CN109146812B - 一种基于频域滤波的内窥镜图像去除六角形噪声的方法 - Google Patents
一种基于频域滤波的内窥镜图像去除六角形噪声的方法 Download PDFInfo
- Publication number
- CN109146812B CN109146812B CN201810934380.4A CN201810934380A CN109146812B CN 109146812 B CN109146812 B CN 109146812B CN 201810934380 A CN201810934380 A CN 201810934380A CN 109146812 B CN109146812 B CN 109146812B
- Authority
- CN
- China
- Prior art keywords
- image
- spectrogram
- noise
- rgb
- channel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims abstract description 15
- 230000008030 elimination Effects 0.000 claims abstract description 10
- 238000003379 elimination reaction Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000003759 clinical diagnosis Methods 0.000 abstract description 2
- 238000001228 spectrum Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 210000000683 abdominal cavity Anatomy 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000000621 bronchi Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000005253 cladding Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 210000003238 esophagus Anatomy 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 210000001035 gastrointestinal tract Anatomy 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 238000011503 in vivo imaging Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 210000000496 pancreas Anatomy 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 230000000472 traumatic effect Effects 0.000 description 1
- 210000001635 urinary tract Anatomy 0.000 description 1
Images
Classifications
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10068—Endoscopic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
Abstract
本发明公开了一种基于频域滤波的内窥镜图像去除六角形噪声的方法，该方法为：对于采集到的内窥镜彩色图像，提取其RGB三通道的图像信息，通过对RGB三通道的图像分别进行二维离散傅里叶变换获得频谱图；提取频谱图中与六角形图案相对应的噪声信号的形状与宽度参数，结合频谱图中提取的参数，将高斯函数与椭圆函数的带阻滤波器作用于频谱图上；通过对被作用后的频谱图进行反傅里叶变换得到消除六角形噪声后的空域图像；再通过对RGB三通道空域图像的合并重新合成图像而使六角形噪声得到消除。本发明能够对内窥镜图像中的六角形噪声进行去噪声处理，从而能够突出图像的真实信息，从而提高临床诊断的可靠性，并且使得内窥镜图像的后续处理更加方便。
Description
技术领域
本发明属于图像处理领域，具体涉及一种基于频域滤波的内窥镜图像去除六角形噪声的方法。
背景技术
医学仪器采集到的图案背景噪声产生的原因有很多，例如光学因素，运动因素，人为因素，图像传输因素等，其中光学仪器的自身因素所导致的背景噪声相对固定。因此针对医学仪器的去噪声方法在实际生活中具有重要意义。
