CN113160080B - 一种cr影像降噪方法、装置、设备及介质 - Google Patents

一种cr影像降噪方法、装置、设备及介质 Download PDF

Info

Publication number
CN113160080B
CN113160080B CN202110408465.0A CN202110408465A CN113160080B CN 113160080 B CN113160080 B CN 113160080B CN 202110408465 A CN202110408465 A CN 202110408465A CN 113160080 B CN113160080 B CN 113160080B
Authority
CN
China
Prior art keywords
target
image
dimensional data
wavelet
coefficient
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
Application number
CN202110408465.0A
Other languages
English (en)
Other versions
CN113160080A (zh
Inventor
黄朝光
张金品
黄贤高
梁永
张阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guilin Woodpecker Medical Instruments Co Ltd
Original Assignee
Guilin Woodpecker Medical Instruments Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guilin Woodpecker Medical Instruments Co Ltd filed Critical Guilin Woodpecker Medical Instruments Co Ltd
Priority to CN202110408465.0A priority Critical patent/CN113160080B/zh
Publication of CN113160080A publication Critical patent/CN113160080A/zh
Application granted granted Critical
Publication of CN113160080B publication Critical patent/CN113160080B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T2207/10116—X-ray 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30036—Dental; Teeth

Abstract

本申请提供了一种CR影像降噪方法、装置、设备及介质，该方法包括：根据目标CR影像对应的灰度信息，确定所述目标CR影像在多个横向维度下的多组一维数据；对每组一维数据进行小波分解，该组一维数据对应的第一小波系数和尺度空间系数；根据每组一维数据对应的第一小波系数、小波分解时对应的尺度空间系数以及该第一小波系数对应的收缩因子，重构得到降噪后的目标CR影像；本方法对于CR影像具有良好的降噪效果，传统数字图像降噪方法均以二维空间作为最小单元进行数据处理，在降低噪声的同时也带来一定程度的失真，对图像的行展开再处理可以有效减少图像在降噪处理中列信号上的失真。

