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 PDF

Info

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
Application number
CN202211034786.XA
Other languages
English (en)
Inventor
唐永安
林文晶
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.)
Hualun Medical Supplies Shenzhen Co ltd
Original Assignee
Hualun Medical Supplies Shenzhen 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 Hualun Medical Supplies Shenzhen Co ltd filed Critical Hualun Medical Supplies Shenzhen Co ltd
Priority to CN202211034786.XA priority Critical patent/CN115115553A/zh
Publication of CN115115553A publication Critical patent/CN115115553A/zh
Pending legal-status Critical Current

Links

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

一种内窥镜图像降噪处理方法、电子设备及系统
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：
设定相似块为
Figure 710125DEST_PATH_IMAGE001
，设定
Figure 892845DEST_PATH_IMAGE002
；
Figure 16790DEST_PATH_IMAGE003
为干净图像块，
Figure 615261DEST_PATH_IMAGE004
为噪声；m为相似块的长度；
Figure 23109DEST_PATH_IMAGE005
；
可得相似块为
Figure 111151DEST_PATH_IMAGE001
的行-行协方差矩阵F和列-列协方差矩阵G：
Figure 847025DEST_PATH_IMAGE006
由于
Figure 124554DEST_PATH_IMAGE003
和
Figure 59012DEST_PATH_IMAGE004
不相关，可得：
Figure 521217DEST_PATH_IMAGE007
Figure 603443DEST_PATH_IMAGE008
为噪声功率；由于F和G分别具有与
Figure 809296DEST_PATH_IMAGE009
和
Figure 598261DEST_PATH_IMAGE009
相同的特征矩阵，因此可以通过计算F和G的特征矩阵来获得
Figure 106734DEST_PATH_IMAGE009
和
Figure 817201DEST_PATH_IMAGE010
的特征矩阵
Figure 357903DEST_PATH_IMAGE011
和
Figure 329271DEST_PATH_IMAGE012
，将
Figure 133278DEST_PATH_IMAGE013
投影到
Figure 127779DEST_PATH_IMAGE011
和
Figure 562520DEST_PATH_IMAGE012
，得到：
Figure 263760DEST_PATH_IMAGE014
其中，
Figure 300986DEST_PATH_IMAGE015
为变换系数，
Figure 579521DEST_PATH_IMAGE016
是对角阵，将
Figure 930868DEST_PATH_IMAGE017
的非对角元素置零，并对对角元素按预设比例收缩，得到去除相关性后的相似块。
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：
设定相似块为
Figure 548931DEST_PATH_IMAGE001
，设定
Figure 570108DEST_PATH_IMAGE002
；
Figure 476884DEST_PATH_IMAGE003
为干净图像块，
Figure 163080DEST_PATH_IMAGE004
为噪声；m为相似块的长度；
Figure 229125DEST_PATH_IMAGE005
；
可得相似块为
Figure 545837DEST_PATH_IMAGE001
的行-行协方差矩阵F和列-列协方差矩阵G：
Figure 736647DEST_PATH_IMAGE006
由于
Figure 305162DEST_PATH_IMAGE003
和
Figure 569922DEST_PATH_IMAGE004
不相关，可得：
Figure 119852DEST_PATH_IMAGE007
Figure 125854DEST_PATH_IMAGE008
为噪声功率；由于F和G分别具有与
Figure 357115DEST_PATH_IMAGE009
和
Figure 882905DEST_PATH_IMAGE010
相同的特征矩阵，因此可以通过计算F和G的特征矩阵来获得
Figure 338158DEST_PATH_IMAGE009
和
Figure 441243DEST_PATH_IMAGE010
的特征矩阵
Figure 600829DEST_PATH_IMAGE011
和
Figure 168076DEST_PATH_IMAGE012
，将
Figure 731913DEST_PATH_IMAGE013
投影到
Figure 384611DEST_PATH_IMAGE011
和
