和纵坐标
。
[0025]本专利技术进一步的改进在于，所述感知图像的提取采用
VGG16
网络，
[0026]在得到提取的特征图之后，进行归一化处理，将提取的特征图进行相应倍数的上采样，在相应的上采样操作之后，将所有特征图的均值作为感知图像，归一化处理计算公式如下：
[0027]；
[0028]为输入图像，和分别为预训练 VGG16 网络中第最大池化层前第卷积层的感知图像和特征图像，为特征图的通道数，和分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种可降噪的肺部医学图像融合方法，其特征在于，包括以下具体步骤：使用滤波策略分解多模态图像，获取肺部组织图像和肺部纹理图像；使用深度卷积神经网络提取感知图像，采用归一化操作去除感知图像的特征差异和噪声；使用
HML
法融合组织图像
、
纹理图像和感知图像，得到组织融合图像，纹理融合图像和感知融合图像；将上述得到的组织融合图像，纹理融合图像分别与感知融合图像进行相加融合，分别得到过渡图像后，将得到的过滤图像进行相加及颜色变换处理，得到最终融合后的高亮图像
。2.
根据权利要求1所述的一种可降噪的肺部医学图像融合方法，其特征在于，所述滤波策略包括噪声检测子策略和去噪子策略，所述噪声检测子策略内容如下：
S101、
利用图像处理技术读取图像的像素信息，对于图像内任意的像素点，以为中心，为半径建立一个检测窗口，定义为窗口内所有像素点的集合，为检测窗口半径，为窗口中心像素点，为附近的一个邻近像素点；
S102、
分别建立以为圆心，为半径的圆形区域，以为圆心，为半径的圆形区域，给定第一阈值，当时，为的邻近像素点，读取像素点，，令和的通道数分别记为，，将与之间差的绝对值记为，公式如下：
。3.
根据权利要求2所述的一种可降噪的肺部医学图像融合方法，其特征在于，所述
S102
中对于像素点的判定步骤如下：
S1021、
预设第二阈值，当小于等于第二阈值时，判定与同为噪声点或同为非噪声点，之后跳转检测下一个像素点的通道数，重复操作进行判定；
S1022、
当大于等于第二阈值时，若大于，则为噪点，为非噪点，之后以为基准点跳转检测下一个像素点，重复操作，若小于，则为非噪点，为噪声点，之后以为基准点跳转检测下一个像素点，重复操作依次判定
。4.
根据权利要求3所述的一种可降噪的肺部医学图像融合方法，其特征在于，所述噪声点的判定步骤中，若像素点为边缘像素点时，则与给定阈值的差值小于，才可判定为非噪声点，否则为噪声点
。5.
根据权利要求2所述的一种可降噪的肺部医学图像融合方法，其特征在于，所述去噪子策略内容如下：
S201、
输入为原始图像，将原始图像的函数作为去噪过程的初始图像，其中，为原始图像中某一像素点的像素值，为中某一像素点高斯噪声密度，以原始图像的几何中心为原点建立二维直角坐标系，和是随某一像素点坐标变化而改变的变量；
S202、
将去噪过程转化为函数对变量的连续求偏导过程，并通过...

【专利技术属性】
技术研发人员：蔡惠明，
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：