CN110101362A - 一种关于oct和octa的图像噪声去除的方法 - Google Patents
一种关于oct和octa的图像噪声去除的方法 Download PDFInfo
- Publication number
- CN110101362A CN110101362A CN201910352015.7A CN201910352015A CN110101362A CN 110101362 A CN110101362 A CN 110101362A CN 201910352015 A CN201910352015 A CN 201910352015A CN 110101362 A CN110101362 A CN 110101362A
- Authority
- CN
- China
- Prior art keywords
- image
- frequency domain
- octa
- removes
- denoising
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- FCKYPQBAHLOOJQ-UHFFFAOYSA-N Cyclohexane-1,2-diaminetetraacetic acid Chemical compound OC(=O)CN(CC(O)=O)C1CCCCC1N(CC(O)=O)CC(O)=O FCKYPQBAHLOOJQ-UHFFFAOYSA-N 0.000 title claims abstract 14
- 239000000284 extract Substances 0.000 claims abstract description 9
- 238000005070 sampling Methods 0.000 claims description 17
- 238000000354 decomposition reaction Methods 0.000 claims description 9
- 238000013016 damping Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000001228 spectrum Methods 0.000 claims description 5
- 230000004459 microsaccades Effects 0.000 abstract description 16
- 230000033001 locomotion Effects 0.000 abstract description 15
- 238000012545 processing Methods 0.000 abstract description 5
- 230000001815 facial effect Effects 0.000 abstract description 2
- 210000004204 blood vessel Anatomy 0.000 description 17
- 238000001914 filtration Methods 0.000 description 17
- 230000009466 transformation Effects 0.000 description 14
- 230000008901 benefit Effects 0.000 description 10
- 230000000694 effects Effects 0.000 description 8
- 238000003745 diagnosis Methods 0.000 description 7
- 238000012014 optical coherence tomography Methods 0.000 description 6
- 238000013139 quantization Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000011084 recovery Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 238000012800 visualization Methods 0.000 description 5
- 238000000926 separation method Methods 0.000 description 4
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004321 preservation Methods 0.000 description 3
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 229910001369 Brass Inorganic materials 0.000 description 1