Figure 98620DEST_PATH_IMAGE012
，得到：
Figure 192478DEST_PATH_IMAGE014
其中，
Figure 583008DEST_PATH_IMAGE015
为变换系数，
Figure 457423DEST_PATH_IMAGE016
是对角阵，将
Figure 834178DEST_PATH_IMAGE017
的非对角元素置零，并对对角元素按预设比例收缩，得到去除相关性后的相似块。
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：
设定相似块为
Figure 189067DEST_PATH_IMAGE001
，设定
Figure 422602DEST_PATH_IMAGE002
；
Figure 721997DEST_PATH_IMAGE003
为干净图像块，
Figure 27076DEST_PATH_IMAGE004
为噪声；m为相似块的长度；
Figure 157843DEST_PATH_IMAGE005
；
可得相似块
Figure 765542DEST_PATH_IMAGE001
的行-行协方差矩阵F和列-列协方差矩阵G：
Figure 427599DEST_PATH_IMAGE006
由于
Figure 942894DEST_PATH_IMAGE003
和
Figure 397009DEST_PATH_IMAGE004
不相关，可得：
Figure 34663DEST_PATH_IMAGE007
Figure 574229DEST_PATH_IMAGE008
为噪声协方差矩阵；由于F和G分别具有与
Figure 893215DEST_PATH_IMAGE009
和
Figure 811624DEST_PATH_IMAGE010
相同的特征矩阵，因此可以通过计算F和G的特征矩阵来获得
Figure 557863DEST_PATH_IMAGE009
和
Figure 319145DEST_PATH_IMAGE010
的特征矩阵
Figure 504139DEST_PATH_IMAGE011
和
Figure 464005DEST_PATH_IMAGE012
，将
Figure 584407DEST_PATH_IMAGE013
投影到
Figure 708352DEST_PATH_IMAGE011
和
Figure 369141DEST_PATH_IMAGE012
，得到：
Figure 386775DEST_PATH_IMAGE014
其中，
Figure 802713DEST_PATH_IMAGE015
为变换系数，
Figure 335326DEST_PATH_IMAGE016
是对角阵，将
Figure 3067DEST_PATH_IMAGE017
的非对角元素置零，并对对角元素按预设比例收缩，得到去除相关性后的相似块。
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，
Figure 484996DEST_PATH_IMAGE018
即高斯白噪声的功率是相等的，
Figure 9518DEST_PATH_IMAGE019
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
Figure 232689DEST_PATH_IMAGE017
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：
设定相似块为
Figure 297597DEST_PATH_IMAGE001
，设定
Figure 86561DEST_PATH_IMAGE002
；
Figure 985247DEST_PATH_IMAGE003
为干净图像块，
Figure 39922DEST_PATH_IMAGE004
为噪声；m为相似块的长度；
Figure 846204DEST_PATH_IMAGE005
；
可得相似块为
Figure 958516DEST_PATH_IMAGE001
的行-行协方差矩阵F和列-列协方差矩阵G：
Figure 621579DEST_PATH_IMAGE006
由于
Figure 819342DEST_PATH_IMAGE003
和
Figure 163736DEST_PATH_IMAGE004
不相关，可得：
Figure 740342DEST_PATH_IMAGE007
Figure 715251DEST_PATH_IMAGE008
为噪声功率；由于F和G分别具有与
Figure 197048DEST_PATH_IMAGE009
和
Figure 407449DEST_PATH_IMAGE010
相同的特征矩阵，因此可以通过计算F和G的特征矩阵来获得
Figure 228775DEST_PATH_IMAGE009
和
Figure 436902DEST_PATH_IMAGE010
的特征矩阵
Figure 953465DEST_PATH_IMAGE011
和
Figure 842924DEST_PATH_IMAGE012
，将
Figure 581073DEST_PATH_IMAGE013
投影到
Figure 756839DEST_PATH_IMAGE011
和
Figure 150911DEST_PATH_IMAGE012
，得到：
Figure 640799DEST_PATH_IMAGE014
其中，
Figure 46503DEST_PATH_IMAGE015
为变换系数，
Figure 799696DEST_PATH_IMAGE016
是对角阵，将
Figure 477802DEST_PATH_IMAGE017
的非对角元素置零，并对对角元素按预设比例收缩，得到去除相关性后的相似块。
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，
Figure 833697DEST_PATH_IMAGE018
即高斯白噪声的功率是相等的，
Figure 218542DEST_PATH_IMAGE019
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
Figure 939373DEST_PATH_IMAGE017
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。
3.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：
设定相似块为
Figure 225475DEST_PATH_IMAGE001
，设定
Figure 801950DEST_PATH_IMAGE002
；
Figure 462738DEST_PATH_IMAGE003
为干净图像块，
Figure 542690DEST_PATH_IMAGE004
为噪声；m为相似块的长度；
Figure 161890DEST_PATH_IMAGE005
；
可得相似块
Figure 694502DEST_PATH_IMAGE001
的行-行协方差矩阵F和列-列协方差矩阵G：
Figure 946534DEST_PATH_IMAGE006
由于
Figure 880992DEST_PATH_IMAGE003
和
Figure 405514DEST_PATH_IMAGE004
不相关，可得：
Figure 691002DEST_PATH_IMAGE007
Figure 693593DEST_PATH_IMAGE008
为噪声功率；由于F和G分别具有与
Figure 748136DEST_PATH_IMAGE009
和
Figure 443560DEST_PATH_IMAGE010
相同的特征矩阵，因此可以通过计算F和G的特征矩阵来获得
Figure 950765DEST_PATH_IMAGE009
和
Figure 757047DEST_PATH_IMAGE010
的特征矩阵
Figure 931676DEST_PATH_IMAGE011
和
Figure 532422DEST_PATH_IMAGE012
，将
Figure 28387DEST_PATH_IMAGE013
投影到
Figure 638360DEST_PATH_IMAGE011
和
Figure 401917DEST_PATH_IMAGE012
，得到：
Figure 173564DEST_PATH_IMAGE014
其中，
Figure 920940DEST_PATH_IMAGE015
为变换系数，
Figure 69025DEST_PATH_IMAGE016
是对角阵，将
Figure 687088DEST_PATH_IMAGE017
的非对角元素置零，并对对角元素按预设比例收缩，得到去除相关性后的相似块。
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。
8.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，所述奇异值分解模块具体用于：
设定相似块为
Figure 895215DEST_PATH_IMAGE001
，设定
Figure 864308DEST_PATH_IMAGE002
；
Figure 550504DEST_PATH_IMAGE003
为干净图像块，
Figure 288653DEST_PATH_IMAGE004
为噪声；m为相似块的长度；
Figure 667682DEST_PATH_IMAGE005
；
可得相似块
Figure 357027DEST_PATH_IMAGE001
的行-行协方差矩阵F和列-列协方差矩阵G：
Figure 846914DEST_PATH_IMAGE006
由于
Figure 705149DEST_PATH_IMAGE003
和
Figure 255079DEST_PATH_IMAGE004
不相关，可得：
Figure 933185DEST_PATH_IMAGE007
Figure 226763DEST_PATH_IMAGE008
为噪声功率；由于F和G分别具有与
Figure 939504DEST_PATH_IMAGE009
和
Figure 660335DEST_PATH_IMAGE010
相同的特征矩阵，因此可以通过计算F和G的特征矩阵来获得
Figure 91317DEST_PATH_IMAGE009
和
Figure 923007DEST_PATH_IMAGE010
的特征矩阵
Figure 490254DEST_PATH_IMAGE011
和
Figure 883452DEST_PATH_IMAGE012
，将
Figure 536150DEST_PATH_IMAGE013
投影到
Figure 171530DEST_PATH_IMAGE011
和
Figure 593285DEST_PATH_IMAGE012
，得到：
Figure 655918DEST_PATH_IMAGE014
其中，
Figure 795913DEST_PATH_IMAGE015
为变换系数，
Figure 234984DEST_PATH_IMAGE016
是对角阵，将
Figure 511245DEST_PATH_IMAGE017
的非对角元素置零，并对对角元素按预设比例收缩，得到去除相关性后的相似块。
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。
CN202211034786.XA 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 Pending CN115115553A (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (8)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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