[发明专利]一种OCT图像自适应噪声估计方法及系统

说明书

本发明公开了一种OCT图像自适应噪声估计方法及系统，根据系统采集图像的信号与噪声特点，结合双变量收缩复小波降噪理论，进行了相关数学模型的建立与实际OCT图像的降噪实验，多帧图像叠加降噪因其良好的降噪效果被广泛应用，但对特殊病例无法采集足够多帧图、病理诊断过程对特征细节要求高等问题无法很好解决；在无法提供足够帧图情况下，依然能提供高质量的成像效果图像，对于需要去除背景噪声前提下最大程度保留特征细节信号的场景，能在保留图像细节特征前提下，有效降低噪声对图像质量的影响。

技术领域

本公开涉及光学相干层析技术、图像处理领域，具体涉及一种OCT图像自适应噪声估计方法及系统。

背景技术

光学相干层析技术(Optical Coherence Tomography，OCT)^[1]于1991年问世，是一种新型的光学成像技术，该技术采用低相干光源作为激励，能够对探测样品进行层析成像。系统的深度方向分辨率由宽带光源的低相干长度决定，可达到微米级，是超声成像的10-100倍。随着近三十年的发展，从时域到频域的光谱域和扫频域，OCT系统的灵敏度和成像速度都有了很大的提升。由于OCT优越成像性能以及临床检查的需要，使得在眼科等临床检测中得到广泛的应用，其中，光谱域OCT(SD-OCT)相对时域拥有更高的成像速度以及更好的灵敏度，对比扫频域则拥有更成熟的计算以及更便宜的系统造价，是商用OCT系统中常用的一种。

虽然OCT系统能提供高分辨率的图像，但是由于系统特性，成像图像会带有许多噪声，造成图像特征模糊，质量下降等影响，其中白噪声影响尤为严重。为消除这类白噪声，常用办法是采集多张同位置图像，然后进行平均降噪处理，此方法能够有效消除白噪声影响。但是这意味着系统要采集更多数据，从而使得系统需要更长的采集时间以及较大的内存。因此，对单帧成像图像进行预处理降噪十分必要。

目前，针对OCT图像单帧降噪的方法主要集中在时域和频域分析上。Rogowska,J等研究人员^[2]将超声图像降噪技术--旋转核变换(Rotating Kernel Transformation，RKT)应用于OCT图像,该方法能在抑制背景噪声的同时，识别图像边界进行特征区域增强。但该算法的噪声抑制效果差，无法有效的区分图像中信号与噪声混叠区域。Alexander，Wong等人^[3]考虑OCT成像图像噪声的贝叶斯先验分布，成功分离出噪声和信号，降低了OCT噪声对图像质量的影响。Farzana,Z等人^[4]将OCT成像图转换到小波变换域分析，使用自适应小波阈值降噪，有效的减少背景白噪声，但同时也降低微小结构细节的可见度。

发明内容

现有的OCT图像处理方法，对图像帧数要求较高，需要较多帧图像才能得到降噪效果良好的图像数据，而且对细节处理不够精细，不能满足诊断需求，尤其是，对一些特殊病例无法采集足够多帧图、而病理诊断过程对特征细节要求又高时，不能满足需求。

为此，本公开基于OCT图像噪声的分布特性，结合双变量收缩复小波降噪理论，进行了相关数学模型的建立与实际OCT图像的降噪实验，提出一种OCT图像自适应噪声估计方法图像，具体包括以下步骤：

S100：采集OCT图像数据；

S200：通过双树复小波变换将图像数据的实际观测信号值转换到小波域；

S300：估算小波域中的各个子带的全局噪声的标准差；

S400：估算小波域中的各个子带的局部噪声的标准差；

S500：计算各个子带中修正后的小波系数；

S600：根据修正后的小波系数重构复原降噪后的图像。

进一步地，在S300中，估算小波域中的各个子带的全局噪声的标准差的方法为：