[发明专利]一种面向医学图像的多尺度自适应去噪方法

说明书

本发明公开了一种面向医学图像的多尺度自适应去噪方法，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：去除该子带后的熵值、去除该子带后的PSNR、去除该自带后的图像能量、去除该子带后的复原图像与原图像之间的MSE，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。

技术领域

本发明涉及医学影像除领域，特别涉及一种面向医学图像的多尺度自适应去噪算法。

背景技术

针对医学影像图像，其除噪的要求更高，准确可靠的除噪对于后续的医学影像的使用来说至关重要。传统的滤波方法去噪缺乏鲁棒性和抗干扰性，对于单一的噪声具有较好的滤除效果但对于混合噪声，去噪效果往往不尽人意。传统的噪声去除方法使用平均模板对所有的图像信号进行统一处理，在消除噪声的同时也损伤了图像的真实信息、使图像变得模糊，高斯平滑在一定程度上缓解了这些现象，但由于平滑机理可知这种模糊是不可避免的。唯有采用自适应的滤波思想才能实现有区分的平滑机制，将模糊的影响降到最低。如专利申请号为201610649854.1的一种用于从图像移除噪声的系统、方法及非易失性介质，其虽然能够实现一定程度上的图像噪声的去除，但是其无法满足医学影像的除噪，无法对医学影像进行可靠准确的除噪。

发明内容

本发明的目的在于克服现有技术的不足，提供一种面向医学图像的多尺度自适应去噪算法，适用于医学影像的除噪，可以有效降低医学影像的噪声，提高其图像质量。

为了实现上述目的，本发明采用的技术方案为：一种面向医学图像的多尺度自适应去噪方法，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：去除该子带后的熵值、去除该子带后的PSNR、去除该自带后的图像能量、去除该子带后的复原图像与原图像之间的MSE，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。

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*。

采用变化的阈值λ进行设置。

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。

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′