Description

一种CR影像降噪方法、装置、设备及介质
技术领域
本发明涉及图像降噪技术领域，具体而言，涉及一种CR影像降噪方法、装置、设备及介质。
背景技术
数字图像，又称数码图像或数位图像，是二维图像用有限数字数值像素的表示。由数组或矩阵表示，其光照位置和强度都是离散的。数字图像是由模拟图像数字化得到的、以像素为基本元素的、可以用数字计算机或数字电路存储和处理的图像。
数字图像在采集、传送和转换过程中，由于设备的机械运动、系统内部电路以及器材材料本身等原因使图像染有噪声，从而严重降低图像的质量。尤其是医疗领域，如果产生的图像质量低的话，医疗人员则无法准确判断患者的病情。例如，如果计算机X射线摄影产生的牙片图像染有噪声的话，很大程度上影响医疗人员对于牙齿状态的判断。
发明内容
有鉴于此，本发明的目的在于提供一种CR影像降噪方法、装置、设备及介质，以一维数据为处理单元对CR影响进行降噪，有效减少图像在降噪处理中列信号上的失真。
第一方面，本申请实施例提供了一种CR影像降噪方法，所述方法包括：
根据目标CR影像对应的灰度信息，确定所述目标CR影像在多个横向维度下的多组一维数据；其中，每组一维数据中包括所述目标CR影像在对应的横向维度下的第一灰度信息；
对每组一维数据进行小波分解，该组一维数据对应的第一小波系数和尺度空间系数；
根据每组一维数据对应的第一小波系数、小波分解时对应的尺度空间系数以及该第一小波系数对应的收缩因子，重构得到降噪后的目标CR影像；其中，所述收缩因子包括每个小波系数对应的幅度系数和小波分解不同尺度代表的层数。
在本发明较佳的技术方案中，上述根据目标CR影像对应的灰度信息，确定所述目标CR影像在多个横向维度下的多组一维数据，包括：
根据目标CR影像中每一个像素对应的灰度值，构造所述目标CR影像对应的灰度矩阵；
提取所述灰度矩阵中的每一行的灰度值，作为所述目标CR影像在每个横向维度下的一维数据，得到所述目标CR影像在多个横向维度下的多组一维数据。
在本发明较佳的技术方案中，上述根根据每组一维数据对应的第一小波系数、小波分解时对应的尺度空间系数以及该第一小波系数对应的收缩因子，重构得到降噪后的目标CR影像，包括：
根据所述每组一维数据对应的在进行小波分解时对应的尺度空间系数以及该组一维数据对应的收缩因子，确定调整后的目标尺度空间系数；
根据每组一维数据对应的第一小波系数和该组一维数据对应的目标尺度空间系数，重构得到降噪后的目标CR影像。
在本发明较佳的技术方案中，上述根据每组一维数据对应的第一小波系数和该组一维数据对应的目标尺度空间系数，重构得到降噪后的目标CR影像，包括：
根据每组一维数据对应的目标尺度空间系数，确定该组一维数据对应的目标范围；其中，所述目标范围兼顾所述目标CR影像过滤效果和边缘失真；
从该组一维数据对应的第一小波系数中选取位于所述目标范围内的第二小波系数；
根据第二小波系数，重构得到降噪后的目标CR影像。
在本发明较佳的技术方案中，上述根据第二小波系数，重构得到降噪后的目标CR影像，包括：
根据第二小波系数，得到重构一维数据；
根据重构一维数据，得到对应的重构灰度矩阵，即得到降噪后的目标CR影像。
第二方面，本申请实施例提供了一种CR影像降噪装置，所述装置包括：所述装置包括：
展开模块，用于将目标CR影像转变为表征CR影像灰度的多组一维数据；
分解模块，用于对每组所述一维数据进行小波分解得到每组所述一维数据对应的第一小波系数；
重构模块，用于根据每个第一小波系数、尺度空间系数、第一小波系数对应的收缩因子得到降噪后的CR影像；其中收缩因子包括每个小波系数对应的幅度系数和小波分解不同尺度代表的层数。
在本发明较佳的技术方案中，所述重构模块在用于所述根据目标CR影像对应的灰度信息，确定所述目标CR影像在多个横向维度下的多组一维数据时，包括：
根据目标CR影像中每一个像素对应的灰度值，构造目标CR影像对应的灰度矩阵；
提取灰度矩阵中的每一行的灰度值，作为目标CR影像在每个横向维度下的一维数据，得到目标CR影像在多个横向维度下的多组一维数据。
在本发明较佳的技术方案中，所述重构模块在用于根根据每组一维数据对应的第一小波系数、小波分解时对应的尺度空间系数以及该第一小波系数对应的收缩因子，重构得到降噪后的目标CR影像时，包括：
根据每组一维数据对应的在进行小波分解时对应的尺度空间系数以及该组一维数据对应的收缩因子，确定调整后的目标尺度空间系数；
根据每组一维数据对应的第一小波系数和该组一维数据对应的目标尺度空间系数，重构得到降噪后的目标CR影像。
第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的CR影像降噪方法的步骤。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述的CR影像降噪方法的步骤。
本申请的实施例提供的技术方案可以包括以下有益效果：
根据目标CR影像对应的灰度信息，确定所述目标CR影像在多个横向维度下的多组一维数据；对每组一维数据进行小波分解，该组一维数据对应的第一小波系数和尺度空间系数；根据每组一维数据对应的第一小波系数、小波分解时对应的尺度空间系数以及该第一小波系数对应的收缩因子，重构得到降噪后的目标CR影像；本方法对于CR影像具有良好的降噪效果，CR影像的成像方式决定了随机噪声在列间具有弱相关性或者不相关，传统数字图像降噪方法均以二维空间作为最小单元进行数据处理，在降低噪声的同时也带来一定程度的失真，对图像的行展开再处理可以有效减少图像在降噪处理中列信号上的失真。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍， 应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1示出了本申请实施例所提供的一种CR影像降噪方法的流程示意图；
图2示出了本申请实施例所提供的现有技术图像降噪方法示意图；
图3示出了本申请实施例所提供的一种所提供的一种CR影像降噪装置示意图；
图4为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中附图，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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。
CR是计算机X射线（computed radiography）的英文缩写。数字图像，又称数码图像或数位图像，是二维图像用有限数字数值像素的表示。由数组或矩阵表示，其光照位置和强度都是离散的。数字图像是由模拟图像数字化得到的、以像素为基本元素的、可以用数字计算机或数字电路存储和处理的图像。
牙片是指牙齿的X线片，也称口内标准片。一张牙片可以显示3-4个牙齿，牙齿在牙片上显示出白色阻射影像。牙片是口腔科应用最广的检查手段，也是最常用的，因为它在牙的治疗前、治疗中和治疗后都有助于诊断和治疗。计算机X射线摄影产生的牙片图像染有噪声的话，很大程度上影响医疗人员对于牙齿状态的判断。如果牙片染有噪声的话，很大程度上影响医疗人员对于牙齿状态的判断。
如图2所示，现有技术中对牙片的降噪方法包括：
第一步将原始图像转化为灰度图像，进行小波MALLAT多层次分解，得到水平、垂直和对角三个方向上的高频分量和同尺度上的一个低频分量；
第二步将分解得到的含有噪声的三个高频分量利用改进的小波阈值函数和改进自适应阈值算法进行量化处理；
第三步利用三个方向上的高频分量和一个低频分量进行小波重构，恢复出原图像；
第四步对第三步骤中的重构图像利用改进灰度核函数的双边滤波器进行图像的二次滤波，便得到降噪后的图像。
现有方案适用于所有的数字图像。CR牙片影像的噪声主要由扫描系统引入，扫描系统的通常采用点扫描方式，所以噪声在图像的行具有强相关性，在列是弱相关性。上述方案应用于CR牙片影像降噪时，会导致信号的失真。
基于此，本发明实施例提供了一种CR影像降噪方法、装置、设备及介质，下面通过实施例进行描述。
图1示出了本申请实施例所提供的一种CR影像降噪方法的流程示意图，其中，该方法包括步骤S101-S103；具体的：
步骤S101，根据目标CR影像对应的灰度信息，确定目标CR影像在多个横向维度下的多组一维数据；其中，每组一维数据中包括目标CR影像在对应的横向维度下的第一灰度信息；
