【技术实现步骤摘要】
本专利技术涉及图像处理，具体涉及一种用于傅里叶域光学相干层析成像的去噪增强方法。
技术介绍
1、傅里叶域光学相干层析成像(fourier domain optical coherence tomography,fd-oct)是一种基于低相干光干涉原理、以迈克尔逊干涉仪为核心的成像技术，可在无损的条件下获取样本深度信息，具有微米级高分辨率、非接触和无损伤等诸多优势，被广泛应用于医学检测成像、工业无损检测等领域。fd-oct中常见的噪声类型主要包含强反射条纹噪声、热噪声、散斑噪声以及周期性噪声等。其中，强反射条纹噪声、周期性噪声与散斑噪声对fd-oct的成像质量的影响最大。强反射条纹噪声来源于系统光路中光学元件表面的反射，周期性噪声来源于系统电子元件的固有噪声，而散斑噪声则来源于多种光子背向散射叠加产生的噪声。
2、现有技术中，常见的fd-oct的去噪方法主要包括空间域去噪和变换域去噪，两类去噪方法均有其独特的适用范围，例如，空间域去噪的速度较快，但对周期性噪声的去除效果不佳，而变换域去噪在一定程度上会损失图像中的边缘信息，使图像产生边界模糊。随着计算机技术的发展，深度学习算法也广泛应用于图像去噪中。例如，文献号为cn113935906a的中国专利公开了一种傅里叶域光学相干层析成像的强反射条纹噪声去除方法，该方法首先采集粗糙物体的fd-oct作为标签数据，再加上随机噪声得到了对应的样本数据，形成训练数据集。通过小波变换进行预处理后，输入预测模型中进行模型训练。预测模型由10层卷积神经网络和concat操作组成。通过损失函
技术实现思路
1、针对上述现有技术存在的问题，本专利技术提供一种用于傅里叶域光学相干层析成像的去噪增强方法，拟同时去除fd-oct存在的强反射条纹噪声、周期性噪声与散斑噪声，并提升图像整体的视觉效果。为实现上述目的，本专利技术提供如下技术方案：
2、一种用于傅里叶域光学相干层析成像的去噪增强方法，包括以下步骤：
3、s1，获取fd-oct图像的样本数据，并对其进行标准化操作；
4、s2，对步骤s1处理后的图像进行图像分组；
5、s3，提取步骤s2图像分组后的某一组图像，根据该组图像构建强反射条纹模板；
6、s4，根据步骤s3构建的强反射条纹模板，去除图像中的强反射条纹噪声；
7、s5，构建频域陷波滤波器模板，去除步骤s4处理的图像背景中的周期性噪声；
8、s6，采用空间域去噪与变换域去噪相结合的方式，去除步骤s5处理后的图像的散斑噪声；
9、s7，对步骤s6处理后的图像进行图像增强操作，提升图像整体的视觉效果；
10、s8，循环依次遍历该组图像，重复步骤s4至步骤s7，完成该组图像的去噪增强操作；
11、s9，循环依次遍历所有图像分组，重复步骤s3至步骤s8，完成相应图像的去噪增强操作。
12、进一步的，所述标准化操作的计算公式为：其中，i0(x,y)表示输入图像，min(*)表示获取图像的灰度值的最小值，max(*)表示获取图像的灰度值的最大值，[*]表示取整函数，istandard(x,y)表示标准化的结果图像。
13、进一步的，所述构建强反射条纹模板的步骤包括：图像叠加步骤、图像二值化步骤、图像形态学运算步骤和图像连通域标记步骤。
14、进一步的，所述连通域结果的筛选条件包括：
15、条件一，连通域外接矩形的长度大于图像整体长度的50％；
16、条件二，连通域的像素面积大于外接矩形面积的50％。
17、进一步的，所述构建频域陷波滤波器模板包括以下步骤：
18、假设获取的fd-oct图像的尺寸为m*n，生成一个大小为m*n、数值上全为1的矩阵模板；
19、在矩阵行数为m/2处，用行数为a、列数为(n/2-2*a)的两个全0矩阵覆盖，两个矩阵的起始点分别为(m/2-a/2,a)和(m/2-a/2,n/2+a)；
20、在矩阵列数为n/2处，用行数为(m/2-2*a)、列数为a的两个全0矩阵覆盖，两个矩阵的起始点分别为(a,n/2-a/2)和(m/2+a,n/2-a/2)；
21、利用高斯卷积核对上述矩阵模板进行卷积运算，获得模糊后的频域陷波滤波器模板。
22、进一步的，所述采用空间域去噪与变换域去噪相结合的方式为采用自适应中值滤波去噪与小波阈值去噪相结合的方式。
23、进一步的，所述自适应中值滤波去噪与小波阈值去噪相结合的方式去除散斑噪声包括以下步骤：
24、s61，首先对步骤s5处理的图像进行自适应中值滤波；
25、s62，对自适应中值滤波后的图像进行二维小波分解，获得小波分解各个层的分解系数ci,i＝1,2,……,j，并计算ci的标准差ε；
26、s63，根据标准差ε确定小波阈值去噪的阈值t；
27、s64，利用阈值对图像的小波分解系数进行硬阈值去噪；