- 235000002566 Capsicum Nutrition 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 244000203593 Piper nigrum Species 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 239000010951 brass Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 208000030533 eye disease Diseases 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/102—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for optical coherence tomography [OCT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/12—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for looking at the eye fundus, e.g. ophthalmoscopes
- A61B3/1225—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for looking at the eye fundus, e.g. ophthalmoscopes using coherent radiation
- A61B3/1233—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for looking at the eye fundus, e.g. ophthalmoscopes using coherent radiation for measuring blood flow, e.g. at the retina
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/12—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for looking at the eye fundus, e.g. ophthalmoscopes
- A61B3/1241—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for looking at the eye fundus, e.g. ophthalmoscopes specially adapted for observation of ocular blood flow, e.g. by fluorescein angiography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/14—Arrangements specially adapted for eye photography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Ophthalmology & Optometry (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Hematology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Vascular Medicine (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明属于医学影像处理技术领域,具体涉及一种关于OCT和OCTA的图像噪声去除的方法,用于OCT和OCTA的en face图像中的眼球微动噪声。包括:步骤S1,提取频域图像;步骤S2,去除所述频域图像中的条纹信息,得到去噪频域图像;步骤S3,基于所述去噪频域图像重构去噪图像。眼球微动噪声是en face图像中呈水平方向的亮短线,可以从二维变换域的图像中提取出水平微动伪影。本发明的上述技术方案首先将面部OCTA图像转换或者分解以得到频域图像,然后用滤波器对频域图像进行去噪,最后基于去噪频域图像重建去除噪声的血管造影图像。
Description
技术领域
本发明属于医学影像处理技术领域,具体涉及一种关于OCT和OCTA的图像噪声去除的方法,用于OCT和OCTA的en face图像中的眼球微动噪声。
背景技术
光学相干断层扫描血管造影(OCTA)是一种非侵入性血管造影成像技术,近几年已广泛应用于眼底区域疾病的研究和诊断。但是,OCTA需要比基于摄影的模式(如裂隙灯和眼底照相机)更长的采集持续时间。国内外研究表明,人眼在观察景物时处于微动状态,微动有三种模式:高频振颤、漂移运动和闪动。因此,采集过程中的眼球微动已经成为图像伪影的主要来源,其产生的水平方向的亮短线会严重影响定量分析和医学诊断的准确性。
目前在OCTA硬件系统上,已经做出了巨大的努力来消除OCTA中的运动伪影。例如,授权公告号CN102085093B,授权公告日2013年11月27日的发明专利,涉及用于处理要检查的眼睛的断层图像的图像处理设备,在使眼球微动和头部移动等的影响最小化的同时生成高分辨率低噪声的断层图像。包括用于通过使用拍摄断层图像所获得的信号来检测眼睛的运动量的检测单元,用于基于检测单元所检测到的运动量确定用于拍摄断层图像的扫描线束的确定单元。
