[发明专利]低剂量DR图像降噪方法及系统

权利要求书

1.一种低剂量DR图像降噪方法，其特征在于，包括：

对原始低剂量高噪声DR图像进行滤波处理；其中，所述滤波处理包括自适应高斯频域滤波和带引导图的非局域均值滤波；

将滤波处理后获得的图像组成的双通道张量输入至图像降噪模型，获得所述图像降噪模型输出的目标归一化矩阵；根据所述原始低剂量高噪声DR图像的灰度区间及所述目标归一化矩阵获得目标降噪图像；

将滤波处理后获得的图像组成的双通道张量输入至图像降噪模型之前，还包括：

采集多张正常剂量下的DR图像I₀；

根据噪声分布公式，在所述正常剂量下的DR图像基础上生成多张模拟低剂量噪声图像；

对所述模拟低剂量图像进行所述自适应高斯频域滤波，获得图像I₁₁；对所述模拟低剂量图像进行带引导图的非局域均值滤波，获得图像I₁₂；

将I₀与I₁₂归一化后组成双通道张量作为学习目标，将I₁₁与I₁₂归一化后组成双通道张量作为模型输入张量，进行第一次训练；

将输入张量与目标张量的两个通道内容均进行交换，即I₀与I₁₂交换，I₁₁与I₁₂交换，并再一次进行训练；

依次迭代进行上述训练的步骤，直至满足降噪的图像质量要求，并同先期采集的对应的高质量图像共同参与降噪模型训练，获得所述图像降噪模型。

2.根据权利要求1所述的方法，其特征在于，所述对原始低剂量高噪声DR图像进行滤波处理，包括：

对所述原始低剂量高噪声DR图像进行自适应高斯频域滤波处理，获得第一图像；对所述原始低剂量高噪声DR图像进行带引导图的非局域均值滤波处理，获得第二图像；

分别对所述第一图像和所述第二图像的图像矩阵进行归一化处理，并将获得的两个归一化矩阵组成所述双通道张量。

3.根据权利要求2所述的方法，其特征在于，对所述原始低剂量高噪声DR图像进行自适应高斯频域滤波处理，获得第一图像，包括：

将所述原始低剂量高噪声DR图像进行自适应高斯频域滤波；所述自适应高斯频域滤波用于基于傅里叶变换，将图像变换到频域中，生成高斯分布权重值矩阵；将该矩阵同图像的频域矩阵相乘，获得滤波后的频域矩阵；定义e为信息熵，通过将控制高斯核展宽的参数σ从大等步长变小，当发现e的变化超过一定阈值th后即终止σ的变化，将此时的图像作为所述第一图像。

4.根据权利要求2所述的方法，其特征在于，对所述原始低剂量高噪声DR图像进行带引导图的非局域均值滤波处理，包括：

将所述原始低剂量高噪声DR图像进行带引导图的非局域均值滤波；所述带引导图的非局域均值滤波用于基于普通的高斯频域滤波获得引导图，所述引导图具有主要细节保留，细微细节模糊，噪声程度低等特点；随后基于改造的NLM算法，获得所述第二图像。

5.根据权利要求4所述的方法，其特征在于，所述改造的NLM算法具体为：

式中，w_guide为引导权重，p,q均为NLM计算中某一计算图像Patch中的像素灰度值以及参考Patch中的某一像素灰度值，p为计算图，q为引导图，n为参考块内像素点个数，μ_p与μ_q为计算图与引导图中对应patch的均值，为计算图中patch的灰度值方差，∈为超参。

6.根据权利要求1所述的方法，其特征在于，根据所述原始低剂量高噪声DR图像的灰度区间及所述目标归一化矩阵获得目标降噪图像，包括：

将所述目标归一化矩阵乘以所述原始低剂量高噪声DR图像的灰度区间，并通过取整操作获得所述目标降噪图像。