[发明专利]一种面向医学图像的多尺度自适应去噪方法

权利要求书

1.一种面向医学图像的多尺度自适应去噪方法，其特征在于:包括如下步骤：

S1、将医学图像进行三维离散小波变换，每一级DWT都可以得到四个分量；LL分量、HL分量、LH分量、HH分量；

S2、依次计算每个维度中除LL子带外分别计算每个子带的四项指标，分别是：去除该子带后的亮度相似度、去除该子带后的对比度相似度、去除该子带后的结构相似度、去除该子带后的PSNR，将得分最高的图像子带选为预选子带；

S3、依次在每个层级中选取被判定为预选子带的子带进行非线性软阈值去噪；

S4、将经过去噪后的子带与其余三块子带一起进行图像重构，原图像为止。

2.如权利要求1所述的一种面向医学图像的多尺度自适应去噪方法，其特征在于:步骤S3包括：设置非线性软阈值去噪阈值λ，4.计算当前待去噪像素点的灰度值与该点周围像素点的均值的差，计为Wⁱy_j，(k，l)，采用如下策略对当前像素点进行如下处理:

处理完成后的像素点即为非线性软阈值去噪后的图像子带的像素点，去噪完成后，形成新的无噪声图块g3*、g2*、g1*。

3.如权利要求2所述的一种面向医学图像的多尺度自适应去噪方法，其特征在于:采用变化的阈值λ进行设置。

4.如权利要求3所述的一种面向医学图像的多尺度自适应去噪方法，其特征在于:阈值λ采用如下公式进行计算：j为当前层级对应的小波尺度数值，N代表图块g HH2中的像素数量，σ代表噪声的标准差，标准差的计算公式如下：

σ＝MAD/0.6745

其中，MAD代表预选图块的像素值中位数。

5.如权利要求1-4任一所述的一种面向医学图像的多尺度自适应去噪方法，其特征在于:步骤S1中，针对含有噪声的原图像进行离散小波变换，获取离散小波变换后的图像g在低频分量LL、在水平方向上的高频分量HL、在竖直方向上的高频分量LH及对角线方向上的高频分量HH上的图块g LL1、图块g HL1、图块g LH1及图块g HH1；

对图块g LL1再次进行离散小波变换，获取离散小波变换后的图像g′

LL1在低频分量LL、在水平方向上的高频分量HL、在竖直方向上的高频分量LH及对角线方向上的高频分量HH上的图块g LL2、图块g HL2、图块g LH2及图块g HH2是图像g在对应的图块；

对图块g LL2再次进行离散小波变换，获取离散小波变换后的图像g′LL2在低频分量LL、在水平方向上的高频分量HL、在竖直方向上的高频分量LH及对角线方向上的高频分量HH上的图块g LL3、图块g HL3、图块g LH2及图块g HH3是图像g在对应的图块。

6.如权利要求1-4任一所述的一种面向医学图像的多尺度自适应去噪方法，其特征在于:

步骤S2中，

按照从高到低的层次，依次计算每个尺度层级中除LL子带外其余三个高频子带的四项评价指标，分别是：去除该子带后的亮度相似度、去除该子带后的对比度相似度、去除该子带后的结构相似度、去除该子带后的PSNR；统计每个子带的当前得分并进行排序，将得分最高的图像子带选为当前尺度层级的预选子带。

7.如权利要求6所述的一种面向医学图像的多尺度自适应去噪方法，其特征在于:得分评价指标为：图像熵最大时加一分、PSNR最大时加一分、MSE最小时加一分。

8.如权利要求1-5任一所述的一种面向医学图像的多尺度自适应去噪方法，其特征在于:步骤S4中图像重构为采用逆DWT小波逆变换实现。

9.如权利要求1-5任一所述的一种面向医学图像的多尺度自适应去噪方法，其特征在于:在图像的第三尺度层级，对图块g3*与其余三个图块做逆DWT小波逆变换，得到图像为去噪处理后的图块g LL2*；

在图像的第二尺度层级，将图块g2*与其余三个图块做逆DWT小波逆变换，得到图像为去噪处理后的图块g LL1*；

在图像的第一尺度层级，将图块g1*与其余三个图块做逆DWT小波逆变换，得到的图像即为去噪处理后的原图像。