将OCTA的采集系统与眼动追踪模式(如扫描激光检眼镜(SLO))相结合的方法,可有效减少血管不连续性和体积运动噪声,这已成为大多数商业OCTA系统的一种标准设置。然而,在许多临床数据集上仍然出现了沿快速扫描方向呈亮短线形式的眼球微动噪声。所以,血管相关特征的提取和量化会受到这种噪声的影响,这进一步给眼部疾病的分析和诊断带来了不准确性。
与各向同性和随机分布的噪声(如胡椒噪声和散斑噪声)不同,眼球微动噪声具有很强的方向性,因此可能不适合常规的去噪方法,如卡尔曼(Kalman)滤波。傅里叶变换(FT)是将图像从空间域变换到频率域,然后在频率域中利用有关滤波器对图像进行需要的处理。傅里叶变换能够利用其时域和频域方法解决许多图像处理要求。小波变换(WT)在图像去噪方面,它有时频局部性,在频率和位置上都是可变的。由于图像经过小波变换后,图像主要集中在少数绝对幅值较大的小波系数上,而噪声则散布在一些绝对幅值较小的小波系数上,所以可以利用收缩阈值对小波系数进行降噪,达到降噪的目的。
轮廓波(Contourlet)变换是一种多尺度几何分析工具,是真正意义上的图像的二维表示方法,具有良好的多分辨率、局部化和方向性等优良特性,它将小波的优点延伸到高维空间,能够更好地刻画高维信息的特征,更适合处理具有超平面奇异性的信息。非下采样轮廓波变换(NSCT)是一种非下采样的、具有平移不变性的多尺度变换,其各向异性的轮廓波基使得NSCT具有刻画图像的线奇异优势。NSCT可以提供更为丰富的时域信息和精确的频率局部化信息,各个图像子带系数中的元素与图像空间域中的像素是一一对应关系,很容易利用NSCT域系数的分布规律直接检测到图像空间域中的边缘信息,不需要重构等操作。
发明内容
本发明基于WT的多尺度优势、NSCT的多方向优势和傅里叶滤波器,提出了一种基于二维变换域傅立叶滤波器的一种关于OCT和OCTA的图像噪声去除的方法。
一种关于OCT和OCTA的图像噪声去除的方法包括:
步骤S1,提取频域图像;
步骤S2,去除所述频域图像中的条纹信息,得到去噪频域图像;
步骤S3,基于所述去噪频域图像重构去噪图像。
眼球微动噪声是en face图像中呈水平方向的亮短线,可以从二维变换域的图像中提取出水平微动伪影。本发明的上述技术方案首先将面部OCTA图像转换或者分解以得到频域图像,然后用滤波器对频域图像进行去噪,最后基于去噪频域图像重建去除噪声的血管造影图像。
作为优选,所述步骤S1包括步骤S1-1,进行二维傅里叶变换。以将图像从空间域转换到频率域。
作为优选,所述步骤S1-1之前还包括步骤S1-0,提取包含条纹信息的水平子带图像;所述步骤S1-1中,对所述水平子带图像进行二维傅里叶变换。提取包含条纹信息的水平子带图像进行二维傅里叶变换后进行频域去噪处理,能够更好的保留原始图像中的有用信息。
作为优选,所述步骤S1-0中进行最大次数为L的小波分解,其中;所述步骤S1-1中,对包含条纹信息的水平子带图像进行二维傅里叶变换,得到所述频域图像。小波变换和傅立叶滤波器相结合,构建一个快速、强大、稳定的图像水平条纹消除滤波器,在微动伪影和原始特征之间进行严格的分离,既能抑制不需要的结构,又能高度保存原始图像信息;
作为优选,所述步骤S1-0包括:步骤S1-0-1,进行非下采样轮廓波分解,得到高通子带图像和低通子带图像;步骤S1-0-2,对所述低通子带图像进行m次非下采样轮廓波分解,得到m个高频子带图像;步骤S1-0-3,对m个高频子带图像进行非下采样方向滤波器组分解,得到水平子带图像和垂直子带图像,其中;所述步骤S1-1中,对包含条纹信息的水平子带图像进行二维傅里叶变换,得到所述频域图像。非下采样轮廓波域在噪声消除和血管保存方面具有最佳性能。
作为优选,所述步骤S2包括:步骤S2-1,将所述频域图像的零频点移到频谱的中间;步骤S2-2,乘以高斯阻尼函数;步骤S2-3,还原零频点。
作为优选,所述步骤S3中,进行二维傅里叶逆变换,得到所述去噪图像。
作为优选,所述步骤S3包括:步骤S3-1,进行二维傅里叶逆变换,得到去噪子带图像;步骤S3-2,将进行小波重构,得到所述去噪图像。
作为优选,所述步骤S3包括:步骤S3-1,进行二维傅里叶逆变换,得到去噪子带图像;步骤S3-2,基于所述去噪子带图像进行非下采样轮廓波重构,得到所述去噪图像。傅里叶滤波器的频域去噪处理可以保持图像边缘锐度;二维变换域傅里叶滤波器可以有效消除en face图像的眼球微动噪声;二维变换域傅里叶滤波器为en face图像对象提供了更好的可视化效果,而不会在恢复的图像中引入额外的伪影;二维变换域傅里叶滤波器技术将有益于血管相关分析和诊断的量化。
作为优选,所述步骤S1之前还包括图像预处理步骤S0,所述步骤S0包括:步骤S0-1,转换为灰度图像;步骤S0-2,归一化处理。
本发明具有下述有益效果:
1.傅里叶滤波器的频域去噪处理可以保持图像边缘锐度;
2.二维变换域傅里叶滤波器可以有效消除en face图像的眼球微动噪声;
3.二维变换域傅里叶滤波器为en face图像对象提供了更好的可视化效果,而不会在恢复的图像中引入额外的伪影;
4.小波变换和傅立叶滤波器相结合,构建一个快速、强大、稳定的图像水平条纹消除滤波器,在微动伪影和原始特征之间进行严格的分离,既能抑制不需要的结构,又能高度保存原始图像信息;
