[发明专利]图像去噪装置及图像去噪方法

说明书

技术领域

本发明涉及图像去噪装置及图像去噪方法，尤其涉及针对医疗图像等任意维数的图像进行去噪的图像去噪装置及图像去噪方法。

背景技术

图像去噪是非常重要的预处理手段。它可以帮助改善画质，提高图像分割、图像配准等的精确度。对于医疗图像，还能辅助医生进行直观的视觉检测。然而，图像去噪也面临着巨大的挑战。原因是需要在去除噪声的同时尽可能保留原有图像的所有特征。

近年来，针对二维图像涌现出了大批去噪技术，其中相对最为有效的是非专利文献1提出的BM3D(block-matching and3D filtering：块匹配及三维滤波)技术。在BM3D技术中，针对一幅静态图像，对于其中相似的二维块组成的三维模块进行空间转换，并利用收缩法抽取有效系数后进行反变换，从而达到去噪目的。

然而，在上述BM3D技术中仍然存在一些问题。

首先，在块匹配过程中，上述BM3D技术在特定的范围内寻找参考块的相似块。但是例如对于医疗图像，相似块存在于整个图像中。因此，在特定的范围内寻找到的相似块是很有限的。而且，上述BM3D技术基于图像的亮度值来寻找参考块的相似块。但是，亮度值很容易被噪声干扰，会直接影响到相似块的查找。

另外，随着现代技术的发展，图像的种类也越发繁多，不仅有二维的自然图像，而且还有三维的医疗图像、高分辨率图像等。上述BM3D技术仅能够以二维图像做为去噪对象，不能为三维及高维图像进行去噪。而且，上述BM3D技术不能判断输入图像的维数，从而不能针对不同图像运用不同方式进行去噪。

再者，在进行空间转换过程中，上述BM3D技术运用一组固定的转换基底来解决所有图像的去噪问题。由于此组转换基底不依赖于输入图像的变化而变化，很难对应不同图像的特殊特征。而且，上述BM3D技术对于组成后的多维模块的每一维上分别进行转换，并没有考虑到每一维之间的交叉相关联系。

另外，作为直接对高维数据进行处理的技术，在非专利文献2中提出了GND-PCA技术。但是，在非专利文献2中，并没有涉及怎样将GND-PCA技术用于图像去噪。

非专利文献1：“Image denoising by sparse3D transform-domain collaborative filtering”，Kostadin Dabov等著，2007年

非专利文献2：“Generalized N-dimensional principal component analysis(GND-PCA)and its application on construction of statistical appearance models for medical volumes with fewer samples”，Rui Xu等著，2009年

如上所述，在现有的图像去噪技术中，在块匹配过程、空间转换过程等中存在诸多问题。而且，针对作为医疗图像等广泛利用的多维图像，仍然缺乏有效的图像去噪技术。

发明内容

本发明针对现有技术中的上述问题，其目的在于，提供一种能够有效地针对医疗图像等任意维数的图像进行去噪处理的图像去噪装置及图像去噪方法。

为了解决现有技术中的上述问题，本发明提供一种图像去噪装置，用于对图像进行去噪，其特征在于，具备：输入单元，输入所述图像的图像数据；分块单元，根据输入的图像数据，将所述图像划分为多个块；特征提取单元，提取所述图像中的每一块的特征；聚类单元，基于提取的特征进行聚类，由此将所述图像中的所述多个块分组而得到块组；滤波单元，利用多线性子空间学习滤波器对块组进行去噪；以及输出单元，输出去噪后的图像数据。

根据本发明的图像去噪装置，将输入的图像划分为多个块，提取图像中的每一块的特征，并基于提取的特征进行聚类，从而将图像中的多个块分组。由此，能够在整个图像中对块进行聚类并分组，从而能够在整个图像中提取相似块。而且，通过将例如基于GND-PCA、GND-ICA、MPCA或MICA的多线性子空间学习滤波器用于图像去噪，不仅能对二维图像去噪，还可对三维甚至更高维图像进行去噪，从而能够对任意维数的图像进行去噪处理。

在本发明的图像去噪装置中，也可以是，所述特征提取单元提取所述图像中的每一块的多个特征；所述图像去噪装置还具备特征选择单元，该特征选择单元从所述多个特征中选择一部分特征；所述聚类单元基于由所述特征选择单元选择的特征进行聚类。