[发明专利]基于自适应双边滤波的OCT图像散斑噪声减小算法

摘要

本发明公开了一种基于自适应双边滤波的OCT图像散斑噪声减小算法，建立原始OCT图像的散斑噪声模型，依据瑞利准则，将原始OCT图像的散斑噪声模型作为变量，构建空间函数，并通过分析空间函数的特性，推导出空间函数F对滤波权系数W[k,i]进行自适应修正的方法公式。本发明所设计的基于自适应双边滤波的OCT图像散斑噪声减小算法能够实现减小OCT图像散斑噪声、减小图像均方误差并提高峰值信噪比，同时极大程度地保持图像的边缘信息，提高边缘对比度，获得更清晰的图像边缘细节。

主权项

1.一种基于自适应双边滤波的OCT图像散斑噪声减小算法，其特征在于，包括如下步骤：步骤（1）：建立原始OCT图像的散斑噪声模型如下式所示：I_(x，y)＝S_(x，y)·N_(x，y)其中，(x,y)定义为OCT图像中像素点的位置，x定义为横轴，y定义为纵轴，I_(x，y)定义为原始OCT图像，N_(x，y)定义为散斑噪声模型，S_(x，y)定义为去除散斑噪声后的有效图像信息模型；将上式中的原始OCT图像的散斑噪声模型转换成加的形式，等式两边取对数，得到如下公式：ln(I_x,y)＝ln(S_x，y·N_x,y)＝ln(S_x,y)+ln(N_x,y)，令I⁰=ln(I_x,y)，S⁰=ln(S_x,y)，N⁰=ln(N_x,y)，即得到I⁰＝S⁰+N⁰；原始OCT图像的局部散斑噪声模型即可表示为：N⁰＝I⁰-S⁰，至此完成对OCT图像散斑噪声模型的建立，以便接下来进一步去噪分析；步骤（2）：依据瑞利准则，将原始OCT图像的散斑噪声模型作为变量，构建如下所示的空间函数：F=f(N0)=e2N0kσ2·exp(-e2N02kσ2)]]>其中：k定义为常数，σ定义为OCT图像标准差，N⁰定义为散斑噪声模型N_(x，y)的对数函数，f(N⁰)表示空间函数F受N⁰所控制，并受标准差σ的影响，通过分析了OCT图像标准差σ和散斑噪声模型N_(x，y)的对数函数N⁰对空间函数影响，为接下来进一步修正算法做准备；步骤（3）：根据步骤（2）中的空间函数F受标准差σ和原始OCT图像的局部散斑噪声模型N⁰影响的特性，推导出空间函数F对滤波权系数W[k,i]进行自适应修正，从而实现减小OCT图像散斑噪声的效果，修正的方法由双边滤波算法的权系数公式确定：W[k,i]=Wr[k,i]·Wd[k,i]]]>=exp[-(X[k]-X[k-i])2/2σr2]exp[-i2/2σd2]]]>修正后的权系数如下W0[k,i]=Wr0[k,i]·Wd[k,i]]]>=exp[-X[k]-X[k-i]2σr2·F]·exp[-i22σd2]]]>其中，W⁰[k,i]定义为修正后的双边滤波器的权系数，定义为修正后的灰度权系数，W_d[k,i]仍旧为原空间权系数，[k,i]定义为变换因子，X[k]定义为表示原始输入图像，σ_r定义为灰度分布因子，σ_d定义为几何分布因子。