[发明专利]基于BEMD的内窥图像去噪算法

说明书

【技术领域】

本发明涉及数字图像处理技术，尤其涉及一种基于BEMD的内窥图像去噪算法。

【背景技术】

无线胶囊内窥镜是一种新型的成像技术,其逐渐被应用于消化道的非入侵性可视化检测。然而,由无线胶囊内窥镜得到的内窥图像数量庞大，对于进行观察的医生来说工作极为繁重。因此对图片进行有效筛选是一个极有意义的课题。由于拍摄环境的光照以及消化道的水环境，内窥图像中会包含很多阻碍观察的噪声信号，例如由于光照不均引起的亮斑以及噪点。

现有技术中的数字图像去噪方法很多，但缺乏一种应用于上述消化道非入侵性可视化检测中可同时实现去除亮斑和去噪的数字图像处理方法。

【发明内容】

本发明旨在解决上述现有技术中存在的问题，提出一种基于BEMD的内窥图像去噪算法。

本发明提出的基于BEMD的内窥图像去噪算法包括以下步骤：S10、采用结构元素B对原始内窥图像A进行开运算处理：AоB，得到去除亮斑后的图像A’，其中，开运算腐蚀运算AΘB∩_b∈BA_-b，膨胀运算并将图像A’同时标记为第一输入图像、第二输入图像；S20、获取所述第一输入图像的极大值包络曲面E_MAX和极小值包络曲面E_MIN，并求取E_MAX与E_MIN的代数均值E_MEAN；S30、对所述第一输入图像以及代数均值E_MEAN进行差值运算，得到差值图像D；S40、将所述差值图像D标记为第一输入图像，重复步骤S20、S30，直至获得的差值图像D为内禀模式函数，将所述内禀模式函数记为C；S50、对所述第二输入图像以及内禀模式函数C进行差值运算，得到余项R；S60、将所述余项R同时标记为第一输入图像、第二输入图像，重复步骤S20至S50共n次，获得最终余项R_F，并将最终余项R_F作为去噪后的图像，其中，n≤8。

本发明提出的基于BEMD的内窥图像去噪算法首先基于形态学原理对原始内窥图像去除亮斑，再基于BEMD算法对去除亮斑后的图像去噪，最终得到去噪后图像，该去噪后图像信噪比可观、有效信息比例较大，图像的可视化质量较好。

【附图说明】

图1为本发明一实施例的基于BEMD的内窥图像去噪算法流程图。

【具体实施方式】

为了使本发明的目的、技术方案及优点更加清晰，以下结合具体实施例及附图，对本发明作进一步详细说明。应当理解，文中所描述的具体实施例仅仅用以解释本发明的技术方案，而不应当理解为对本发明的限制。

本发明提供一种基于BEMD(Bidimensional Empirical Mode Decomposition，二维经验模态分解)的内窥图像去噪算法，该算法可用于提高患者消化道非入侵性可视化检测中的内窥图像质量。

如图1所示，本发明提出的基于BEMD的内窥图像去噪算法包括以下步骤：S10、采用结构元素B对原始内窥图像A进行开运算处理：AоB，得到去除亮斑后的图像A’，其中，开运算腐蚀运算AΘB＝∩_b∈BA_-b，膨胀运算并将图像A’同时标记为第一输入图像、第二输入图像；S20、获取所述第一输入图像的极大值包络曲面E_MAX和极小值包络曲面E_MIN，并求取E_MAX与E_MIN的代数均值E_MEAN；S30、对所述第一输入图像以及代数均值E_MEAN进行差值运算，得到差值图像D；S40、将所述差值图像D标记为第一输入图像，重复步骤S20、S30，直至获得的差值图像D为内禀模式函数，将所述内禀模式函数记为C；S50、对所述第二输入图像以及内禀模式函数C进行差值运算，得到余项R；S60、将所述余项R同时标记为第一输入图像、第二输入图像，重复步骤S20至S50共n次，获得最终余项R_F，并将最终余项R_F作为去噪后的图像，其中，n≤8。

下文将对所述基于BEMD的内窥图像去噪算法的各步骤原理作进一步详细描述。