内窥镜系统可以有效地获得身体内部组织的实时图像，并且对身体的创伤程度较小。它广泛应用于对支气管，食道，胃，肠道，胰腺，腹腔，泌尿道等体内多种组织器官的活体成像。自内窥镜发明以来，基于透镜和光纤束组合而成的内窥镜系统逐渐发展完善。但是，由于光纤束中每根光纤都有一层包层，而包层不能传导光，所以在所得到的图像中会有明显的蜂窝状六角形背景图案。这种蜂窝状六角形的图案会影响医生对组织的观察，影响检测结论。因此内窥镜图像去六角形噪声算法在实际生活中具有重要意义
而现有的去噪声的方法大多是针对普通图像的，在去噪声的同时，牺牲了较大的清晰度，对于内窥镜图像这类特殊图像的效果并不理想。
发明内容
针对现有技术中存在的问题，本发明提供一种基于频域滤波的内窥镜图像去除六角形噪声的方法，能够对内窥镜图像的六角形噪声信号进行消除处理以提高内窥镜图像信息的基于频域滤波的内窥镜图像去除六角形噪声的方法。
为实现上述目的，本发明采用以下技术方案：
一种基于频域滤波的内窥镜图像去除六角形噪声的方法，该方法为：对于采集到的内窥镜彩色图像，提取其RGB三通道的图像信息，通过对RGB三通道的图像分别进行二维离散傅里叶变换获得频谱图；提取频谱图中与六角形图案相对应的噪声信号的形状与宽度参数，结合频谱图中提取的参数，将高斯函数与椭圆函数的带阻滤波器作用于频谱图上；通过对被作用后的频谱图进行反傅里叶变换得到消除六角形噪声后的空域图像；再通过对RGB三通道空域图像的合并重新合成图像而使六角形噪声得到消除。
具体包括以下步骤：
S1、输入彩色内窥镜图像f(x，y，z),提取其中的RGB三通道信号f1(x，y),f2(x，y),f2(x，y)；
S2、对RGB三通道信号f1(x，y),f2(x，y),f3(x，y)分别进行二维离散傅里叶变换，得到二维频谱图F1(u，v),F2(u，v),F3(u，v)；
S3、测量二维频谱图中椭圆形噪声信号的形状和带宽，得到以下参数：带宽W,半长轴a，半焦距c；
S4、结合高斯函数与椭圆方程计算带阻滤波器H(u，v)，分别与二维频谱图F1(u，v),F2(u，v),F3(u，v)相乘，得到滤波后的频谱图FH1(u，v),FH2(u，v),FH3(u，v)；
S5、对滤波后的频谱图FH1(u，v),FH2(u，v),FH3(u，v)分别进行反傅里叶变换，得到其空域内对应的图像fh2(x，y),fh2(x，y),fh2(x，y)；
S6、将RGB三通道空域内对应的滤波后图像fh2(x，y),fh2(x，y),fh3(x，y)合并成一张彩色滤波去六角噪声图像fh(x，y，z)，并输出去噪声后的图像。
所述S3包括以下步骤：
S31、选择二维频谱图F1(u，v),F2(u，v),F3(u，v)中椭圆形信号明显的一张F(u，v)，
S32、提取F(u，v)的中心高度的水平信号Fmidv(u)，
S33、做出图像Fmidv(u)，记录两个对称波峰的间距，再除以二，即为半长轴a，两个波峰的半高、半宽分别为Wu1,Wu2，
S34、提取F(u，v)的中心宽度的竖直信号Fmidu(v)，
S35、做出图像Fmidu(v)，记录两个对称波峰的间距，再除以二，即为半短轴b,两个波峰的半高宽分别为Wv1,Wv2，
S36：计算半焦距
W＝(Wv1+Wv2+Wu1+Wu2)/2。
所述S4包括以下步骤：
S41、统计F(u，v)的点数，得到其最大横坐标umax和最大纵坐标vmax，
S42、遍历点横坐标从1至umax，纵坐标从1至vmax，计算
S43：遍历点横坐标从1至umax，纵坐标从1至vmax，计算滤波器
S44：遍历点横坐标从1至umax，纵坐标从1至vmax，分别对二维频谱图F1(u，v),F2(u，v),F3(u，v)进行滤波计算，得到滤波后的频谱图FH1(u，v)＝F1(u，v)*H(u，v)，FH2(u，v)＝F2(u，v)*H(u，v)，FH3(u，v)＝F4(u，v)*H(u，r)。
与现有技术相比，本发明的有益效果为：
本发明根据内窥镜图像的六角形噪声特性，研究一套行之有效的针对内窥镜的去背景噪声方法，不仅能解决背景噪声干扰诊断的问题，也为内窥镜图像的后续处理，例如三维重建，超分辨重构等打下坚实基础；本发明能够对内窥镜图案的六角形背景噪声进行消除，从而突出内窥镜图像的真实信息，提高图像可阅性，有利于临床诊断，同时也为内窥镜图像的后续处理。
本发明成功去除了内窥镜图像的六角形图案。在码率一定的条件下，分辨率与图像清晰度成反比。因此为了检验滤波后的效果，本发明将图像的清晰度定义成分辨率的倒数，以这个参数来检验滤波前后图像清晰度的变化。为了测量图像滤波前后的分辨率，本发明采用了分辨率板来定量测量图像分辨率。结果显示，滤波后的图像清晰度相比原来提高25-30％。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的流程图。
图2为本发明中内窥镜拍摄的原图。
图3为图2中RGB三通道图像，从左到右依次为R通道，G通道，B通道。