5.非下采样轮廓波域在噪声消除和血管保存方面具有最佳性能;
6.二维变换域傅里叶滤波器技术将有益于血管相关分析和诊断的量化。
附图说明
图1为本发明的造影方法实施步骤;
图2为本发明实施例一的原始数据的截面图像与预处理数据的截面图像对比。
具体实施方式
这里使用的术语仅用于描述特定实施例的目的,而不意图限制本发明。 除非另外定义,否则本文使用的所有术语具有与本发明所属领域的普通技术人员通常理解的相同的含义。将进一步理解的是,常用术语应该被解释为具有与其在相关领域和本公开内容中的含义一致的含义。 本公开将被认为是本发明的示例,并且不旨在将本发明限制到特定实施例。
实施例一
一种利用二维变换域傅立叶滤波器的OCTA的en face图像去噪的方法,该方法是基于傅里叶变换(FT)进行去噪的,具体包括步骤:
步骤S0,图像预处理步骤。对OCTA的en face图像进行预处理,以便于后续的采用标准方法统一处理。包括:
步骤S0-1,将OCTA的en face图像转换成灰度图像;
步骤S0-2,将灰度图像归一化处理得到灰度图像。
步骤S1,从步骤S0得到的图像中提取频域图像。本实施例中,对灰度图像进行二维傅里叶变换,实现灰度图像从空间域到频率域的转换,从而得到频域图像。
步骤S2,去除步骤S1中所得到的频域图像中的条纹信息,进而得到去噪频域图像。可以采用傅里叶滤波、维纳滤波、自适应滤波等现有技术中的频域滤波方法来实现。本实施例中优选采用傅里叶滤波器来实现,傅里叶滤波器的频域去噪处理可以保持图像边缘锐度,二维变换域傅里叶滤波器可以有效消除en face图像的眼球微动噪声,为en face图像对象提供了更好的可视化效果,而不会在恢复的图像中引入额外的伪影,有益于血管相关分析和诊断的量化。具体包括步骤:
步骤S2-1,将频域图像的零频点移到频谱的中间,以进一步将条纹信息收紧为频域图像中竖直方向的窄带。
步骤S2-2,将步骤S2-1得到的频域图像与高斯阻尼函数相乘消除以这种方式压缩的条纹信息。
步骤S2-3,将步骤S2-2得到的频域图像的零频点还原以得到去噪频域图像。
步骤S3,基于步骤S2得到的去噪频域图像重构去噪图像。本步骤中根据步骤S1中所采用的提取频域图像的方法,来选择对应的方法进行图像重构。 本实施例中的步骤S1采用傅里叶变换转换得到频域图像,相应的,步骤S3中进行傅里叶逆变换得到去噪图像。
实施例二
一种利用二维变换域傅立叶滤波器的OCTA的en face图像去噪的方法,该方法是基于小波变换(WT)进行去噪的,具体包括步骤:
步骤S0,图像预处理步骤。对OCTA的en face图像进行预处理,以便于后续的采用标准方法统一处理。包括:
步骤S0-1,将OCTA的en face图像转换成灰度图像;
步骤S0-2,将灰度图像归一化处理得到灰度图像。
步骤S1,从步骤S0得到的图像中提取频域图像。本实施例中,首先在步骤S1-0中对从步骤S1中得到的灰度图像进行分解,得到包含条纹信息的水平子带图像;再通过步骤S1-1对步骤S1-0得到的水平子带图像进行二维傅里叶变换,得到频域图像。本实施例采用小波变换进行分解,具体为:
步骤S1-0,对灰度图像小波分解(其中,,L为小波分解的最大次数),从而灰度图像中包含的结构信息在不同的分辨率尺度上分为水平子带图像、垂直子带图像和对角细节子带图像。
步骤S1-1,对包含条纹信息的水平子带图像进行二维傅里叶变换,得到频域图像。
步骤S2,去除步骤S1中所得到的频域图像中的条纹信息,进而得到去噪频域图像。可以采用傅里叶滤波、维纳滤波、自适应滤波等现有技术中的频域滤波方法来实现。本实施例中优选采用傅里叶滤波器来实现,傅里叶滤波器的频域去噪处理可以保持图像边缘锐度,二维变换域傅里叶滤波器可以有效消除en face图像的眼球微动噪声,为en face图像对象提供了更好的可视化效果,而不会在恢复的图像中引入额外的伪影,有益于血管相关分析和诊断的量化。具体包括步骤:
步骤S2-1,将频域图像的零频点移到频谱的中间,以进一步将条纹信息收紧为频域图像中竖直方向的窄带。
步骤S2-2,将步骤S2-1得到的频域图像与高斯阻尼函数相乘消除以这种方式压缩的条纹信息。
步骤S2-3,将步骤S2-2得到的频域图像的零频点还原以得到去噪频域图像。
步骤S3,基于步骤S2得到的去噪频域图像重构去噪图像。本步骤中根据步骤S1中所采用的提取频域图像的方法,来选择对应的方法进行图像重构。 本实施例中的步骤S1采用小波分解得到频域图像,相应的,步骤S3中进行小波逆变换得到去噪图像。具体包括:
步骤S3-1,对步骤S2中得到的去噪频域图像进行二维傅里叶逆变换,得到去噪子带图像;
步骤S3-2,将进行haar小波重构,得到去噪图像。
小波变换(WT)和傅立叶滤波器相结合,构建一个快速、强大、稳定的图像水平条纹消除滤波器,在微动伪影和原始特征之间进行严格的分离,既能抑制不需要的结构,又能高度保存原始图像信息。
实施例三
一种利用二维变换域傅立叶滤波器的OCTA的en face图像去噪的方法,该方法是基于非下采样轮廓波变换(NSCT)进行去噪的,具体包括步骤:
步骤S0,图像预处理步骤。对OCTA的en face图像进行预处理,以便于后续的采用标准方法统一处理。包括:
步骤S0-1,将OCTA的en face图像转换成灰度图像;
步骤S0-2,将灰度图像归一化处理得到灰度图像。
