[发明专利]一种基于后验概率的图像降噪方法

权利要求书

1.一种基于后验概率的图像降噪方法，其特征在于，具体操作步骤如下：

(1.1)、数据的采集：对采集的数据进行标签标注；

(1.2)、数据标签标注：对标签数据进行标注是使用labelImg工具进行标签标定，

(1.3)、贝叶斯模型的训练：使用贝叶斯分类数学方法对标注好的标签数据进行细分类，通过对应的模型model文件固化训练后的参数，并以此作为后期分类的依据；

(1.4)、分类结果倒入字典学习稀疏矩阵中降噪：通过使用稀疏矩阵的稀疏表达功能，对分类结果进行降噪处理；

(1.5)、对降噪过的数据进行图像处理。

2.根据权利要求1所述的一种基于后验概率的图像降噪方法，其特征在于，在步骤(1.1)中，所述采集的数据是从CT及MR设备中扫描得到的原始数据。

3.根据权利要求1所述的一种基于后验概率的图像降噪方法，其特征在于，在步骤(1.2)中，所述的数据标签标注具体是指对标签数据噪声数据和样本标签数据的标注；

通过labelImg工具进行标签标定后，将类别标签的映射关系存放在yaml文件中。

4.根据权利要求1所述的一种基于后验概率的图像降噪方法，其特征在于，在步骤(1.3)中，所述的贝叶斯分类数学方法的模型如下所示：

其中，i表示样本标号；f表示样本集；p(C＝c)表示先验概率；p(F_i＝f_i|C＝c)表示独立概率分布；n表示样本数量；F_i表示缩放因子；C表示类别变量。

5.根据权利要求1所述的一种基于后验概率的图像降噪方法，其特征在于，在步骤(1.4)中，所述字典学习稀疏表达模型如下所示：

其中，X表示稀疏表达结果图像；I表示贝叶斯分类后输出的图像；S表示图像分成patch的数量；表示图像path矩阵的转置矩阵；E_s表示提取图像path矩阵；Z表示带噪声图像数据；D表示稀疏表达矩阵；α_s表示patch图像的稀疏表达信号数据。