CN115115553A - 一种内窥镜图像降噪处理方法、电子设备及系统 - Google Patents
一种内窥镜图像降噪处理方法、电子设备及系统 Download PDFInfo
- Publication number
- CN115115553A CN115115553A CN202211034786.XA CN202211034786A CN115115553A CN 115115553 A CN115115553 A CN 115115553A CN 202211034786 A CN202211034786 A CN 202211034786A CN 115115553 A CN115115553 A CN 115115553A
- Authority
- CN
- China
- Prior art keywords
- similar
- image
- similar block
- block
- correlation
- 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.)
- Pending
Links
- 230000009467 reduction Effects 0.000 title claims abstract description 29
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 26
- 230000009466 transformation Effects 0.000 claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims description 41
- 238000012545 processing Methods 0.000 claims description 27
- 238000000034 method Methods 0.000 claims description 15
- 238000003657 Likelihood-ratio test Methods 0.000 claims description 6
- 238000011524 similarity measure Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 4
- 230000000903 blocking effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 208000027418 Wounds and injury Diseases 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011282 treatment Methods 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Images
Classifications
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
-
- G06T5/90—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种内窥镜图像降噪处理方法、电子设备及系统,处理方法包括:获取内窥镜图像的相似块,组成强相关性的相似块组;对每个相似块做二维奇异值分解,去除相关性,得到去除相关性后的相似块;将去除相关性后的相似块依次进行二维奇异值逆变换,得到估计图像。本发明可首先将内窥镜图像划分成相似块组,然后将相似块进行奇异值分解,并进行去相关,可降低色噪声的影响,提高内窥镜图像的质量。
Description
技术领域
本发明涉及图像降噪技术领域,尤其是一种内窥镜图像降噪处理方法、电子设备及系统。
背景技术
内窥镜是一类用于人体脏内腔等环境直接观察、诊断或治疗疾病的精密医疗仪器,在医疗中起着重要作用。临床医疗实践中,操作者将内窥镜插入人体,医护人员可通过内窥镜直接地观察人体内腔和内部器官的组织形态和X射线或其他影像设备不能看到的病变等状况,从而利用内窥镜对患者的病情做出快速准确的诊断。此外,借助内窥镜,医生还可以在观察的同时对病灶进行有关手术和治疗。与传统的大创口开放式手术相比,医疗内窥镜创口小、损伤小、疼痛低、恢复快。因此,内窥镜图像的显示质量就显得尤为重要。
内窥镜图像在采集、传输过程中,由于硬件设备条件的限制以及外界环境等各种因素的影响,往往存在较大的噪声。噪声的存在影响了图像的质量以及医生的主观视觉感知效果,也限制了医生对细节的观察和判断,对后续的临床医学诊断造成一定的干扰。在实际环境中,图像噪声的存在是不可避免的,随着硬件设备的发展以及完善,医学图像中的噪声正在逐步减小,但是还需要结合图像处理算法进一步降低内窥镜图像中的噪声。
现有的图像降噪技术中,通常假设环境噪声为具有统计特性的高斯白噪声,但是在实际的内窥镜图像采集过程中,色噪声的频繁出现导致高斯白噪声的假设并不是总能成立。因此,基于色噪声环境的内窥镜去噪就显得尤为重要。
发明内容
针对现有技术中的缺陷,本发明提供了一种内窥镜图像降噪处理方法、电子设备及系统,可有效降低色噪声对内窥镜图像的影响,提高内窥镜图像的质量。
第一方面:
本发明提供了一种内窥镜图像降噪处理方法,包括:
获取所述内窥镜图像的相似块,组成强相关性的相似块组;