步骤S1,从步骤S0得到的图像中提取频域图像。本实施例中,首先在步骤S1-0中对从步骤S1中得到的灰度图像进行分解,得到包含条纹信息的水平子带图像;再通过步骤S1-1对步骤S1-0得到的水平子带图像进行二维傅里叶变换,得到频域图像。本实施例采用非下采样轮廓波变换进行分解,在噪声消除和血管保存方面具有最佳性能;具体为:
步骤S1-0-1,对灰度图像进行非下采样金字塔(NSP)分解,产生高通子带图像和低通子带图像,并满足图像重构条件:。其中,为低通滤波器,为高通滤波器,设为:,和为合成滤波器,。
步骤S1-0-2,对低通子带图像继续进行m次非下采样金字塔分解,得到m个高频子带图像。
步骤S1-0-3,对m个高频子带图像进行非下采样方向滤波器组分解,得到水平子带图像和垂直子带图像,其中。
步骤S1-1,对包含条纹信息的水平子带图像进行二维傅里叶变换,得到频域图像。
步骤S2,去除步骤S1中所得到的频域图像中的条纹信息,进而得到去噪频域图像。可以采用傅里叶滤波、维纳滤波、自适应滤波等现有技术中的频域滤波方法来实现。本实施例中优选采用傅里叶滤波器来实现,傅里叶滤波器的频域去噪处理可以保持图像边缘锐度,二维变换域傅里叶滤波器可以有效消除en face图像的眼球微动噪声,为en face图像对象提供了更好的可视化效果,而不会在恢复的图像中引入额外的伪影,有益于血管相关分析和诊断的量化。具体包括步骤:
步骤S2-1,将频域图像的零频点移到频谱的中间,以进一步将条纹信息收紧为频域图像中竖直方向的窄带。
步骤S2-2,将步骤S2-1得到的频域图像与高斯阻尼函数相乘消除以这种方式压缩的条纹信息。
步骤S2-3,将步骤S2-2得到的频域图像的零频点还原以得到去噪频域图像。
步骤S3,基于步骤S2得到的去噪频域图像重构去噪图像。本步骤中根据步骤S1中所采用的提取频域图像的方法,来选择对应的方法进行图像重构。 本实施例中的步骤S1采用小波分解得到频域图像,相应的,步骤S3中进行小波逆变换得到去噪图像。具体包括:
步骤S3-1,对步骤S2中得到的去噪频域图像进行二维傅里叶逆变换,得到去噪子带图像;
步骤S3-2,基于步骤S3-1中得到的去噪子带图像进行非下采样轮廓波重构,得到去噪图像。
如图2所示,选择8个典型的微动噪声区域来展示本发明上述三个实施例的去噪结果,并对其性能进行评估和比较。左侧的四个感兴趣区域用于展示噪声去除能力,右边的另外四个区域用于显示血管保留能力。区域一到区域四,用肉眼简单观察,发现实施例三采用的NSCT滤波器具有最佳的噪声去除效果,但是不能作为精确结论。区域五到区域八,用肉眼很难分辨血管保留情况。它们的比较是通过如下所示的定量指标进行的。这些评估的方法可以分为两个方面。
第一在微动噪声消除方面:
去噪任务通常会在无噪声图像中添加模拟噪声,然后将去噪图像与地面真值进行比较,以进行评估。但是,en face微动噪声的来源相当复杂(时间分离后向散射光子的去相关),没有合适的建模方法。因此,本发明提出了两个不需要基本事实的指标。首先是图像熵,它可以用来表示图像中包含的信息量,熵越小,噪声消除效果越好。第二,血管密度(vd),广泛应该于OCTA图像的定量分析。en face图像上的眼球微动噪声呈亮短线,计算时会将其计为血管,增加血管密度。
第二在血管保留完好方面:
这方面最重要的是使用的噪声过滤器不会破环血管原有形状。因此,我们采用受到眼球微动噪声影像较小的区域作为参考区域。然后将去噪后的图像与它们进行比较。采用峰值信噪比(PSNR)和结构相似性指数(SSIM)进行评价。
表1
如表1所示,表1显示了上述评估指标对不同实施例(即不同过滤器)的比较。所有八个选定的区域都用于计算指标,每个类中的最佳结果用粗体显示。在去除眼球微动噪声方面,实施例三在图像熵和血管密度(VD)两个方面都具有较好的性能。在结构相似性指数(SSIM)上,实施例三还具有最佳的血管保留能力。实施例一的傅里叶滤波在血管保留能力上具有最高的峰值信噪比(PSNR),但在其他指标上存在不足。
实验总结:
本发明提供的方法充分利用了WT和NSCT的多方向性优势的基础上,结合傅里叶滤波,很好地去除了OCTA的en face图像中由眼球微动产生的亮短线噪声。本发明的方法中,非子采样轮廓变换(NSCT)后的傅里叶滤波在en face图像的微动噪声去除上效果最好。对于血管保留能力,小波域滤波具有保持信噪比的优点,而NSCT滤波在很大程度上保持了结构的相似性。实验结果的客观评价均说明了本发明的优势。
虽然结合附图描述了本发明的实施方式,但是本领域普通技术人员可以在所附权利要求的范围内做出各种变形或修改。
Claims (10)
1.一种关于OCT和OCTA的图像噪声去除的方法,其特征在于,包括:
步骤S1,提取频域图像;
步骤S2,去除所述频域图像中的条纹信息,得到去噪频域图像;
步骤S3,基于所述去噪频域图像重构去噪图像。
2.根据权利要求1所述的一种关于OCT和OCTA的图像噪声去除的方法,其特征在于,所述步骤S1包括:
步骤S1-1,进行二维傅里叶变换。
3.根据权利要求2所述的一种关于OCT和OCTA的图像噪声去除的方法,其特征在于,所述步骤S1-1之前还包括:
步骤S1-0,提取包含条纹信息的水平子带图像;
所述步骤S1-1中,对所述水平子带图像进行二维傅里叶变换。
4.根据权利要求3所述的一种关于OCT和OCTA的图像噪声去除的方法,其特征在于:
