[发明专利]一种图像降噪的加速方法和装置

说明书

技术领域

本发明涉及图像处理领域，尤其涉及一种图像降噪的加速方法和装置。

背景技术

医学图像降噪的一个特殊要求是保真度。近年来，基于块匹配的降噪算法成为众多降噪算法中的前沿技术，由于块信息包含一定的结构信息，使其对图像有优异的结构内容保持能力。尽管这类方法拥有优异的性能，但在工业界的应用一直受到限制。工业界一般将降噪处理集成到医学影像设备中，作为设备成像过程中的一环，而成像过程又对时间要求很严苛。因此，算法运算时间成为了该方法应用时的瓶颈所在，而块匹配是算法运算量中的主要部分，从而缩短该过程的时间是急需待解决的问题，尤其在医学领域。

目前，已提出很多加速的方法，分为基于硬件加速、基于代码优化加速和基于算法改进加速。基于硬件的加速一般是将算法并行化，具体实现以及运算时间由实际硬件设备决定(比如CPU多线程加速等)。但是，基于硬件的加速效果是以加大硬件投入为代价的，在实际应用时一般作为加速的最后一个选项。

基于代码优化加速，比较常见的是使用查找表预先计算结果的方法，对算法中某些比较耗时的运算进行加速。例如：在非局部均值降噪中使用查找表将指数运算换成查表运算。此外，优化内存和CPU也属于代码优化加速。但是，仅进行代码优化加速仍然不能达到工业界对速度的要求。

基于算法改进的加速方法有使用基于多项式逼近的近似加速、预选择、去冗余运算等。使用基于多项逼近的近似加速在医学图像上使用时，为了在滤波的同时尽可能保持原图，必须有足够长的展开式，从而限制了其加速的能力。预选择法指的是使用一些筛选方法排除完全不像的点，使其不参与计算，从而省去了相关的块匹配时间。

去冗余运算采用某种特定数据结构来存储并复用某些运算结果，从而减少算法中的重复计算，且能保证不会改变任何计算结果的方法。比如：像素差平方的相对位移图结合卷积的加速方法以及在非局部均值降噪中使用哈希表。

从上述可知，基于块匹配思想的降噪算法，其加速算法都在优化频繁发生的块匹配运算。所有算法都在找寻一个折中，既能把图像块之间的匹配保质保量地完成，又能把速度提高。然而，目前的降低冗余的思路还停留在使算法复杂度与块的大小(块size)或搜索范围(search WindoW size)无关，或者在处理一张图像时复用图像中某些已计算的结果，无法真正做到无嵌套复杂度。实际中，重复的块信息在同类医学图像(例如同部位的MR图像)中广泛存在，如果将其收集，分类，并根据降噪算法特性，预先计算所需各项参数，编入索引，可以避免在滤波时重复进行块匹配以及计算相关信息，从而彻底避免块匹配计算。

发明内容

本发明解决的问题是提供一种图像降噪的加速方法和装置，不仅将降噪过程分为训练和运行两部分，提高了降噪的速度，还具有很有的普适性。

为了解决上述问题，本发明提供了一种图像降噪的加速方法，包括如下步骤：

(1)训练阶段，即根据训练图像，建立块索引树；

(2)运行阶段，所述运行阶段为输入待降噪图像；根据所述待降噪图像中每个像素点位置的块信息和所述块索引树，确定所述像素点位置的位置类中心和位置反索引；根据所述位置类中心和位置反索引，通过图像域或频域的方法对所述待降噪图像中每个位置进行降噪，即完成对所述待降噪图像的降噪。

上述所述一种图像降噪的加速方法，其中，建立所述块索引树的过程为：提取所述训练图像上的块信息，并进行树聚类，得到一个聚类树，即所述块索引树。

上述所述一种图像降噪的加速方法，其中，所述块的信息为局部小块或局部小块和图像特征。

上述所述一种图像降噪的加速方法，其中，所述块为正方形模板、圆形模板、十字形模板、自适应形状模板以及基于频域变换的模板。

上述所述一种图像降噪的加速方法，其中，进行所述树聚类时，所述块信息之间的距离以及所述类中心之间的距离，通过向量空间的距离计算、统计学或信息学的相关性计算，以及度量块信息相似度的计算得到。

上述所述一种图像降噪的加速方法，其中，所述图像域的方法为加权平均。

上述所述一种图像降噪的加速方法，其中，通过所述加权平均方法对所述待降噪图像中每个位置进行降噪时，计算所述块索引树中所有类中心之间的距离，得到距离查找表；对所述待降噪图像进行噪声估计，并根据所述噪声估计建立权重查找表；统计所述待降噪图像中所有位置的位置类中心，建立所述类直方图Hfreq和联合类-像素值直方图Hsum。

上述所述一种图像降噪的加速方法，其中，所述距离查找表存储于稀疏矩阵中。