28、s65，利用阈值对图像的小波分解系数进行软阈值去噪；
29、s66，通过计算得到小波阈值去噪的结果图像。
30、进一步的，所述小波阈值去噪中，用于图像二维小波分解的小波基函数为sym5函数，分解层数为2层；所述阈值t＝3*ε；所述波阈值去噪的结果图像为硬阈值去噪结果与软阈值去噪结果的加权平均。
31、进一步的，所述图像增强操作为采用限制对比度直方图均衡化的方式对去噪后的图像进行增强。
32、一种计算机可读存储介质，包括存储有能够被处理器加载并执行上述一种用于傅里叶域光学相干层析成像的去噪增强方法的计算机程序。
33、本专利技术的有益效果是：
34、1.本专利技术提供的一种用于傅里叶域光学相干层析成像的去噪增强方法，根据fd-oct图像的特点设计相应的去噪算法，通过构造强反射条纹模板来消除强反射条纹噪声，设计频域陷波滤波器去除周期性噪声，并将空间域去噪方法与变换域去噪方法相结合消除散斑噪声的影响，最后对fd-oct图像进行增强，提升图像整体的视觉效果。
35、2.本专利技术提供的一种用于傅里叶域光学相干层析成像的去噪增强方法，在生成频域陷波滤波器模板去除背景中的周期性噪声的过程中，引入高斯模糊，引入高斯模糊可有效降低滤波器的边缘陡峭所引入图像的振铃现象。
36、3.本专利技术提供的本文档来自技高网...
【技术保护点】
1.一种用于傅里叶域光学相干层析成像的去噪增强方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种用于傅里叶域光学相干层析成像的去噪增强方法，其特征在于，所述标准化操作的计算公式为：其中，I0(x,y)表示输入图像，min(*)表示获取图像的灰度值的最小值，max(*)表示获取图像的灰度值的最大值，[*]表示取整函数，Istandard(x,y)表示标准化的结果图像。
3.根据权利要求1所述的一种用于傅里叶域光学相干层析成像的去噪增强方法，其特征在于，所述构建强反射条纹模板的步骤包括：图像叠加步骤、图像二值化步骤、图像形态学运算步骤和图像连通域标记步骤。
4.根据权利要求3所述的一种用于傅里叶域光学相干层析成像的去噪增强方法，其特征在于，所述连通域结果的筛选条件包括：
5.根据权利要求1所述的一种用于傅里叶域光学相干层析成像的去噪增强方法，其特征在于，所述构建频域陷波滤波器模板包括以下步骤：
6.根据权利要求1所述的一种用于傅里叶域光学相干层析成像的去噪增强方法，其特征在于，所述采用空间域去噪与变换域去噪相结合
7.根据权利要求6所述的一种用于傅里叶域光学相干层析成像的去噪增强方法，其特征在于，所述自适应中值滤波去噪与小波阈值去噪相结合的方式去除散斑噪声包括以下步骤：
8.根据权利要求7所述的一种用于傅里叶域光学相干层析成像的去噪增强方法，其特征在于，所述小波阈值去噪中，用于图像二维小波分解的小波基函数为sym5函数，分解层数为2层；所述阈值T＝3*ε；所述波阈值去噪的结果图像为硬阈值去噪结果与软阈值去噪结果的加权平均。
9.根据权利要求1所述的一种用于傅里叶域光学相干层析成像的去噪增强方法，其特征在于，所述图像增强操作为采用限制对比度直方图均衡化的方式对去噪后的图像进行增强。
10.一种计算机可读存储介质，其特征在于，包括存储有能够被处理器加载并执行如权利要求1-9中任意一种用于傅里叶域光学相干层析成像的去噪增强方法的计算机程序。
...【技术特征摘要】
1.一种用于傅里叶域光学相干层析成像的去噪增强方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种用于傅里叶域光学相干层析成像的去噪增强方法，其特征在于，所述标准化操作的计算公式为：其中，i0(x,y)表示输入图像，min(*)表示获取图像的灰度值的最小值，max(*)表示获取图像的灰度值的最大值，[*]表示取整函数，istandard(x,y)表示标准化的结果图像。
3.根据权利要求1所述的一种用于傅里叶域光学相干层析成像的去噪增强方法，其特征在于，所述构建强反射条纹模板的步骤包括：图像叠加步骤、图像二值化步骤、图像形态学运算步骤和图像连通域标记步骤。
4.根据权利要求3所述的一种用于傅里叶域光学相干层析成像的去噪增强方法，其特征在于，所述连通域结果的筛选条件包括：
5.根据权利要求1所述的一种用于傅里叶域光学相干层析成像的去噪增强方法，其特征在于，所述构建频域陷波滤波器模板包括以下步骤：
6.根据权利要求1所述的一种用于傅里叶域光学...
【专利技术属性】
技术研发人员：石鹏伟，陈倩，谢会开，赵瑞凡，
申请(专利权)人：北京理工大学重庆微电子研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。