所述步骤S1-0中,进行最大次数为L的小波分解,其中;
所述步骤S1-1中,对包含条纹信息的水平子带图像进行二维傅里叶变换,得到所述频域图像。
5.根据权利要求3所述的一种关于OCT和OCTA的图像噪声去除的方法,其特征在于,所述步骤S1-0包括:
步骤S1-0-1,进行非下采样轮廓波分解,得到高通子带图像和低通子带图像;步骤S1-0-2,对所述低通子带图像进行m次非下采样轮廓波分解,得到m个高频子带图像;
步骤S1-0-3,对m个高频子带图像进行非下采样方向滤波器组分解,得到水平子带图像和垂直子带图像,其中;
所述步骤S1-1中,对包含条纹信息的水平子带图像进行二维傅里叶变换,得到所述频域图像。
6.根据权利要求1-5中任一项所述的一种关于OCT和OCTA的图像噪声去除的方法,其特征在于,所述步骤S2包括:
步骤S2-1,将所述频域图像的零频点移到频谱的中间;
步骤S2-2,乘以高斯阻尼函数;
步骤S2-3,还原零频点。
7.根据权利要求6所述的一种关于OCT和OCTA的图像噪声去除的方法,其特征在于:
所述步骤S3中,进行二维傅里叶逆变换,得到所述去噪图像。
8.根据权利要求7所述的一种关于OCT和OCTA的图像噪声去除的方法,其特征在于,所述步骤S3包括:
步骤S3-1,进行二维傅里叶逆变换,得到去噪子带图像;
步骤S3-2,将进行小波重构,得到所述去噪图像。
9.根据权利要求7所述的一种关于OCT和OCTA的图像噪声去除的方法,其特征在于,所述步骤S3包括:
步骤S3-1,进行二维傅里叶逆变换,得到去噪子带图像;
步骤S3-2,基于所述去噪子带图像进行非下采样轮廓波重构,得到所述去噪图像。
10.根据权利要求1所述的一种关于OCT和OCTA的图像噪声去除的方法,其特征在于,所述步骤S1之前还包括图像预处理步骤S0,所述步骤S0包括:
步骤S0-1,转换为灰度图像;
步骤S0-2,归一化处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910352015.7A CN110101362B (zh) | 2019-04-29 | 2019-04-29 | 一种关于oct和octa的图像噪声去除的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910352015.7A CN110101362B (zh) | 2019-04-29 | 2019-04-29 | 一种关于oct和octa的图像噪声去除的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110101362A true CN110101362A (zh) | 2019-08-09 |
CN110101362B CN110101362B (zh) | 2021-12-17 |
Family
ID=67487325
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910352015.7A Active CN110101362B (zh) | 2019-04-29 | 2019-04-29 | 一种关于oct和octa的图像噪声去除的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110101362B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111243087A (zh) * | 2020-01-20 | 2020-06-05 | 上海市第一人民医院 | 眼底血管的三维重建方法、装置及电子设备 |
CN111915515A (zh) * | 2020-07-21 | 2020-11-10 | 无锡声亚医疗科技有限公司 | 超声图像中噪声去除的方法、超声设备及存储介质 |
CN112330547A (zh) * | 2020-10-12 | 2021-02-05 | 佛山科学技术学院 | 一种针对oct视网膜图像消除血管阴影的滤波方法 |
CN113592741A (zh) * | 2021-08-04 | 2021-11-02 | 西北工业大学 | 一种数字图像处理方法 |
CN113643396A (zh) * | 2021-08-05 | 2021-11-12 | 中国科学院苏州生物医学工程技术研究所 | 扫频oct图像处理方法及装置 |
WO2022007353A1 (zh) * | 2020-07-10 | 2022-01-13 | 温州医科大学 | 一种基于信号逆向补偿的脉络膜oct图像增强方法及装置 |
WO2023045991A1 (zh) * | 2021-09-22 | 2023-03-30 | 图湃(北京)医疗科技有限公司 | 光学相干层析血管造影方法、装置、电子设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103247035A (zh) * | 2013-05-20 | 2013-08-14 | 重庆邮电大学 | 基于数字x光机的医学图像处理装置、方法及系统 |
CN103940371A (zh) * | 2014-05-12 | 2014-07-23 | 电子科技大学 | 一种用于跃变物体的高精度三维面形测量的方法 |