对每个相似块做二维奇异值分解,去除相关性,得到去除相关性后的相似块;
将所述去除相关性后的相似块依次进行二维奇异值逆变换,得到估计图像。
优选地,所述获取所述内窥镜图像的相似块具体包括:
对于所述内窥镜图像的任一图块,基于似然比检验法以及似然比阈值,在非局部窗口内搜寻其相似块,如果图块间相似测度大于阈值,则将该图块视为相似块。
优选地,所述对每个相似块做二维奇异值分解,去除相关性,得到去除相关性后的相似块具体包括:
优选地,还包括:将所述去除相关性后的相似块进行硬阈值处理,得到硬阈值处理后的相似块。
第二方面:
本发明提供了一种内窥镜图像降噪处理电子设备,包括:包括存储器和处理器;所述存储器用于存储可执行程序代码;
所述处理器用于读取所述存储器中存储的可执行程序代码,以执行第一方面所述的一种内窥镜图像降噪处理方法。
第三方面:
本发明提供了一种内窥镜图像降噪处理系统,包括:
分块模块,用于获取所述内窥镜图像的相似块,组成强相关性的相似块组;
奇异值分解模块,用于对每个相似块做二维奇异值分解,去除相关性,得到去除相关性后的相似块;
逆变换模块,用于将所述去除相关性后的相似块依次进行二维奇异值逆变换,得到估计图像。
优选地,所述获取所述内窥镜图像的相似块具体包括:
对于所述内窥镜图像的任一图块,基于似然比检验法以及似然比阈值,在非局部窗口内搜寻其相似块,如果图块间相似测度大于阈值,则将该图块视为相似块。
优选地,所述奇异值分解模块具体用于:
优选地,还包括硬阈值处理模块,用于将所述去除相关性后的相似块进行硬阈值处理,得到硬阈值处理后的相似块。
本发明的有益效果为:
可首先将内窥镜图像划分成相似块组,然后将相似块进行奇异值分解,并通过将矩阵非对角元素置零的方法降低色噪声的影响,通过将对角元素进行收缩,可进一步减小色噪声和高斯白噪声的影响;接着,还对去除相关性后的相似块进行硬阈值处理,用阈值收缩变换系数来分离图像与噪声,进一步降低色噪声和高斯白噪声的影响,提高内窥镜图像的质量。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1为实施例一的流程示意图;
图2为实施例二的硬件架构图;
图3为实施例三的结构示意图。
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做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。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和 “包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,本发明说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为 “当... 时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
实施例一:
如图1所示,本发明实施例提供了一种内窥镜图像降噪处理方法,包括:
获取内窥镜图像的相似块,组成强相关性的相似块组;
对每个相似块做二维奇异值分解,去除相关性,得到去除相关性后的相似块;
将去除相关性后的相似块依次进行二维奇异值逆变换,得到估计图像。
其中,内窥镜图像可通过内窥镜系统中的图像传感器捕获的。本发明实施例中,首先把内窥镜图像进行分块,得到强相关性的相似块组;然后对每个相似块做二维奇异值分解,可有效降噪;最后对去除相关性后的相似块依次进行二维奇异值逆变换,得到估计图像。由于色噪声自身是相关的,本发明实施例可基于色噪声的特点,对相似块进行二维奇异值分解,并对二维奇异值分解的结果进行去相关性,可有效实现对内窥镜图像的去噪,提高内窥镜图像的质量。
本发明实施例中,获取内窥镜图像的相似块具体包括:
对于内窥镜图像的任一图块,基于似然比检验法以及似然比阈值,在非局部窗口内搜寻其相似块,如果图块间相似测度大于阈值,则将该图块视为相似块。
本发明实施例中,通过对内窥镜图像划分相似块组,可将感兴趣的目标区域进行提取分离,便于后期的去噪处理。
本发明实施例中,对每个相似块做二维奇异值分解,去除相关性,得到去除相关性后的相似块具体包括:
其中,预设比例可根据实际情况进行调节。由于高斯白噪声的协方差矩阵为,即高斯白噪声的功率是相等的,表示噪声功率,高斯白噪声的协方差矩阵是一个非对角线上全为零的对角矩阵。而色噪声的功率并不相等,且是相关的,色噪声的协方差矩阵中非对角元素不为零。本发明实施例中,基于色噪声相关的特点,对将的非对角元素置零,可减小色噪声的影响;并对对角元素适当收缩,可进一步减小色噪声和高斯白噪声的影响,提高内窥镜图像的质量。
本发明实施例中,还包括:将去除相关性后的相似块进行硬阈值处理,得到硬阈值处理后的相似块。
其中,阈值可根据实际情况进行设定。在本发明实施例中,可采用阈值收缩变换系数来分离图像与噪声,实现降噪的目的。
本发明实施例中,可首先将内窥镜图像划分成相似块组,然后将相似块进行奇异值分解,并通过将矩阵非对角元素置零的方法降低色噪声的影响,通过将对角元素进行收缩,可进一步减小色噪声和高斯白噪声的影响;接着,还对去除相关性后的相似块进行硬阈值处理,用阈值收缩变换系数来分离图像与噪声,进一步降低色噪声和高斯白噪声的影响,提高内窥镜图像的质量;最后,进行二维奇异值逆变换,得到估计图像。
实施例二
本发明实施例提供了一种内窥镜图像降噪处理电子设备,包括:包括存储器和处理器;存储器用于存储可执行程序代码;