图4为图2中RGB三通道的频谱图，从左到右依次为R通道，G通道，B通道。
图5为本发明中滤波器的频谱图。
图6为图5中频谱图的RGB三通道滤波后的频谱图，从左到右依次为R通道，G通道，B通道。
图7为图3中RGB三通道滤波后的图像，从左到右依次为R通道，G通道，B通道。
图8为本发明中内窥镜原图消除噪音后的最终图像。
图9为本发明中Fmidv(u)对应的图像。
图10为本发明中Fmidu(v)对应的图像。
图11为本发明中分辨率板滤波前后的比较分析图。
其中，图11中：
(a)是滤波前拍摄的分辨率板的图像，分辨率为7microns；
(b)是(a)通过滤波后的图案，分辨率为5.5microns；
(c)是(a)中箭头所在位置的强度变化；
(d)是(b)中箭头所在位置的强度变化。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1-图11所示，本申请基于频域滤波的内窥镜图像去除六角形噪声的方法，该方法为：对于采集到的内窥镜彩色图像，提取其RGB三通道的图像信息，通过对RGB三通道的图像分别进行二维离散傅里叶变换获得频谱图；提取频谱图中与六角形图案相对应的噪声信号的形状与宽度参数，结合频谱图中提取的参数，将高斯函数与椭圆函数的带阻滤波器作用于频谱图上；通过对被作用后的频谱图进行反傅里叶变换得到消除六角形噪声后的空域图像；再通过对RGB三通道空域图像的合并重新合成图像而使六角形噪声得到消除。
具体包括以下步骤：
S1、输入彩色内窥镜图像f(x，y，z)(见图2)，提取其中的RGB三通道信号f1(x，y),f2(x，y),f3(x，y)；(RGB三通道信号，均为1024*1280的二维矩阵数据，见图3)
S2、对RGB三通道信号f1(x，y),f2(x，y),f3(x，y)分别进行二维离散傅里叶变换，得到二维频谱图F1(u，v),F2(u，v),F3(u，v)；(在展示图像时，为了使频谱图更清晰，进行了对数化处理，F(u，v)＝log(1+abs(F(u，v)))，见图4)，
S3、测量二维频谱图中椭圆形噪声信号的形状和带宽，得到以下参数：带宽W＝80,半长轴a＝210，半焦距c＝126；
所述S3具体包括以下步骤：
S31、选择二维频谱图F1(u，v),F2(u，v),F3(u，v)中椭圆形信号明显的一张F(u，v)，即F2(u，v)，(见图4)，
S32、提取F(u，v)的中心高度的水平信号Fmidv(u)，
S33、做出图像Fmidv(u)，记录两个对称波峰的间距，即为半长轴a＝210，两个波峰的半高、半宽分别为Wu1＝83,Wu2＝78，(见图9)，
S34、提取F(u，v)的中心宽度的竖直信号Fmidu(v)，
S35、做出图像Fmidu(v)，记录两个对称波峰的间距，即为半短轴b＝168,两个波峰的半高宽分别为Wv1＝77,Wv2＝82，(见图10)，
S36：计算半焦距：
W＝(Wv1+Wv2+Wu1+Wu2)/2＝83+78+77+82)/2＝80；
S4、结合高斯函数与椭圆方程计算带阻滤波器H(u，v)(见图5)，分别与二维频谱图F1(u，v),F2(u，v),F3(u，v)相乘，得到滤波后的频谱图FH1(u，v),FH2(u，v),FH3(u，v)；(在展示图像时，为了使频谱图更清晰，进行了对数化处理，FH(u，v)＝log(1+abs(FH(u，v)))，(见图6)，
所述S4具体包括以下步骤：
S41、统计F(u，v)的点数，得到其最大横坐标umax＝1280，和最大纵坐标vmax＝1024，
S42、遍历点横坐标从1至umax＝1280，纵坐标从1至vmax＝1024，计算
S43：遍历点横坐标从1至umax＝1280，纵坐标从1至vmax＝1024，计算滤波器
(见图5)，
S44：遍历点横坐标从1至umax＝1280，纵坐标从1至vmax＝1024，分别对二维频谱图F1(u，v),F2(u，v),F3(u，v)进行滤波计算，得到滤波后的频谱图：FH1(u，v)＝F1(u，v)*H(u，v),FH2(u，v)＝F2(u，v)*H(u，v),FH3(u，v)＝F4(u，v)*H(u，v)。(如图6所示)；
S5、对滤波后的频谱图FH1(u，v),FH2(u，v),FH3(u，v)分别进行反傅里叶变换，得到其空域内对应的图像fh1(x，y),fh2(x，y),fh3(x，y)；(见图7)，
S6、将RGB三通道空域内对应的滤波后图像fh1(x，y),fh2(x，y),fh3(x，y)合并成一张彩色滤波去六角噪声图像fh(x，y，z)，并输出去噪声后的图像，(见图8)。
对于本实施例滤波效果的分析：图11.a为分辨率板原图，分辨率为7微米，对应我们定义的图像清晰度是1/7；图11.b为分辨率板的图像经过滤波处理后，分辨率能达到5.5微米，对应我们定义的图像清晰度是1/5.5。则清晰度提高(1/5.5-1/7)*7，提高27.3％。图11.c和图11.d分别为a，b中箭头所画位置的强度分布，从中也可以看出滤波前也就是在11.c中原本被蜂窝状背景图案所掩盖的图像信息，在图11.d中有了更好的突出，看得更为清晰。
尽管上述实施例已对本发明作出具体描述，但是对于本领域的普通技术人员来说，应该理解为可以在不脱离本发明的精神以及范围之内基于本发明公开的内容进行修改或改进，这些修改和改进都在本发明的精神以及范围之内。
Claims (1)
1.一种基于频域滤波的内窥镜图像去除六角形噪声的方法，其特征在于，该方法为：对于采集到的内窥镜彩色图像，提取其RGB三通道的图像信息，通过对RGB三通道的图像分别进行二维离散傅里叶变换获得频谱图；提取频谱图中与六角形图案相对应的噪声信号的形状与宽度参数，结合频谱图中提取的参数，将高斯函数与椭圆函数的带阻滤波器作用于频谱图上；通过对被作用后的频谱图进行反傅里叶变换得到消除六角形噪声后的空域图像；再通过对RGB三通道空域图像的合并重新合成图像而使六角形噪声得到消除；
具体包括以下步骤：
S1、输入彩色内窥镜图像f(x，y，z),提取其中的RGB三通道信号f1(x，y),f2(x，y),f3(x，y)；
S2、对RGB三通道信号f1(x，y),f2(x，y),f3(x，y)分别进行二维离散傅里叶变换，得到二维频谱图F1(u，v),F2(u，v),F3(x，y)；
S3、测量二维频谱图中椭圆形噪声信号的形状和带宽，得到以下参数：带宽W,半长轴a，半焦距c；
S4、结合高斯函数与椭圆方程计算带阻滤波器H(u，v)，分别与二维频谱图F1(u，v),F2(u，v),F3(u，v)相乘，得到滤波后的频谱图FH1(u，v),FH2(u，v),FH3(u，v)；
S5、对滤波后的频谱图FH1(u，v),FH2(u，v),FH3(u，v)分别进行反傅里叶变换，得到其空域内对应的图像fh1(x，y),fh2(x，y),fh3(x，y)；
S6、将RGB三通道空域内对应的滤波后图像fh1(x，y),fh2(x，y),fh3(x，y)合并成一张彩色滤波去六角噪声图像fh(x，y，z)，并输出去噪声后的图像；
所述S3包括以下步骤：
S31、选择二维频谱图F1(u，v),F2(u，v),F3(u，v)中椭圆形信号明显的一张F(u，v)，
S32、提取F(u，v)的中心高度的水平信号Fmidv(u)，
S33、做出图像Fmidv(u)，记录两个对称波峰的间距，再除以二，即为半长轴a，两个波峰的半高、半宽分别为Wu1,Wu2，
S34、提取F(u，v)的中心宽度的竖直信号Fmidu(v)，
S35、做出图像Fmidu(v)，记录两个对称波峰的间距，再除以二，即为半短轴b,两个波峰的半高宽分别为Wv1,Wv2，
S36：计算半焦距
W＝(Wv1+Wv2+Wu1+Wu2)/2；
所述S4包括以下步骤：
S41、统计F(u，v)的点数，得到其最大横坐标umax和最大纵坐标vmax，
S42、遍历点横坐标从1至umax，纵坐标从1至vmax，计算
S43：遍历点横坐标从1至umax，纵坐标从1至vmax，计算滤波器
S44：遍历点横坐标从1至umax，纵坐标从1至vmax，分别对二维频谱图F1(u，v),F2(u，v),F3(u，v)进行滤波计算，得到滤波后的频谱图
FH1(u，v)＝F1(u，v)*H(u，v),FH2(u，v)＝F2(u，v)*H(u，v),
FH3(u，v)＝F4(u，v)*H(u，v)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810934380.4A CN109146812B (zh) | 2018-08-16 | 2018-08-16 | 一种基于频域滤波的内窥镜图像去除六角形噪声的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810934380.4A CN109146812B (zh) | 2018-08-16 | 2018-08-16 | 一种基于频域滤波的内窥镜图像去除六角形噪声的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109146812A CN109146812A (zh) | 2019-01-04 |
| CN109146812B true CN109146812B (zh) | 2022-09-06 |
Family
ID=64789668
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810934380.4A Active CN109146812B (zh) | 2018-08-16 | 2018-08-16 | 一种基于频域滤波的内窥镜图像去除六角形噪声的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109146812B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111127340B (zh) * | 2019-12-05 | 2023-01-24 | 南京工程学院 | 一种图像去雾方法 |