CN104282007A (zh) * | 2014-10-22 | 2015-01-14 | 长春理工大学 | 基于非采样的轮廓波变换自适应的医学图像融合方法 |
CN104580937A (zh) * | 2015-01-21 | 2015-04-29 | 中国科学院上海技术物理研究所 | 一种红外成像系统条纹噪声去除方法 |
US20150312495A1 (en) * | 2014-04-29 | 2015-10-29 | Canon Kabushiki Kaisha | Wavelet denoising of fringe image |
CN105184752A (zh) * | 2015-09-23 | 2015-12-23 | 成都融创智谷科技有限公司 | 一种基于小波变换的图像处理方法 |
CN107228632A (zh) * | 2017-05-18 | 2017-10-03 | 广东工业大学 | 一种基于加窗傅里叶变换的位移场层析测量装置及方法 |
CN107388963A (zh) * | 2017-07-13 | 2017-11-24 | 北京理工大学 | 将小波分析和低通滤波结合的数字莫尔条纹相位提取方法 |
-
2019
- 2019-04-29 CN CN201910352015.7A patent/CN110101362B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103247035A (zh) * | 2013-05-20 | 2013-08-14 | 重庆邮电大学 | 基于数字x光机的医学图像处理装置、方法及系统 |
US20150312495A1 (en) * | 2014-04-29 | 2015-10-29 | Canon Kabushiki Kaisha | Wavelet denoising of fringe image |
CN103940371A (zh) * | 2014-05-12 | 2014-07-23 | 电子科技大学 | 一种用于跃变物体的高精度三维面形测量的方法 |
CN104282007A (zh) * | 2014-10-22 | 2015-01-14 | 长春理工大学 | 基于非采样的轮廓波变换自适应的医学图像融合方法 |
CN104580937A (zh) * | 2015-01-21 | 2015-04-29 | 中国科学院上海技术物理研究所 | 一种红外成像系统条纹噪声去除方法 |
CN105184752A (zh) * | 2015-09-23 | 2015-12-23 | 成都融创智谷科技有限公司 | 一种基于小波变换的图像处理方法 |
CN107228632A (zh) * | 2017-05-18 | 2017-10-03 | 广东工业大学 | 一种基于加窗傅里叶变换的位移场层析测量装置及方法 |
CN107388963A (zh) * | 2017-07-13 | 2017-11-24 | 北京理工大学 | 将小波分析和低通滤波结合的数字莫尔条纹相位提取方法 |
Non-Patent Citations (1)
Title |
---|
张峰: "条纹模式的自适应稀疏滤波方法研究", 《中国优秀硕士学位论文库》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111243087A (zh) * | 2020-01-20 | 2020-06-05 | 上海市第一人民医院 | 眼底血管的三维重建方法、装置及电子设备 |
CN111243087B (zh) * | 2020-01-20 | 2023-11-21 | 上海市第一人民医院 | 眼底血管的三维重建方法、装置及电子设备 |
WO2022007353A1 (zh) * | 2020-07-10 | 2022-01-13 | 温州医科大学 | 一种基于信号逆向补偿的脉络膜oct图像增强方法及装置 |
CN111915515A (zh) * | 2020-07-21 | 2020-11-10 | 无锡声亚医疗科技有限公司 | 超声图像中噪声去除的方法、超声设备及存储介质 |
CN112330547A (zh) * | 2020-10-12 | 2021-02-05 | 佛山科学技术学院 | 一种针对oct视网膜图像消除血管阴影的滤波方法 |
CN112330547B (zh) * | 2020-10-12 | 2024-04-30 | 佛山科学技术学院 | 一种针对oct视网膜图像消除血管阴影的滤波方法 |
CN113592741A (zh) * | 2021-08-04 | 2021-11-02 | 西北工业大学 | 一种数字图像处理方法 |
CN113643396A (zh) * | 2021-08-05 | 2021-11-12 | 中国科学院苏州生物医学工程技术研究所 | 扫频oct图像处理方法及装置 |
WO2023045991A1 (zh) * | 2021-09-22 | 2023-03-30 | 图湃(北京)医疗科技有限公司 | 光学相干层析血管造影方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110101362B (zh) | 2021-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110101362A (zh) | 一种关于oct和octa的图像噪声去除的方法 | |