处理器用于读取存储器中存储的可执行程序代码,以执行第一实施例的一种内窥镜图像降噪处理方法。
本发明实施例提供了一种内窥镜图像降噪处理电子设备,图2为本发明实施例内窥镜图像降噪处理电子设备的硬件架构图,包括输入设备、输入接口、中央处理器、存储器、输出接口和输出设备。其中,输入接口、中央处理器、存储器及输出接口通过总线相互连接,输入设备和输出设备分别通过输入接口和输出接口与总线连接,进而与设备的其他组件连接。具体地,输入设备接收来自外部的输入信息,并通过输入接口将输入信息传送到中央处理器。中央处理器基于存储器存储的计算机可执行程序代码对输入信息进行处理以生成输出信息,将输出信息临时或者永久地存储在存储器中,然后通过输出接口将输出信息传送到输出设备,输出设备将输出信息输出到设备的外部供用户使用。
实施例三:
本发明实施例提供了一种内窥镜图像降噪处理系统,如图3所示,包括:
分块模块,用于获取内窥镜图像的相似块,组成强相关性的相似块组;
奇异值分解模块,用于对每个相似块做二维奇异值分解,去除相关性,得到去除相关性后的相似块;
逆变换模块,用于将去除相关性后的相似块依次进行二维奇异值逆变换,得到估计图像。
其中,内窥镜图像可通过内窥镜系统中的图像传感器捕获的。本发明实施例中,首先把内窥镜图像进行分块,得到强相关性的相似块组;然后对每个相似块做二维奇异值分解,可有效降噪;最后对去除相关性后的相似块依次进行二维奇异值逆变换,得到估计图像。本发明实施例可基于高斯白噪声的特点,对相似块进行二维奇异值分解,并对二维奇异值分解的结果进行去相关性,可有效实现对内窥镜图像的去噪,提高内窥镜图像的质量。
本发明实施例中,获取内窥镜图像的相似块具体包括:
对于内窥镜图像的任一图块,基于似然比检验法以及似然比阈值,在非局部窗口内搜寻其相似块,如果图块间相似测度大于阈值,则将该图块视为相似块。
本发明实施例中,通过对内窥镜图像划分相似块组,可将感兴趣的目标区域进行提取分离,便于后期的去噪处理。
奇异值分解模块具体用于:
其中,预设比例可根据实际情况进行调节。由于高斯白噪声的协方差矩阵为,即高斯白噪声的功率是相等的,表示噪声功率,高斯白噪声的协方差矩阵是一个非对角线上全为零的对角矩阵。而色噪声的功率并不相等,且是相关的,色噪声的协方差矩阵中非对角元素不为零。本发明实施例中,基于色噪声相关的特点,对将的非对角元素置零,可减小色噪声的影响;并对对角元素适当收缩,可进一步减小色噪声和高斯白噪声的影响,提高内窥镜图像的质量。
本发明实施例中,还包括硬阈值处理模块,用于将去除相关性后的相似块进行硬阈值处理,得到硬阈值处理后的相似块。
其中,阈值可根据实际情况进行设定。在本发明实施例中,可采用阈值收缩变换系数来分离图像与噪声,实现降噪的目的。
本发明实施例提供了一种内窥镜图像降噪处理方法、电子设备及系统,可首先将内窥镜图像划分成相似块组,然后将相似块进行奇异值分解,并通过将矩阵非对角元素置零的方法降低色噪声的影响,通过将对角元素进行收缩,可进一步减小色噪声和高斯白噪声的影响;接着,还对去除相关性后的相似块进行硬阈值处理,用阈值收缩变换系数来分离图像与噪声,进一步降低色噪声和高斯白噪声的影响,提高内窥镜图像的质量;最后,进行二维奇异值逆变换,得到估计图像。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (9)
1.一种内窥镜图像降噪处理方法,其特征在于,包括:
获取所述内窥镜图像的相似块,组成强相关性的相似块组;
对每个相似块做二维奇异值分解,去除相关性,得到去除相关性后的相似块;
将所述去除相关性后的相似块依次进行二维奇异值逆变换,得到估计图像。
2.根据权利要求1所述的一种内窥镜图像降噪处理方法,其特征在于,
所述获取所述内窥镜图像的相似块具体包括:
对于所述内窥镜图像的任一图块,基于似然比检验法以及似然比阈值,在非局部窗口内搜寻其相似块,如果图块间相似测度大于阈值,则将该图块视为相似块。
4.根据权利要求1所述的一种内窥镜图像降噪处理方法,其特征在于,还包括:将所述去除相关性后的相似块进行硬阈值处理,得到硬阈值处理后的相似块。
5.一种内窥镜图像降噪处理电子设备,其特征在于,包括:包括存储器和处理器;所述存储器用于存储可执行程序代码;
所述处理器用于读取所述存储器中存储的可执行程序代码,以执行权利要求1至4中任一项所述的一种内窥镜图像降噪处理方法。
6.一种内窥镜图像降噪处理系统,其特征在于,包括:
分块模块,用于获取所述内窥镜图像的相似块,组成强相关性的相似块组;
奇异值分解模块,用于对每个相似块做二维奇异值分解,去除相关性,得到去除相关性后的相似块;
逆变换模块,用于将所述去除相关性后的相似块依次进行二维奇异值逆变换,得到估计图像。
7.根据权利要求6所述的一种内窥镜图像降噪处理系统,其特征在于,所述获取所述内窥镜图像的相似块具体包括:
对于所述内窥镜图像的任一图块,基于似然比检验法以及似然比阈值,在非局部窗口内搜寻其相似块,如果图块间相似测度大于阈值,则将该图块视为相似块。
