CN112330547B - 一种针对oct视网膜图像消除血管阴影的滤波方法 - Google Patents
一种针对oct视网膜图像消除血管阴影的滤波方法 Download PDFInfo
- Publication number
- CN112330547B CN112330547B CN202011086639.8A CN202011086639A CN112330547B CN 112330547 B CN112330547 B CN 112330547B CN 202011086639 A CN202011086639 A CN 202011086639A CN 112330547 B CN112330547 B CN 112330547B
- Authority
- CN
- China
- Prior art keywords
- image
- oct
- spectrogram
- mask
- retina
- 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
- 210000001525 retina Anatomy 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000002792 vascular Effects 0.000 title claims abstract description 22
- 238000001914 filtration Methods 0.000 title claims abstract description 17
- 238000010586 diagram Methods 0.000 claims abstract description 18
- 230000009466 transformation Effects 0.000 claims abstract description 6
- 230000002207 retinal effect Effects 0.000 claims description 29
- 230000004256 retinal image Effects 0.000 claims description 9
- 230000000694 effects Effects 0.000 abstract description 5
- 238000003384 imaging method Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 210000004204 blood vessel Anatomy 0.000 description 14
- 238000002474 experimental method Methods 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 4
- 206010030113 Oedema Diseases 0.000 description 3
- 206010056658 Pseudocyst Diseases 0.000 description 3
- 210000001210 retinal vessel Anatomy 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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]
-
- 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
- G06T2207/20024—Filtering details
-
- 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]
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30041—Eye; Retina; Ophthalmic
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Eye Examination Apparatus (AREA)
- Image Processing (AREA)
Abstract
本发明提出了一种针对OCT视网膜图像消除血管阴影的滤波方法,所述方法包括选取一个待处理的OCT视网膜B扫描图像;利用傅里叶变换将OCT视网膜B扫描图像从空间域转为频率域得到OCT视网膜B扫描图像的频谱图;通过垂直扇形滤波器和巴特沃斯低通滤波器生成最终掩模图;将OCT视网膜B扫描图像的频谱图及最终掩模图相乘得到保留通带的频谱图;利用傅里叶逆变换将保留通带的频谱图转化为空域图。本发明能够有效消除视网膜B扫描图像的血管阴影,同时基于视网膜图的成像形态,构造掩模图,保留了曲线带状的方向信息,消除了血管阴影的方向信息,并且通过保留图像所需的低频信息,有效地避免了振铃效应。本发明适用于图像处理领域。
Description
技术领域
本发明涉及图像处理领域,具体涉及一种针对OCT视网膜图像消除血管阴影的滤波方法。
背景技术
目前,一些消除血管阴影的方法已经应用在视网膜层自动分割中,通过迭代多项式平滑来定位视网膜血管。具体步骤如下:首先基于观察到的血管部份通常比临近的非血管部分明亮的特点,因此血管截面的图像列的平均强度将比相邻的非血管截面的平均强度大得多。通过所得到OCT图像的所有图像列的平均强度确定平均图像向量,由于视网膜血管通常具有不同的宽度,可利用多项式迭代平滑检测视网膜的血管。接着将一副OCT图像分割成多个血管切片和非血管切片,对所得到的切片进行双边滤波和中值滤波,抑制图像噪声。然后将非血管切片的层边界按梯度进行分类到特定的视网膜层进行线性插值,实现视网膜层的分割。然而这种方法非常的复杂,且将会过多地消耗计算机的资源,大大增加时间成本。
另外,在一些研究的基础上对血管的检测进行了简化,通过先验知识,根据血管段的图像列的平均强度远低于相邻的非血管段(图像的像素值进行了取反操作),当强度值突然下降则为血管段起始点,接着强度值突然上升则为血管段的终点。将这些点标记为S0start,S0end,S1start,S1end,S2start,S2end等,则第一个无血管段为[0-S0start],第二个无血管段为[S0end-S1start]。纪录标记点,进而得到非血管区域的图像,达到去除血管阴影的影响,通过对非血管区域的操作,然后再进行后续的视网膜分割。此操作仍然繁琐复杂,且对图像的质量要求较高,鲁棒性低。
此外,采用一种在单个B扫描中检测血管的方法,使得Dijkstra算法不受血管的影响。首先,尝试分割RPE-脉络膜层边界,用IS-OS限制搜索区域。然后将高斯滤波器对图像进行滤波处理,并对从RPE-脉络膜到上方15个像素的列像素进行求和。表现出较低的总和值(血管阴影的像素低)的列定义为血管区域。检测出血管的区域则令血管区域的边缘权重设置为低值,从而提高边界检测的准确性。对于复杂一点的图像,这种方法将出现由于限制区域的层边界找寻不到,从而影响区域限制的问题。
发明内容
本发明的目的在于提出一种针对OCT视网膜图像消除血管阴影的滤波方法,以解决现有技术中所存在的一个或多个技术问题,至少提供一种有益的选择或创造条件。
为了实现上述目的,根据本发明的一方面,本发明提出了一种针对OCT视网膜图像消除血管阴影的滤波方法,所述方法包括以下步骤:
步骤1,选取一个待处理的OCT视网膜B扫描图像;
步骤2,利用傅里叶变换将OCT视网膜B扫描图像从空间域转为频率域得到OCT视网膜B扫描图像的频谱图;
步骤3,通过垂直扇形滤波器和巴特沃斯低通滤波器生成最终掩模图;
步骤4,将OCT视网膜B扫描图像的频谱图及最终掩模图相乘得到保留通带的频谱图;
步骤5,利用傅里叶逆变换将保留通带的频谱图转化为空域图。
具体的,步骤2中,利用傅里叶变换将OCT视网膜B扫描图像从空间域转为频率域得到OCT视网膜B扫描图像的频谱图的方法为对OCT视网膜B扫描图像进行二维傅里叶变换得到OCT视网膜B扫描图像的频谱图,所述二维傅里叶变换的函数表达式为:
其中,f(x,y)为OCT视网膜B扫描图像的函数,u,v为频域分量,周期为2π,j为虚单位,j2=-1,所述OCT视网膜B扫描图像的大小为N×N,N为大于1的自然数。
具体的,在步骤3中,通过垂直扇形滤波器和巴特沃斯低通滤波器生成最终掩模图的方法为:
A1,设定垂直扇形滤波器角度θ,根据角度θ布置通带得到垂直扇形掩模图,所述垂直扇形掩模图的大小等于OCT视网膜B扫描图的大小,所述垂直扇形掩模图的大小为N×N,N为大于1的自然数,所述垂直扇形滤波器的产生公式为:
其中,u,v为频域分量;
A2,将垂直扇形掩模图取反得到垂直扇形取反掩模图;
A3,设置截止频率和阶数,生成巴特沃斯低通掩模图,所述巴特沃斯低通掩模图的大小等于OCT视网膜B扫描图的大小,所述巴特沃斯低通掩模图的大小为N×N,N为大于1的自然数;
A4,将垂直扇形取反掩模图和巴特沃斯低通掩模图相乘后得到低通掩模图;
A5,将低通掩模图和垂直扇形掩模图相加后得到最终掩模图。
具体的,所述垂直扇形滤波器角度θ为30°。
具体的,所述巴特沃斯低通滤波器的产生公式为:
其中,Dο为巴特沃斯低通滤波器的截止频率,D(u,v)为频率点(u,v)与频域中心的距离,u,v为频域分量,n为巴特沃斯低通滤波器的阶数,所述巴特沃斯低通掩模图的大小为N×N,N为大于1的自然数。
具体的,所述巴特沃斯低通滤波器的通带特性为:
其中,Dο为巴特沃斯低通滤波器的截止频率,D(u,v)为巴特沃斯低通滤波器的频率函数,u,v为频域分量,θ为垂直扇形滤波器角度。
具体的,步骤5中,利用傅里叶逆变换将保留通带的频谱图转化为空域图的方法为对保留通带的频谱图进行二维傅里叶逆变换得到空域图,所述二维傅里叶逆变换的函数表达式为:
其中,f(x,y)为保留通带的频谱图的函数,u,v为频域分量,周期为2π,j为虚单位,j2=-1,所述空域图的大小为N×N,N为大于1的自然数。
本发明的有益效果为:本发明提供了一种针对OCT视网膜图像消除血管阴影的滤波方法,能够有效消除视网膜B扫描图像的血管阴影;同时基于视网膜图的成像形态,构造掩模图,保留了曲线带状的方向信息,消除了血管阴影的方向信息,并且通过保留图像所需的低频信息,有效地避免了振铃效应;可以通过整合成一个算法函数,用于图像的预处理,相对其他算法,本算法运算速度更改,资源占用更少,效率更高。
附图说明
通过对结合附图所示出的实施方式进行详细说明,本发明的上述以及其他特征将更加明显,本发明附图中相同的参考标号表示相同或相似的元素,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,在附图中:
图1为本实施例中的算法流程图;
图2为本实施例中的利用傅里叶变换将OCT视网膜B扫描图像从空间域转为频率域得到的OCT视网膜B扫描图像的频谱图;
图3为本实施例中的巴特沃斯低通掩模图;
图4为本实施例中的低通掩模图;
图5为本实施例中的最终掩模图中央部分的示意图;
图6为本实施例中的已去除血管阴影的最终结果图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述,以充分地理解本发明的目的、方案和效果。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
为了实现上述目的,根据本发明的一方面,本发明提出了一种针对OCT视网膜图像消除血管阴影的滤波方法,如图1所示,所述方法包括以下步骤:
步骤1,选取一个待处理的OCT视网膜B扫描图像;
步骤2,利用傅里叶变换将OCT视网膜B扫描图像从空间域转为频率域得到OCT视网膜B扫描图像的频谱图;
步骤3,通过垂直扇形滤波器和巴特沃斯低通滤波器生成最终掩模图;
步骤4,将OCT视网膜B扫描图像的频谱图及最终掩模图相乘得到保留通带的频谱图;
步骤5,利用傅里叶逆变换将保留通带的频谱图转化为空域图。
具体的,步骤2中,利用傅里叶变换将OCT视网膜B扫描图像从空间域转为频率域得到OCT视网膜B扫描图像的频谱图的方法为对OCT视网膜B扫描图像进行二维傅里叶变换得到OCT视网膜B扫描图像的频谱图,所述二维傅里叶变换的函数表达式为:
其中,f(x,y)为OCT视网膜B扫描图像的函数,u,v为频域分量,周期为2π,j为虚单位,j2=-1,OCT视网膜B扫描图像的大小为N×N,N为大于1的自然数。
具体的,在步骤3中,通过垂直扇形滤波器和巴特沃斯低通滤波器生成最终掩模图的方法为:
A1,设定垂直扇形滤波器角度θ,根据角度θ布置通带得到垂直扇形掩模图,所述垂直扇形掩模图的大小等于OCT视网膜B扫描图的大小,所述垂直扇形掩模图的大小为N×N,N为大于1的自然数,所述垂直扇形滤波器的产生公式为:
其中,u,v为频域分量;
A2,将垂直扇形掩模图取反得到垂直扇形取反掩模图;
A3,设置截止频率和阶数,生成巴特沃斯低通掩模图,所述巴特沃斯低通掩模图的大小等于OCT视网膜B扫描图的大小,所述巴特沃斯低通掩模图的大小为N×N,N为大于1的自然数;
A4,将垂直扇形取反掩模图和巴特沃斯低通掩模图相乘后得到低通掩模图;
A5,将低通掩模图和垂直扇形掩模图相加后得到最终掩模图。
具体的,所述垂直扇形滤波器角度θ为30°。
具体的,所述巴特沃斯低通滤波器的产生公式为:
其中,Dο为巴特沃斯低通滤波器的截止频率,D(u,v)为频率点(u,v)与频域中心的距离,u,v为频域分量,n为巴特沃斯低通滤波器的阶数,所述巴特沃斯低通掩模图的大小为N×N,N为大于1的自然数。
具体的,步骤5中,利用傅里叶逆变换将保留通带的频谱图转化为空域图的方法为对保留通带的频谱图进行二维傅里叶逆变换得到空域图,所述二维傅里叶逆变换的函数表达式为:
其中,f(x,y)为保留通带的频谱图的函数,u,v为频域分量,周期为2π,j为虚单位,j2=-1,所述空域图的大小为N×N,N为大于1的自然数。
实验1,利用傅里叶变换将OCT视网膜B扫描图像的模拟图像从空间域转为频率域得到OCT视网膜B扫描图像的频谱图,具体如图2所示。
这里,图2中的(a)和(b)为OCT视网膜B扫描图像的真实图像,图2中的(c)和(d)为OCT视网膜B扫描图像的对应的频域图像,如图2(c)和图2(d)所示,OCT视网膜B扫描图像的真实图像在频域中的线性信息不太明显,所以在实验中选择如图2(g)和图2(h)所示的OCT视网膜B扫描图像的模拟图像进行傅里叶变换。图2中的(e)和(g)为靠近中央凹处的OCT视网膜B扫描图像的模拟图像,图2中的(f)和(h)为OCT视网膜B扫描图像的模拟图像;图2中的(i)和(j)为靠近中央凹处的OCT视网膜B扫描图像的模拟图像的经过傅里叶变换得到的频谱图,图2中的(k)和(l)为远离中央凹处的OCT视网膜B扫描图像的模拟图像经过傅里叶变换得到的频谱图。
实验2,通过巴特沃斯低通滤波器得到巴特沃斯低通掩模图,具体如图3所示。这里,D0=10,n=3,图3(a)为巴特沃斯低通掩模图,图3(b)为图3(a)的中心点放大图。实验3,将垂直扇形取反掩模图和巴特沃斯低通掩模图相乘后得到低通掩模图,具体如图4所示。这里,θ=30°,图4(a)为低通掩模图,图4(b)为图4(a)的中心点放大图。如图3和图4可知,本实施例中基于视网膜图的成像形态构造掩模图的方法,保留了曲线带状的方向信息,消除了血管阴影的方向信息。
实验4,将低通掩模图和垂直扇形掩模图相加后得到最终掩模图,以保持一些低频信息避免出现振铃效应。具体如图5所示。图5为最终掩模图中央部分的示意图。
根据图5,所述巴特沃斯低通滤波器的通带特性为:
其中,Dο为巴特沃斯低通滤波器的截止频率,D(u,v)为频率点(u,v)与频域中心的距离,u,v为频域分量,θ为垂直扇形滤波器角度。
图6示出了本实施例中的已去除血管阴影的最终结果图。其中,图6(a)为健康视网膜的原始图像,图6(b)为通过B-fan滤波过滤后的视网膜图像,红色矩形标记的区域为血管趋于,图6(c)为具有假性囊肿的视网膜图像,图6(e)为具有水肿的视网膜图像,图6(d)为通过本发明的滤波算法去除血管阴影的具有假性囊肿的视网膜图像,图6(f)为通过本发明的滤波算法去除血管阴影的具有水肿的视网膜图像。如图5所示,本实施例中的算法能够保持横向上相邻像素的一致性,平滑视网膜层,以消除假性囊肿的影响,减缓水肿边界在横向的梯度,淡化部分不连续的噪声点并保留连续的层边界信息,增加层边界的梯度,利于视网膜的分割。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述,但其并非旨在局限于任何这些细节或实施例或任何特殊实施例,而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释,从而有效地涵盖本发明的预定范围。此外,上文以发明人可预见的实施例对本发明进行描述,其目的是为了提供有用的描述,而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。
Claims (4)
1.一种针对OCT视网膜图像消除血管阴影的滤波方法,其特征在于,所述方法包括以下步骤:
步骤1,选取一个待处理的OCT视网膜B扫描图像;
步骤2,利用傅里叶变换将OCT视网膜B扫描图像从空间域转为频率域得到OCT视网膜B扫描图像的频谱图;
步骤3,通过垂直扇形滤波器和巴特沃斯低通滤波器生成最终掩模图;
步骤4,将OCT视网膜B扫描图像的频谱图及最终掩模图相乘得到保留通带的频谱图;
步骤5,利用傅里叶逆变换将保留通带的频谱图转化为空域图;
其中,在步骤3中,通过垂直扇形滤波器和巴特沃斯低通滤波器生成最终掩模图的方法为:
A1,设定垂直扇形滤波器角度,根据角度/>布置通带得到垂直扇形掩模图,所述垂直扇形掩模图的大小等于OCT视网膜B扫描图的大小,所述垂直扇形掩模图的大小为N×N,N为大于1的自然数,所述垂直扇形滤波器的产生公式为:
(2)
其中,u,v为频域分量;
A2,将垂直扇形掩模图取反得到垂直扇形取反掩模图;
A3,设置截止频率和阶数,生成巴特沃斯低通掩模图,所述巴特沃斯低通掩模图的大小等于OCT视网膜B扫描图的大小,所述巴特沃斯低通掩模图的大小为N×N,N为大于1的自然数;
A4,将垂直扇形取反掩模图和巴特沃斯低通掩模图相乘后得到低通掩模图;
A5,将低通掩模图和垂直扇形掩模图相加后得到最终掩模图;
其中,所述垂直扇形滤波器角度为30°;
其中,所述巴特沃斯低通滤波器的产生公式为:
(3)
(4)
其中,D为巴特沃斯低通滤波器的截止频率,D(u,v)为频率点(u,v)与频域中心的距离,u,v为频域分量,n为巴特沃斯低通滤波器的阶数。
2.根据权利要求1所述的一种针对OCT视网膜图像消除血管阴影的滤波方法,其特征在于,步骤2中,利用傅里叶变换将OCT视网膜B扫描图像从空间域转为频率域得到OCT视网膜B扫描图像的频谱图的方法为对OCT视网膜B扫描图像进行二维傅里叶变换得到OCT视网膜B扫描图像的频谱图,所述二维傅里叶变换的函数表达式为:
(1)
其中,f(x,y)为OCT视网膜B扫描图像的函数,u,v为频域分量,周期为2,j为虚单位,j2=-1,所述OCT视网膜B扫描图像的大小为N×N,N为大于1的自然数。
3.根据权利要求1所述的一种针对OCT视网膜图像消除血管阴影的滤波方法,其特征在于,所述巴特沃斯低通滤波器的通带特性为:
(5)
其中,D为巴特沃斯低通滤波器的截止频率,D(u,v)为频率点(u,v)与频域中心的距离,u,v为频域分量,/>为垂直扇形滤波器角度。
4.根据权利要求1所述的一种针对OCT视网膜图像消除血管阴影的滤波方法,其特征在于,步骤5中,利用傅里叶逆变换将保留通带的频谱图转化为空域图的方法为对保留通带的频谱图进行二维傅里叶逆变换得到空域图,所述二维傅里叶逆变换的函数表达式为:
(6)
其中,f(x,y)为保留通带的频谱图的函数,u,v为频域分量,周期为2,j为虚单位,j2=-1,所述空域图的大小为N×N,N为大于1的自然数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011086639.8A CN112330547B (zh) | 2020-10-12 | 2020-10-12 | 一种针对oct视网膜图像消除血管阴影的滤波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011086639.8A CN112330547B (zh) | 2020-10-12 | 2020-10-12 | 一种针对oct视网膜图像消除血管阴影的滤波方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112330547A CN112330547A (zh) | 2021-02-05 |
CN112330547B true CN112330547B (zh) | 2024-04-30 |
Family
ID=74314877
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011086639.8A Active CN112330547B (zh) | 2020-10-12 | 2020-10-12 | 一种针对oct视网膜图像消除血管阴影的滤波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112330547B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006149565A (ja) * | 2004-11-26 | 2006-06-15 | Ge Medical Systems Global Technology Co Llc | Mr画像生成方法、mri装置、およびその方法をコンピュータに実行させるプログラム |
CN106683080A (zh) * | 2016-12-15 | 2017-05-17 | 广西师范大学 | 一种视网膜眼底图像预处理方法 |
CN108416737A (zh) * | 2018-01-10 | 2018-08-17 | 浙江工业大学之江学院 | 基于dnst的医学ct图像去噪方法 |
CN109191387A (zh) * | 2018-07-20 | 2019-01-11 | 河南师范大学 | 一种基于巴特沃斯滤波器的红外图像去噪方法 |
CN110101362A (zh) * | 2019-04-29 | 2019-08-09 | 中国科学院宁波工业技术研究院慈溪生物医学工程研究所 | 一种关于oct和octa的图像噪声去除的方法 |
CN111240027A (zh) * | 2020-03-04 | 2020-06-05 | 山东大学 | 一种基于轴棱锥-透镜组合的光学空间滤波系统及其工作方法 |
CN111461961A (zh) * | 2020-03-27 | 2020-07-28 | 佛山科学技术学院 | 一种oct血管图像错位矫正方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015142923A1 (en) * | 2014-03-17 | 2015-09-24 | Carnegie Mellon University | Methods and systems for disease classification |
US10231619B2 (en) * | 2015-12-09 | 2019-03-19 | Oregon Health & Science University | Systems and methods to remove shadowgraphic flow projections in OCT angiography |
-
2020
- 2020-10-12 CN CN202011086639.8A patent/CN112330547B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006149565A (ja) * | 2004-11-26 | 2006-06-15 | Ge Medical Systems Global Technology Co Llc | Mr画像生成方法、mri装置、およびその方法をコンピュータに実行させるプログラム |
CN106683080A (zh) * | 2016-12-15 | 2017-05-17 | 广西师范大学 | 一种视网膜眼底图像预处理方法 |
CN108416737A (zh) * | 2018-01-10 | 2018-08-17 | 浙江工业大学之江学院 | 基于dnst的医学ct图像去噪方法 |
CN109191387A (zh) * | 2018-07-20 | 2019-01-11 | 河南师范大学 | 一种基于巴特沃斯滤波器的红外图像去噪方法 |
CN110101362A (zh) * | 2019-04-29 | 2019-08-09 | 中国科学院宁波工业技术研究院慈溪生物医学工程研究所 | 一种关于oct和octa的图像噪声去除的方法 |
CN111240027A (zh) * | 2020-03-04 | 2020-06-05 | 山东大学 | 一种基于轴棱锥-透镜组合的光学空间滤波系统及其工作方法 |
CN111461961A (zh) * | 2020-03-27 | 2020-07-28 | 佛山科学技术学院 | 一种oct血管图像错位矫正方法 |
Non-Patent Citations (3)
Title |
---|
"Simultaneous Morphological and Flow Imaging Enabled by Megahertz Intravascular Doppler Optical Coherence Tomography";Tianshi Wang等;《IEEE Transactions on Medical Imaging》;20191112;全文 * |
Hsin-Che Li等."In Vivo Visualization of Brain Vasculature in Alzheimer's Disease Mice by High-Frequency Micro-Doppler Imaging".《 IEEE Transactions on Biomedical Engineering》.2019,全文. * |
无抽样方向滤波器组的设计及其在医学图像增强中的应用;张洁;杨丰;;信号处理;20090825(第08期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112330547A (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108805023B (zh) | 一种图像检测方法、装置、计算机设备及存储介质 | |
US6621937B1 (en) | Removing chroma noise from digital images by using variable shape pixel neighborhood regions | |
US10275891B2 (en) | Phase transform for object and shape detection in digital images | |
CN111260694B (zh) | 卫星遥感视频目标跟踪方法及装置 | |
CN110675317B (zh) | 基于学习和自适应三边滤波正则化的超分辨率重建方法 | |
JP2012515982A (ja) | コンピュータグラフィックスのためのスムージングされたローカルヒストグラムフィルタ | |
KR102195047B1 (ko) | 3d이미지 품질을 향상시키는 방법과 장치 | |
Shedbalkar et al. | A comparative analysis of filters for noise reduction and smoothening of brain MRI images | |
CN112330547B (zh) | 一种针对oct视网膜图像消除血管阴影的滤波方法 | |
Mustafa et al. | Image correction based on homomorphic filtering approaches: A study | |
JP5869550B2 (ja) | 二値画像のトポロジー保存ダウンサンプリング | |
KR102096532B1 (ko) | 소나영상의 객체 인식을 위한 커브렛 변환 기반의 윤곽선 향상 방법 및 장치 | |
Mittal et al. | Modified watershed segmentation with denoising of medical images | |
Zhang et al. | Region-adaptive texture-aware image resizing | |
KR102223263B1 (ko) | 컴퓨터 보조 진단 시스템을 이용한 식도암 확대 내시경 영상 분석 방법 및 장치 | |
Patanavijit et al. | The novel noise classification techniques found on quadruple threshold statistical detection filter under fix intensity impulse outlier environment | |
KR101113220B1 (ko) | 혈관 추출 마스크를 이용한 컬러 도플러 이미지 형성 방법 및 장치 | |
Cheng | Single-image Background Removal with Entropy Filtering. | |
CN117974460B (zh) | 图像增强方法、系统及存储介质 | |
Eitel et al. | Feature visualization for convolutional neural network models trained on neuroimaging data | |
Chang et al. | Rician noise removal in MR images using an adaptive trilateral filter | |
Gusev et al. | Fast parallel grid warping-based image sharpening method | |
CN114677303B (zh) | 一种基于集成边缘数据增强的亚像素边缘检测方法 | |
TWI776733B (zh) | 快速抑制數位影像中的背景高頻雜訊的資料處理方法 | |
Lee | Literature review on edge detection methods |
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 |