Joel et al. | Despeckling of ultrasound medical images: A survey | |
KR100961856B1 (ko) | 초음파 영상을 형성하는 초음파 시스템 및 방법 | |
Mitiche et al. | Medical image denoising using dual tree complex thresholding wavelet transform | |
Chithra et al. | Hybrid denoising technique for suppressing Gaussian noise in medical images | |
Cui et al. | Medical image fusion based on wavelet transform and independent component analysis | |
Jin et al. | Ultrasonic speckle reduction based on soft thresholding in quaternion wavelet domain | |
Xu et al. | Robust PCA-based clutter filtering method for super-resolution ultrasound localization microscopy | |
Abin et al. | An empirical study of dehazing techniques for chest X-ray in early detection of pneumonia | |
CN107076820A (zh) | 用于评估和提高在精细结构分析数据中的数据质量的方法 | |
Muthiah et al. | Fusion of MRI and PET images using deep learning neural networks | |
CN116350198A (zh) | 一种远距离移动目标心率实时监测方法 | |
Park et al. | Direct-global separation for improved imaging photoplethysmography | |
Shanmugavadivu et al. | Wavelet transformation-based detection of masses in digital mammograms | |
CN107492117B (zh) | 一种基于视频的微颤动功能像成像方法 | |
CN102973296A (zh) | 一种血管组织位移估算方法 | |
CN114246570A (zh) | 峰值信噪比和皮尔森相关系数融合的近红外心率检测方法 | |
Bandyopadhyay | Image enhancement technique applied to low-field MR brain images | |
Yu et al. | A noise statistical distribution analysis-based two-step filtering mechanism for optical coherence tomography image despeckling | |
Xu et al. | Diagnostically lossless compression of X-ray angiography images based on automatic segmentation using ray-casting and α-shapes | |
Yang et al. | 2D transform-domain Fourier filters for eliminating microsaccade noise in en face optical coherence tomography angiography | |
Wakure et al. | Survey on different image fusion techniques | |
Hsieh et al. | The study of the relationship between electro-oculogram and the features of closed eye motion | |
Omar et al. | Wavelet-based medical image fusion via a non-linear operator | |
Loganathan et al. | Performance Analysis of Various Deep Learning Denoise Techniques on Retinal OCT Images |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |