[发明专利]医学影像数据通过高斯滤波进行降噪的工作方法

说明书

本发明提出了一种医学影像数据通过高斯滤波进行降噪的工作方法，包括：S1，获取医学图像数据，对医学图像进行预处理，转换为Lab颜色空间图像；S2，将转换后的图像通过高斯滤波进行降噪。

技术领域

本发明涉及图像识别领域，尤其涉及一种医学影像数据通过高斯滤波进行降噪的工作方法。

背景技术

由于进行医疗检测过程中，需要收集海量的医疗图像进行比对和分析，采用传统的图像识别方法效率较低，随着神经网络学习的引入，进行有针对性的提取海量数据成为图像筛选分析的必然趋势，但是现有技术中图像数据是多元的，杂乱的，无序的状态，这就需要更加具体化的模型进行归类和提取，对图像轮廓信息筛选的更加准确，并且能够精准归类，这就亟需本领域技术人员解决相应的技术问题。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种医学影像数据通过高斯滤波进行降噪的工作方法。

为了实现本发明的上述目的，本发明提供了一种医学影像数据通过高斯滤波进行降噪的工作方法，包括：

S1，获取医学图像数据，对医学图像进行预处理，转换为Lab颜色空间图像；

S2，将转换后的图像通过高斯滤波进行降噪。

优选的，所述S1包括：

S1-1，根据医学图像的内容，进行预处理RGB医学图像，

其中，

通过判断条件，当c＞0.3618时，校正函数当c取其它数值时，其中r,g,b分别为RGB图像R、G、B的通道值；

XYZ转Lab，

I_L＝110h(Y/Y_n)-10；

I_a＝255[h(X/X_n)-h(Y/Y_n)]+255；

I_b＝300[h(Y/Y_n)-h(Z/Z_n)]+255；

当判断颜色校正函数h(s)为当s取其它赋值状态下，h(s)为其它状态下，

其中X_n＝96.051，Y_n＝96.56和Z_n＝101.99。

优选的，所述S1还包括：

S1-2，删除进行Lab转换后无法展示对比度深浅的医学图像，对剩余医学图像通过降噪处理，将医学图像划分为i个图像集合，每个图像集合中包含j个图像样本，将医学图像的特征权值利用高斯滤波模型进行训练筛选，

所述特征权值计算过程为

其中，为采集第i个图像集合中第j个图像样本的s个特征的特征权重，m为正整数，c_i为第i个图像集合中的图像噪声提取值，μ_i为第i个图像集合中的图像提取因子，μ_j为第j个图像样本中的图像噪声调节因子，α_j为第j个图像样本中测量的噪声值，β为图像噪声匹配参数；

对特征权重构建完成之后，根据特征权重的提取的医学图像样本数构建状态均值向量

其中C_k为医学图像在k时刻特征变换值，为医学图像在k+1时刻特征变换均值，上标T为转置，λ为噪声滤波因子，M_k为训练在k时刻医学图像的模型参数，N_k为训练在k时刻医学图像的异常特征参数。