[发明专利]一种高效降噪视觉图像重构方法

摘要

本发明公开了一种高效降噪视觉图像重构方法，属于生物医学图像模式识别技术领域。本发明首先对特征向量进行降维处理，再基于不同尺度的对应局部图像基对训练样本的刺激图像的对比度图进行图像变换处理，并构建对应的分类器；同时通过对训练样本的分类和预测获取多组第一预测标签，进而得到视觉图像各像素点的联合系数；输入待处理的fMRI信号，获取不同局部图像基对应的第二预测标签，由同一像素点的联合系数与第二预测标签的加权求和得到当前像素点的重构标签，从而得到重构的视觉图像。本发明的实施不仅仅能够重构视觉图像，而且降低重构图像噪音。

主权项

1.一种高效降噪视觉图像重构方法，其特征在于，包括下列步骤：A.训练步骤：步骤A1：输入训练样本，所述训练样本包括刺激图像在大脑视觉区的FMRI信号、以及与FMRI信号一一对应的刺激图像的对比度图，其中刺激图像为闪烁棋盘格形式；步骤A2：采用九种局部图像基对刺激图像的对比度图进行变换处理，得到同一对比度图的九幅变换图像：基于当前局部图像基，分别对刺激图像的各像素点进行变换处理，取局部图像基的平均对比度作为当前像素点的标签，得到当前局部图像基的变换图像，其中局部图像基的平均对比度为所在窗口中定义为闪烁棋盘的个数与棋盘总数的比值；所述九种局部图像基包括分别是：局部图像基φ₁：仅包括当前像素点的1×1的窗口；局部图像基φ₂：包括当前像素点与其右邻接点的1×2的窗口；局部图像基φ₃：包括当前像素点与其左邻接点的1×2的窗口；局部图像基φ₄：包括当前像素点与其上邻接点的2×1的窗口；局部图像基φ₅：包括当前像素点与其下邻接点的2×1的窗口；局部图像基φ₆：包括当前像素点的2×2的窗口，其中当前像素点在窗口的左上角；局部图像基φ₇：包括当前像素点的2×2的窗口，其中当前像素点在窗口的右上角；局部图像基φ₈：包括当前像素点的2×2的窗口，其中当前像素点在窗口的左下角；局部图像基φ₉：包括当前像素点的2×2的窗口，其中当前像素点在窗口的右下角；步骤A3：构建视觉图像各像素点的联合系数：步骤A3‑1：对刺激图像的对比度图的各像素点位置，分别获取九种局部图像基的训练预测标签：将训练样本分为两个子集，一个子集作为训练数据，一个子集作为测试数据，在不同的局部图像基下，基于变换图像和FMRI信号对训练数据进行分类器训练，得到各像素点在不同局部图像基的第一分类器，其中第一分类器的类别为各局部图像基的平均对比度的取值；通过第一分类器对测试数据进行分类识别，得到各像素点位置在九种局部图像基下的第一预测标签其中i＝1,2,…,9；步骤A3‑2：根据公式在多个测试数据中，将使得残差ε的数值最小的ω₁,ω₂,...,ω₉作为当前像素点位置的联合系数，从而得到视觉图像各像素点的联合系数，其中C^tr表示刺激图像的对比度图的像素值；步骤A4：基于九种局部图像基的平均对比度的取值划分类别，将训练样本分为五类，各类对应的对比度分别为：0、0.25、0.5、0.75、1；不同局部图像基的分类信息为：局部图像基φ₁包括两类，各类的对比度分别为：0、1；局部图像基φ₂、φ₃、φ₄、φ₅包括三类，各类的对比度分别为：0、0.5、1；局部图像基φ₆、φ₇、φ₈、φ₉包括五类，各类的对比度分别为：0、0.25、0.5、0.75、1；并对训练样本的FMRI信号的特征向量进行特征筛选，取前K个类别判决能力最大的特征向量作为特征筛选结果，其中K为预设值；在不同的局部图像基下，基于变换图像与筛选后的FMRI信号进行分类器训练，得到像素点在不同局部图像基的第二分类器，其中第二分类器的类别为九种局部图像基的平均对比度的取值；步骤B：图像重构：步骤B1：输入待重构的FMRI信号，并基于步骤A4的筛选结果对待重构的FMRI信号的特征进行筛选，将筛选后的K个特征向量作为第二分类器的输入；步骤B2：基于第二分类器的识别结果，得到各像素点在九种局部图像基下第二预测标签：C₁,C₂,...,C₉；步骤B3：由各像素点的第二预测标签C₁,C₂,...,C₉与联合系数ω₁,ω₂,...,ω₉的加权求和得到各像素点的重构标签，从而得到降噪后的视觉重构图像。