| CN111311510B (zh) * | 2020-01-22 | 2023-08-25 | 京东方科技集团股份有限公司 | 图像中条纹噪声的去除方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100322533A1 (en) * | 2009-06-18 | 2010-12-23 | Smith International, Inc. | Cyclic Noise Removal in Borehole Imaging |
| CN103595933A (zh) * | 2013-11-25 | 2014-02-19 | 陈皓 | 一种图像的降噪方法 |
| CN106127711A (zh) * | 2016-06-23 | 2016-11-16 | 浙江工业大学之江学院 | shearlet变换和快速双边滤波器图像去噪方法 |
| CN106901697A (zh) * | 2017-03-03 | 2017-06-30 | 哈尔滨理工大学 | 一种用于测试三维傅里叶变换胸腹表面测量手段的方法 |
| CN107481205A (zh) * | 2017-08-23 | 2017-12-15 | 电子科技大学 | 一种太赫兹图像条纹噪声处理方法及系统 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004141514A (ja) * | 2002-10-28 | 2004-05-20 | Toshiba Corp | 画像処理装置及び超音波診断装置 |
| US9504391B2 (en) * | 2013-03-04 | 2016-11-29 | Microsoft Technology Licensing, Llc | Determining pulse transit time non-invasively using handheld devices |
| US9031336B2 (en) * | 2013-04-10 | 2015-05-12 | Southwest Research Institute | Systems and methods for hybrid compression of spectral image data |
| CN104809702B (zh) * | 2015-04-22 | 2018-07-03 | 上海理工大学 | 基于频率域处理的脉诊曲线图像网格消除方法 |
| WO2017042812A2 (en) * | 2015-09-10 | 2017-03-16 | Magentiq Eye Ltd. | A system and method for detection of suspicious tissue regions in an endoscopic procedure |
-
2018
- 2018-08-16 CN CN201810934380.4A patent/CN109146812B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100322533A1 (en) * | 2009-06-18 | 2010-12-23 | Smith International, Inc. | Cyclic Noise Removal in Borehole Imaging |
| CN103595933A (zh) * | 2013-11-25 | 2014-02-19 | 陈皓 | 一种图像的降噪方法 |
| CN106127711A (zh) * | 2016-06-23 | 2016-11-16 | 浙江工业大学之江学院 | shearlet变换和快速双边滤波器图像去噪方法 |
| CN106901697A (zh) * | 2017-03-03 | 2017-06-30 | 哈尔滨理工大学 | 一种用于测试三维傅里叶变换胸腹表面测量手段的方法 |
| CN107481205A (zh) * | 2017-08-23 | 2017-12-15 | 电子科技大学 | 一种太赫兹图像条纹噪声处理方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109146812A (zh) | 2019-01-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7189940B2 (ja) | 画像中のノイズの低減 | |
| CN111358455B (zh) | 一种多数据源的血压预测方法和装置 | |