步骤S102，对每组一维数据进行小波分解，该组一维数据对应的第一小波系数和尺度空间系数；
步骤S103，根据每组一维数据对应的第一小波系数、小波分解时对应的尺度空间系数以及该第一小波系数对应的收缩因子，重构得到降噪后的目标CR影像；其中，收缩因子包括每个小波系数对应的幅度系数和小波分解不同尺度代表的层数。
本申请在点扫描成像的灰度数字图像中具有良好的降噪效果，尤其是CR牙片。CR牙片图的成像方式决定了随机噪声在列间具有弱相关性或者不相关，传统数字图像降噪方法均以二维空间作为最小单元进行数据处理，在降低噪声的同时也带来一定程度的失真，对图像的行展开再处理可以有效减少图像在降噪处理中列信号上的失真。
针对上述实施例，下面做具体说明。
步骤S101，根据目标CR影像对应的灰度信息，确定目标CR影像在多个横向维度下的多组一维数据；其中，每组一维数据中包括目标CR影像在对应的横向维度下的第一灰度信息。
CR影像为灰度数字图像，灰度数字图像是每个像素只有一个采样颜色的图像。数字图像，又称数码图像或数位图像，是二维图像用有限数字数值像素的表示。由矩阵表示，其光照位置和强度都是离散的。数字图像是由模拟图像数字化得到的、以像素为基本元素的、可以用数字计算机或数字电路存储和处理的图像。
CR影响在成像时会产生噪声，例如CR牙片影像的噪声主要由扫描系统引入，扫描系统的通常采用点扫描方式，所以噪声在图像的行具有强相关性，在列是弱相关性。
根据目标CR影像中每一个像素对应的灰度值，构造所述目标CR影像对应的灰度矩阵；
提取所述灰度矩阵中的每一行的灰度值，作为所述目标CR影像在每个横向维度下的一维数据，得到所述目标CR影像在多个横向维度下的多组一维数据。
目标CR影像的灰度能够用矩阵表示，根据CR影像的对应的矩阵数据，选取矩阵数据的每行数据作为处理单元，每行数据中包括目标CR影像的多个第一灰度信息。
具体的，对灰度数字图像进行行展开，设m列n行的数字图像为I(m，n)，将其分解为I(1，:)，I(2，:)，I(3，:)，...，I(n-1，:)，I(n，:)，共有n组行一维数据。
步骤S102，对每组一维数据进行小波分解，该组一维数据对应的第一小波系数和尺度空间系数。
小波就是小的波形。所谓“小”是指它具有衰减性；而称之为“波”则是指它的波动性，其振幅正负相间的震荡形式。
小波分解:[c，l] = wavedec(s，k，'sym4')；
c为小波系数，l是length的意思，记录的是由高到低各级的长度，s代表进行分解的变量；k代表分解层数，sym4表示使用的小波函数。
对一个给定信号进行小波变换,就是将该信号按某一小波函数簇展开,即将信号表示为一系列不同尺度和不同时移的小波函数的线性组合,其中每一项的系数称为小波系数。
对一张图象进行小波分解，可以在MATLAB中实现。在COMMAND WINDOWS窗口中直接输入wavedemo进入说明，wavemenu进使用程序，也可以直接编程。程序在wavedemo里面自带。
具体的，使用sym4小波基对各行一维数据I(x，:)进行K层小波分解，得到K组不同尺度空间上的系数ceoffs[1]，ceoffs[2]，...，ceoffs[K]。
步骤S103，根据每组一维数据对应的第一小波系数、小波分解时对应的尺度空间系数以及该第一小波系数对应的收缩因子，重构得到降噪后的目标CR影像；其中，收缩因子包括每个小波系数对应的幅度系数和小波分解不同尺度代表的层数。
结合信号和噪声在不同尺度上具有不同相关性的特征，本申请采用了尺度方向和阈值上两个维度的处理。
根据所述每组一维数据对应的在进行小波分解时对应的尺度空间系数以及该组一维数据对应的收缩因子，确定调整后的目标尺度空间系数；
根据每组一维数据对应的第一小波系数和该组一维数据对应的目标尺度空间系数，重构得到降噪后的目标CR影像。
具体的，对现有的尺度空间系数δ通过增加收缩因子进行调整，得到调整后的尺度空间系数δn。
其中，δn表示调整后的尺度空间系数，A表示幅度系数，K表示不同尺度代表的层数。
根据每组一维数据对应的目标尺度空间系数，确定该组一维数据对应的目标范围；其中，所述目标范围兼顾所述目标CR影像过滤效果和边缘失真；
从该组一维数据对应的第一小波系数中选取位于所述目标范围内的第二小波系数；
根据第二小波系数，重构得到降噪后的目标CR影像。
阈值处理传统方式有软、硬阈值处理方式，软阈值过滤效果较弱，硬阈值效果好但伴随伪吉布斯效应带来边缘失真。本发明采用的阈值处理方案，兼顾噪声过滤效果和减少伪吉布斯带来的影响。设w表示不同层小波系数，
其中处理后的小波系数。
具体的，对处理后的系数ceoffs[1]’，ceoffs[2]’，...，ceoffs[K-1]’，ceoffs[K]’进行小波重构得到一维行数据I’(x，:)。
得到的处理后行数据I’(1，:)，I’(2，:)，I’(3，:)，...，I’(n-2，:)，I’(n-1，:)，I’(n，:)重构得到处理后二维数字图像I’(m，n)。
图3示出了本申请实施例所提供的一种CR影像降噪装置的结构示意图，装置包括：
展开模块，用于根据目标CR影像对应的灰度信息，确定目标CR影像在多个横向维度下的多组一维数据；其中，每组一维数据中包括目标CR影像在对应的横向维度下的第一灰度信息；
分解模块，用于对每组一维数据进行小波分解，该组一维数据对应的第一小波系数和尺度空间系数；
重构模块，用于根据每组一维数据对应的第一小波系数、小波分解时对应的尺度空间系数以及该第一小波系数对应的收缩因子，重构得到降噪后的目标CR影像；其中，收缩因子包括每个小波系数对应的幅度系数和小波分解不同尺度代表的层数。
重构模块在用于根据目标CR影像对应的灰度信息，确定目标CR影像在多个横向维度下的多组一维数据时时，包括：
根据目标CR影像中每一个像素对应的灰度值，构造目标CR影像对应的灰度矩阵；
提取灰度矩阵中的每一行的灰度值，作为目标CR影像在每个横向维度下的一维数据，得到目标CR影像在多个横向维度下的多组一维数据。
重构模块在用于根据每组一维数据对应的第一小波系数、小波分解时对应的尺度空间系数以及该第一小波系数对应的收缩因子，重构得到降噪后的目标CR影像时，包括：
根据每组一维数据对应的在进行小波分解时对应的尺度空间系数以及该组一维数据对应的收缩因子，确定调整后的目标尺度空间系数；
根据每组一维数据对应的第一小波系数和该组一维数据对应的目标尺度空间系数，重构得到降噪后的目标CR影像。
重构模块在用于根据每组一维数据对应的第一小波系数和该组一维数据对应的目标尺度空间系数，重构得到降噪后的目标CR影像时，包括：
根据每组一维数据对应的目标尺度空间系数，确定该组一维数据对应的目标范围；其中，目标范围兼顾目标CR影像过滤效果和边缘失真；
从该组一维数据对应的第一小波系数中选取位于目标范围内的第二小波系数；
根据第二小波系数，重构得到降噪后的目标CR影像。
重构模块在用于根据第二小波系数，重构得到降噪后的目标CR影像，时包括：
根据第二小波系数，得到重构一维数据；
根据重构一维数据，得到对应的重构灰度矩阵，即得到降噪后的目标CR影像。
如图4所示，本申请实施例提供了一种电子设备，用于执行本申请中的CR影像降噪方法，该设备包括存储器、处理器及存储在该存储器上并可在该处理器上运行的计算机程序，其中，上述处理器执行上述计算机程序时实现上述的CR影像降噪方法的步骤。
具体地，上述存储器和处理器可以为通用的存储器和处理器，这里不做具体限定，当处理器运行存储器存储的计算机程序时，能够执行上述的CR影像降噪方法。
对应于本申请中的CR影像降噪方法，本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述的CR影像降噪方法的步骤。
具体地，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述的CR影像降噪方法。
在本申请所提供的实施例中，应该理解到，所揭露系统和方法，可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，系统或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（Read-Only Memory， ROM）、随机存取存储器（Random Access Memory ，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

Claims (5)

1.一种CR影像降噪方法，其特征在于，所述方法包括：
根据目标CR影像对应的灰度信息，确定所述目标CR影像在多个横向维度下的多组一维数据；其中，每组一维数据中包括所述目标CR影像在对应的横向维度下的第一灰度信息；
对每组一维数据进行小波分解，得到该组一维数据对应的第一小波系数和尺度空间系数；
根据每组一维数据对应的第一小波系数、小波分解时对应的尺度空间系数以及该第一小波系数对应的收缩因子，重构得到降噪后的目标CR影像；其中，所述收缩因子包括每个第一小波系数对应的幅度系数和小波分解不同尺度代表的层数；
所述根据目标CR影像对应的灰度信息，确定所述目标CR影像在多个横向维度下的多组一维数据，包括：
根据目标CR影像中每一个像素对应的灰度值，构造所述目标CR影像对应的灰度矩阵；
提取所述灰度矩阵中的每一行的灰度值，作为所述目标CR影像在每个横向维度下的一维数据，得到所述目标CR影像在多个横向维度下的多组一维数据；
根据每组一维数据对应的第一小波系数、小波分解时对应的尺度空间系数以及该第一小波系数对应的收缩因子，重构得到降噪后的目标CR影像，包括：
根据所述每组一维数据对应的在进行小波分解时得到对应的尺度空间系数以及该组一维数据对应的收缩因子，确定调整后的目标尺度空间系数；
根据每组一维数据对应的第一小波系数和该组一维数据对应的目标尺度空间系数，重构得到降噪后的目标CR影像；
具体的，对现有的尺度空间系数δ通过增加收缩因子进行调整，得到调整后的目标尺度空间系数δn，
其中，δn表示调整后的目标尺度空间系数，A表示幅度系数，K表示不同尺度代表的层数；
所述根据每组一维数据对应的第一小波系数和该组一维数据对应的目标尺度空间系数，重构得到降噪后的目标CR影像，包括：
根据每组一维数据对应的目标尺度空间系数，确定该组一维数据对应的目标范围；其中，所述目标范围兼顾所述目标CR影像过滤效果和边缘失真；
从该组一维数据对应的第一小波系数中选取位于所述目标范围内的第二小波系数；
根据第二小波系数，重构得到降噪后的目标CR影像；
设w表示不同层第一小波系数，
其中处理后的第二小波系数。
2.根据权利要求1所述的CR影像降噪方法，其特征在于，所述根据第二小波系数，重构得到降噪后的目标CR影像，包括：
根据第二小波系数，得到重构一维数据；
根据重构一维数据，得到对应的重构灰度矩阵，即得到降噪后的目标CR影像。
3.一种CR影像降噪装置，其特征在于，所述装置包括：
展开模块，用于根据目标CR影像对应的灰度信息，确定所述目标CR影像在多个横向维度下的多组一维数据；其中，每组一维数据中包括所述目标CR影像在对应的横向维度下的第一灰度信息；
分解模块，用于对每组一维数据进行小波分解，得到该组一维数据对应的第一小波系数和尺度空间系数；
重构模块，用于根据每组一维数据对应的第一小波系数、小波分解时对应的尺度空间系数以及该第一小波系数对应的收缩因子，重构得到降噪后的目标CR影像；其中，所述收缩因子包括每个第一小波系数对应的幅度系数和小波分解不同尺度代表的层数；
所述重构模块在用于所述根据目标CR影像对应的灰度信息，确定所述目标CR影像在多个横向维度下的多组一维数据时，包括：
根据目标CR影像中每一个像素对应的灰度值，构造目标CR影像对应的灰度矩阵；
提取灰度矩阵中的每一行的灰度值，作为目标CR影像在每个横向维度下的一维数据，得到目标CR影像在多个横向维度下的多组一维数据；
所述重构模块在用于根据每组一维数据对应的第一小波系数、小波分解时对应的尺度空间系数以及该第一小波系数对应的收缩因子，重构得到降噪后的目标CR影像时，包括：
根据每组一维数据对应的在进行小波分解时得到对应的尺度空间系数以及该组一维数据对应的收缩因子，确定调整后的目标尺度空间系数；
根据每组一维数据对应的第一小波系数和该组一维数据对应的目标尺度空间系数，重构得到降噪后的目标CR影像；
具体的，对现有的尺度空间系数δ通过增加收缩因子进行调整，得到调整后的目标尺度空间系数δn，
其中，δn表示调整后的目标尺度空间系数，A表示幅度系数，K表示不同尺度代表的层数；
所述根据每组一维数据对应的第一小波系数和该组一维数据对应的目标尺度空间系数，重构得到降噪后的目标CR影像，包括：
根据每组一维数据对应的目标尺度空间系数，确定该组一维数据对应的目标范围；其中，所述目标范围兼顾所述目标CR影像过滤效果和边缘失真；
从该组一维数据对应的第一小波系数中选取位于所述目标范围内的第二小波系数；
根据第二小波系数，重构得到降噪后的目标CR影像；
设w表示不同层第一小波系数，
其中处理后的第二小波系数。
4.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至2任一所述的CR影像降噪方法的步骤。
5.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至2任一所述的CR影像降噪方法的步骤。
CN202110408465.0A 2021-04-16 2021-04-16 一种cr影像降噪方法、装置、设备及介质 Active CN113160080B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110408465.0A CN113160080B (zh) 2021-04-16 2021-04-16 一种cr影像降噪方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110408465.0A CN113160080B (zh) 2021-04-16 2021-04-16 一种cr影像降噪方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN113160080A CN113160080A (zh) 2021-07-23
CN113160080B true CN113160080B (zh) 2023-09-22

Family

ID=76868054

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110408465.0A Active CN113160080B (zh) 2021-04-16 2021-04-16 一种cr影像降噪方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN113160080B (zh)

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001069286A2 (en) * 2000-03-16 2001-09-20 Analysis & Simulation, Inc. System and method for data analysis of x-ray images
CN1932877A (zh) * 2006-09-30 2007-03-21 中山大学 一种带参变量的数据分解重构方法
CN101201937A (zh) * 2007-09-18 2008-06-18 上海医疗器械厂有限公司 基于小波重构与分解的数字图像增强方法及其装置
CN101571949A (zh) * 2009-05-05 2009-11-04 南京信息工程大学 基于pcnn的小波域超声医学图像去噪方法
CN101639936A (zh) * 2009-04-28 2010-02-03 北京捷科惠康科技有限公司 一种x射线图像增强方法及系统
CN102176741A (zh) * 2011-01-06 2011-09-07 西北工业大学 星空图像中帧转移型ccd传感器拖尾亮线消除方法
CN103093428A (zh) * 2013-01-23 2013-05-08 中南大学 一种时空联合的图像序列多尺度几何变换去噪方法
CN104240203A (zh) * 2014-09-09 2014-12-24 浙江工业大学 基于小波变换和快速双边滤波的医学超声图像去噪方法
CN106384337A (zh) * 2016-09-07 2017-02-08 上海理工大学 一种激光散斑血流成像的增强方法
CN107705260A (zh) * 2017-10-03 2018-02-16 陈值英 医学x光图像的去噪系统
CN108510459A (zh) * 2018-04-08 2018-09-07 哈尔滨理工大学 一种基于小波自适应阈值与双边滤波图像降噪算法
CN109934790A (zh) * 2019-03-27 2019-06-25 北京理工大学 带有自适应阈值的红外成像系统非均匀性校正方法
CN109951711A (zh) * 2019-03-25 2019-06-28 贵州大学 一种基于随机阈值调整的ezw数据压缩方法
CN110400267A (zh) * 2019-07-03 2019-11-01 安徽继远软件有限公司 一种基于巡检图像的预处理方法
CN110501169A (zh) * 2019-08-27 2019-11-26 北理慧动（常熟）车辆科技有限公司 车辆故障的诊断方法、装置及电子设备
CN111652810A (zh) * 2020-03-16 2020-09-11 中国人民解放军国防科技大学 一种基于小波域奇异值差分模型的图像去噪方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5352191B2 (ja) * 2008-10-31 2013-11-27 三星電子株式会社 ノイズ低減装置、ノイズ低減方法及びプログラム
CN104077746B (zh) * 2013-03-29 2017-03-01 富士通株式会社 灰度图像处理方法及其装置

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001069286A2 (en) * 2000-03-16 2001-09-20 Analysis & Simulation, Inc. System and method for data analysis of x-ray images
CN1932877A (zh) * 2006-09-30 2007-03-21 中山大学 一种带参变量的数据分解重构方法
CN101201937A (zh) * 2007-09-18 2008-06-18 上海医疗器械厂有限公司 基于小波重构与分解的数字图像增强方法及其装置
CN101639936A (zh) * 2009-04-28 2010-02-03 北京捷科惠康科技有限公司 一种x射线图像增强方法及系统
CN101571949A (zh) * 2009-05-05 2009-11-04 南京信息工程大学 基于pcnn的小波域超声医学图像去噪方法
CN102176741A (zh) * 2011-01-06 2011-09-07 西北工业大学 星空图像中帧转移型ccd传感器拖尾亮线消除方法
CN103093428A (zh) * 2013-01-23 2013-05-08 中南大学 一种时空联合的图像序列多尺度几何变换去噪方法
CN104240203A (zh) * 2014-09-09 2014-12-24 浙江工业大学 基于小波变换和快速双边滤波的医学超声图像去噪方法
CN106384337A (zh) * 2016-09-07 2017-02-08 上海理工大学 一种激光散斑血流成像的增强方法
CN107705260A (zh) * 2017-10-03 2018-02-16 陈值英 医学x光图像的去噪系统
CN108510459A (zh) * 2018-04-08 2018-09-07 哈尔滨理工大学 一种基于小波自适应阈值与双边滤波图像降噪算法
CN109951711A (zh) * 2019-03-25 2019-06-28 贵州大学 一种基于随机阈值调整的ezw数据压缩方法
CN109934790A (zh) * 2019-03-27 2019-06-25 北京理工大学 带有自适应阈值的红外成像系统非均匀性校正方法
CN110400267A (zh) * 2019-07-03 2019-11-01 安徽继远软件有限公司 一种基于巡检图像的预处理方法
CN110501169A (zh) * 2019-08-27 2019-11-26 北理慧动（常熟）车辆科技有限公司 车辆故障的诊断方法、装置及电子设备
CN111652810A (zh) * 2020-03-16 2020-09-11 中国人民解放军国防科技大学 一种基于小波域奇异值差分模型的图像去噪方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于人工蜂群的硬件木马测试向量生成方法;王晓晗等;《上海交通大学学报》;第53卷(第10期);1218-1224 *
基于小波分析的去除心电图信号中高频噪声算法研究;李嘉等;《科技与创新》(第19期);第33-34页 *
基于小波变换的CR影像滤波方法研究;王波波;《中国优秀硕士论文电子期刊网》;全文 *

Also Published As

Publication number Publication date
CN113160080A (zh) 2021-07-23

Similar Documents

Publication Publication Date Title
US8542944B2 (en) Method and apparatus for multi-scale based dynamic range compression and noise suppression
EP1316919A2 (en) Method for contrast-enhancement of digital portal images
US20070053477A1 (en) Method and apparatus of global de-noising for cone beam and fan beam CT imaging
US20110125030A1 (en) Medical diagnostic device and method of improving image quality of medical diagnostic device
JP2012524329A (ja) 多重尺度画像の正規化及び強調
CN104820969B (zh) 一种实时图像盲复原方法
Çalişkan et al. An efficient noisy pixels detection model for CT images using extreme learning machines
Choi et al. Speckle noise reduction in ultrasound images using SRAD and guided filter
CN106530236B (zh) 一种医学图像处理方法及系统
CN114241077B (zh) 一种ct图像分辨率优化方法及装置
CN102637292B (zh) 一种图像的处理方法和装置
Ke et al. Multiscale wiener filtering method for low-dose CT images
US6788826B1 (en) Method for correcting artefacts in a digital image
EP3452981A1 (en) Device and method for denoising a vector-valued image
CN102890817A (zh) 医学图像的处理方法及系统
CN112734663A (zh) 基于自适应阈值的轮廓波变换医学ct图像降噪方法
CN113160080B (zh) 一种cr影像降噪方法、装置、设备及介质
Chinnaswamy et al. Performance evaluation of filters for de-noising the intravascular ultrasound (IVUS) images
Ameen et al. An extensive review of medical image denoising techniques
EP1933273B1 (en) Generating a contrast enhanced image using multiscale analysis
Saoji et al. Speckle and rician noise removal from medical images and Ultrasound images
EP1001370B1 (en) Method for correcting artefacts in a digital image
Mahboob et al. A Novel Medical Image De-noising Algorithm for Efficient Diagnosis in Smart Health Environment
CN111192220A (zh) 基于连通域分割的医疗图像降噪方法、装置及存储介质
Georgieva et al. Adaptive algorithm for CT images enhancement to improve the diagnosis of lung diseases

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