9.根据权利要求6所述的一种内窥镜图像降噪处理系统,其特征在于,还包括硬阈值处理模块,用于将所述去除相关性后的相似块进行硬阈值处理,得到硬阈值处理后的相似块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211034786.XA CN115115553A (zh) | 2022-08-26 | 2022-08-26 | 一种内窥镜图像降噪处理方法、电子设备及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211034786.XA CN115115553A (zh) | 2022-08-26 | 2022-08-26 | 一种内窥镜图像降噪处理方法、电子设备及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115115553A true CN115115553A (zh) | 2022-09-27 |
Family
ID=83336122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211034786.XA Pending CN115115553A (zh) | 2022-08-26 | 2022-08-26 | 一种内窥镜图像降噪处理方法、电子设备及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115115553A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115345800A (zh) * | 2022-10-18 | 2022-11-15 | 极限人工智能有限公司 | 医用内窥镜运动影像自适应降噪方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105761223A (zh) * | 2016-02-16 | 2016-07-13 | 四川用联信息技术有限公司 | 一种基于图像低秩性的迭代降噪方法 |
CN105763881A (zh) * | 2016-02-23 | 2016-07-13 | 北京大学 | 利用图像非局部结构相似性特征的视频编码图像滤波方法 |
EP3166069A1 (en) * | 2015-11-06 | 2017-05-10 | Thomson Licensing | Method for denoising an image and apparatus for upscaling an image |
CN107945142A (zh) * | 2017-12-29 | 2018-04-20 | 河北大学 | 一种合成孔径雷达图像去噪方法 |
US20180259664A1 (en) * | 2017-03-08 | 2018-09-13 | Saudi Arabian Oil Company | Automated system and methods for adaptive robust denoising of large-scale seismic data sets |
US20190346522A1 (en) * | 2018-05-10 | 2019-11-14 | Siemens Healthcare Gmbh | Method of reconstructing magnetic resonance image data |
CN113724164A (zh) * | 2021-08-31 | 2021-11-30 | 南京邮电大学 | 一种基于融合重构制导滤波的可见光图像噪声去除方法 |
CN114463215A (zh) * | 2022-01-30 | 2022-05-10 | 中国农业银行股份有限公司 | 一种图像去噪方法、装置、设备及存储介质 |
-
2022
- 2022-08-26 CN CN202211034786.XA patent/CN115115553A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3166069A1 (en) * | 2015-11-06 | 2017-05-10 | Thomson Licensing | Method for denoising an image and apparatus for upscaling an image |
CN105761223A (zh) * | 2016-02-16 | 2016-07-13 | 四川用联信息技术有限公司 | 一种基于图像低秩性的迭代降噪方法 |
CN105763881A (zh) * | 2016-02-23 | 2016-07-13 | 北京大学 | 利用图像非局部结构相似性特征的视频编码图像滤波方法 |
US20180259664A1 (en) * | 2017-03-08 | 2018-09-13 | Saudi Arabian Oil Company | Automated system and methods for adaptive robust denoising of large-scale seismic data sets |
CN107945142A (zh) * | 2017-12-29 | 2018-04-20 | 河北大学 | 一种合成孔径雷达图像去噪方法 |
US20190346522A1 (en) * | 2018-05-10 | 2019-11-14 | Siemens Healthcare Gmbh | Method of reconstructing magnetic resonance image data |
CN113724164A (zh) * | 2021-08-31 | 2021-11-30 | 南京邮电大学 | 一种基于融合重构制导滤波的可见光图像噪声去除方法 |
CN114463215A (zh) * | 2022-01-30 | 2022-05-10 | 中国农业银行股份有限公司 | 一种图像去噪方法、装置、设备及存储介质 |
Non-Patent Citations (4)
Title |
---|
FAN ZHANG 等: "Image Denoising Using Hybrid Singular Value Thresholding Operators", 《SPECIAL SECTION ON ADVANCED DATA MINING METHODS FOR SOCIAL COMPUTING》 * |
HAN LIU 等: "Research on Image Denoising Using Patch-based Singular Value Decomposition", 《IEEE 28TH CANADIAN CONFERENCE ON ELECTRICAL AND COMPUTER ENGINEERING》 * |
刘涵 等: "基于分块奇异值分解的两级图像去噪算法", 《自动化学报》 * |
马晓双 等: "结合相似块匹配及线性最小均方误差滤波器的全极化雷达影像去噪", 《遥感学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115345800A (zh) * | 2022-10-18 | 2022-11-15 | 极限人工智能有限公司 | 医用内窥镜运动影像自适应降噪方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9980704B2 (en) | Non-invasive image analysis techniques for diagnosing diseases | |
US8515141B2 (en) | Medical image processing apparatus and method for detecting locally protruding lesion | |
KR102237441B1 (ko) | 뉴럴 네트워크를 이용하여 캡슐 내시경 영상으로부터 병변 판독 방법 및 장치 | |
JP5094036B2 (ja) | 内視鏡挿入方向検出装置 | |
CN111091536B (zh) | 医学图像处理方法、装置、设备、介质以及内窥镜 | |
KR20190090150A (ko) | 캡슐 내시경 영상의 서술자 생성 방법 및 장치, 서술자 기반 캡슐 내시경 영상 검색 방법 및 캡슐 내시경 모니터링 디바이스 | |
CN115115553A (zh) | 一种内窥镜图像降噪处理方法、电子设备及系统 | |
CN113786239B (zh) | 胃部消化道下手术器械追踪和实时预警的方法和系统 | |
CN115311309A (zh) | 一种用于核磁共振图像的病灶识别提取方法与系统 | |
CN115082448A (zh) | 肠道清洁度评分方法、装置和计算机设备 | |
WO2011050454A1 (en) | Bone imagery segmentation method and apparatus | |
CN114693682A (zh) | 一种基于图像处理的脊椎特征识别方法 | |
CN113962998A (zh) | 肠镜检查的有效退镜时间评估方法、装置及存储介质 | |
CN112669283A (zh) | 一种基于深度学习的肠镜图像息肉误检测抑制装置 | |
CN111640097A (zh) | 皮肤镜图像识别方法及设备 | |
Kanakatte et al. | Surgical smoke dehazing and color reconstruction | |
CN114549368A (zh) | 一种基于图像传感器的内窥镜成像系统及方法 | |
CN114663424A (zh) | 基于边云协同的内窥镜视频辅助诊断的方法、系统、设备及介质 | |
KR102136107B1 (ko) | 뼈 감쇄된 x-선 영상의 정합 장치 및 방법 | |
Qu et al. | Real-time stripe noise removal method for endoscope image | |
CN112842285B (zh) | 一种内镜下辅助识别粘膜下血管的方法及系统 | |
Povoroznyuk et al. | Formalisation of the problem of the matched morphological filtering of biomedical signals and images | |
Dongye et al. | An improved U-Net method with high-resolution feature maps for retinal blood vessel segmentation | |
CN116797494B (zh) | 一种基于图像处理的产科手术监测方法、系统及相关设备 | |
CN112022131B (zh) | 长时间连续性的非接触式心率测量方法和系统 |
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 |