| Soomro et al. | Role of image contrast enhancement technique for ophthalmologist as diagnostic tool for diabetic retinopathy | |
| JP2010512173A (ja) | 内視鏡からの映像を用いるコンピュータ支援解析 | |
| CN109146812B (zh) | 一种基于频域滤波的内窥镜图像去除六角形噪声的方法 | |
| CN108042126B (zh) | 一种改进的激光散斑衬比血流成像方法 | |
| CN108095756B (zh) | 一种基于sofi的超高分辨平面波超声成像方法 | |
| KR20140089669A (ko) | 영상에서 스펙클을 제거하는 방법, 장치 및 시스템. | |
| WO2018144949A1 (en) | Optical sectioning | |
| CN109767395A (zh) | 一种胶囊内窥镜图像处理方法及装置 | |
| CN108961177B (zh) | 一种oct图像散点噪声的抑制方法 | |
| CN113298700B (zh) | 一种在散射场景中的高分辨图像重构方法 | |
| Seetharaman et al. | RETRACTED: A Novel approach in Hybrid Median Filtering for Denoising Medical images | |
| Sathyanarayana et al. | Recovery of blood flow from undersampled photoacoustic microscopy data using sparse modeling | |
| Hu et al. | Location-dependent spatiotemporal antialiasing in photoacoustic computed tomography | |
| Xu et al. | A novel multi-modal fundus image fusion method for guiding the laser surgery of central serous chorioretinopathy | |
| Elter et al. | Physically motivated reconstruction of fiberscopic images | |
| Sivakumar et al. | Computed radiography skull image enhancement using Wiener filter | |
| CN110989155A (zh) | 一种基于滤光片阵列的无透镜显微成像装置及重构方法 | |
| Li et al. | Enhancement of retinal image from line-scanning ophthalmoscope using generative adversarial networks | |
| Zhang et al. | A preprocessing algorithm based on heterogeneity detection for transmitted tissue image | |
| Qu et al. | Real-time stripe noise removal method for endoscope image | |
| Mendez et al. | Glottal area segmentation without initialization using gabor filters | |
| Lay-Ekuakille et al. | Extracting features from optical coherence tomography for measuring optical nerve thickness | |
| CN117314798B (zh) | 一种去除纤维镜图像网格的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: Room 103, Building 299, Zhongchen Road, Songjiang District, Shanghai, 20113 Applicant after: Shanghai Bohui Technology Co.,Ltd. Address before: Room 203, 177 Bibo Road, Pudong New Area, Shanghai, 201203 Applicant before: SHANGHAI BANDWEAVER TECHNOLOGY Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |