CN117764864B - 基于图像去噪的核磁共振肿瘤视觉检测方法 - Google Patents
基于图像去噪的核磁共振肿瘤视觉检测方法 Download PDFInfo
- Publication number
- CN117764864B CN117764864B CN202410194639.1A CN202410194639A CN117764864B CN 117764864 B CN117764864 B CN 117764864B CN 202410194639 A CN202410194639 A CN 202410194639A CN 117764864 B CN117764864 B CN 117764864B
- Authority
- CN
- China
- Prior art keywords
- search window
- neighborhood
- degree
- value
- pixel
- 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
- 238000005481 NMR spectroscopy Methods 0.000 title claims abstract description 80
- 206010028980 Neoplasm Diseases 0.000 title claims abstract description 35
- 238000001514 detection method Methods 0.000 title claims abstract description 14
- 230000000007 visual effect Effects 0.000 title claims abstract description 14
- 230000035772 mutation Effects 0.000 claims abstract description 89
- 238000001914 filtration Methods 0.000 claims description 50
- 230000000875 corresponding effect Effects 0.000 claims description 45
- 238000000034 method Methods 0.000 claims description 39
- 238000013507 mapping Methods 0.000 claims description 21
- 238000010606 normalization Methods 0.000 claims description 7
- 230000002596 correlated effect Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 13
- 230000000694 effects Effects 0.000 description 23
- 238000004364 calculation method Methods 0.000 description 11
- 238000000605 extraction Methods 0.000 description 7
- 230000011218 segmentation Effects 0.000 description 4
- 238000002059 diagnostic imaging Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000013421 nuclear magnetic resonance imaging Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Abstract
本发明公开了一种基于图像去噪的核磁共振肿瘤视觉检测方法,涉及医疗影像处理技术领域。该方法根据核磁共振图像特征,获取图像所有像素点的突变程度;通过设置阈值,获取预设尺寸搜索窗口邻域块的纹理差异权重;根据搜索窗口内像素点的突变程度、像素值和邻域块的纹理差异权重,获取搜索窗口邻域块的统一程度;再结合搜索窗口的邻域块的统一程度、边缘细节量和噪声密度,对搜索窗口尺寸进行自适应调整,进一步得到增强核磁共振图像,对肿瘤区域进行提取。本发明使得噪声滤除后的增强核磁共振图像,细节更清晰、边缘细节更完整,能更精准的提取核磁共振图像内的肿瘤区域。
Description
技术领域
本申请涉及医疗影像处理技术领域,具体涉及一种基于图像去噪的核磁共振肿瘤视觉检测方法。
背景技术
核磁共振图像在医学影像学、药物研发、化学分析、材料科学、生物学研究等领域中得到广泛应用,随着技术的不断发展,核磁共振图像在更多领域可能会有新的应用和突破。利用核磁共振图像对肿瘤区域进行提取是医学影像学中医疗影像处理方向的常规应用,但由于核磁共振成像技术的局限性,在图像采集、传输和记录过程中,受电子和光度异常、信道噪声引起的传输介质误差、测量误差和数字信息的量化等原因的影响,不可避免的会产生噪声信息。这些噪声不仅降低了图像质量,影响视觉效果,更重要的是会模糊或掩盖图像重要的信息,从而影响后期肿瘤区域的提取。所以核磁共振图像的噪声滤除必不可少,且需要图像细节清晰、易分辨。
现有的窗口滤波算法通过在给定像素周围的窗口内计算像素值的统计信息来实现图像增强或去噪,可以对核磁共振图像进行噪声滤除,又可以保留图像边缘细节,但其搜索窗口尺寸固定,在图像边缘以及纹理较多的区域,较大的搜索窗口会模糊图像边缘细节,在图像灰度平滑均匀区域,较小的搜索窗口会降低噪声滤除效果。现有技术对核磁共振图像的噪声滤除效果不理想,进而影响后续肿瘤区域的提取。
发明内容
为了解决现有技术对核磁共振图像的噪声滤除效果不理想,影响后续肿瘤区域提取的技术问题,本发明的目的在于提供一种基于图像去噪的核磁共振肿瘤视觉检测方法,所采用的技术方案具体如下:
本发明提出了一种基于图像去噪的核磁共振肿瘤视觉检测方法,所述方法包括:
获取核磁共振图像;以核磁共振图像中每个像素点为中心根据预设尺寸构建搜索窗口;每个像素点的预设邻域区域称为邻域块,所述搜索窗口内中心像素点的预设邻域区域为中心邻域块,非中心像素点的预设邻域区域为非中心邻域块;
根据所述每个像素点的预设邻域区域内像素值变化获取对应像素点的突变程度;根据所述搜索窗口内邻域块之间对应像素点的突变程度获取突变程度权重;根据邻域块的边缘纹理特征的差异,获得纹理差异权重;根据所述突变程度权重和所述纹理差异权重,对邻域块之间的像素值差异进行校正,获取真正相似程度;根据每个所述非中心邻域块与所述中心邻域块之间的所述真正相似程度,获取搜索窗口邻域块的统一程度;
根据所述搜索窗口邻域块的统一程度,结合搜索窗口内的边缘细节量和噪声密度,获取最优搜索窗口尺寸及其对应的最优搜索窗口;获取所述核磁共振图像中每个像素点的所述最优搜索窗口,根据所述最优搜索窗口对像素点进行滤波,获取增强核磁共振图像;
根据所述增强核磁共振图像,进行肿瘤区域的提取。
进一步地,所述像素点的突变程度的获取方法包括:
以像素点对应邻域区域中心像素点与其他像素点之间的灰度值差异的最小值,作为对应像素点的突变程度。
进一步地,所述像素点的突变程度的获取方法包括:
以像素点对应邻域区域中心像素点与其他像素点之间的灰度值差异的最小值,作为对应像素点的突变程度。
进一步地,所述邻域块的边缘纹理特征的差异的获取方法包括:
以所述搜索窗口内各相邻像素点之间的灰度差值绝对值的均值作为阈值;获取像素点邻域区域内所有非中心像素点的标记值,标记值包括第一标记值和第二标记值,若像素点邻域区域内的非中心像素点与中心像素点的灰度差值绝对值在所述阈值以内,则将对应非中心像素点标记为所述第一标记值,否则标记为所述第二标记值;以所述标记值构成的标记值矩阵,作为所述边缘纹理特征。
进一步地,所述纹理差异权重的获取方法包括:
以邻域块之间每个相同位置下像素点之间的标记值的差异,作为局部纹理差异;以邻域块之间所以所述局部纹理差异的平均值作为所述纹理差异权重。
进一步地,所述突变程度权重的获取方法包括:
获得邻域块之间每个相同位置下像素点的突变程度平均值,将所述突变程度平均值负相关映射,获得邻域块上对应位置下的所述突变程度权重。
进一步地,所述真正相似程度的获取方法包括:
获取邻域块之间每个相同位置下像素点的像素值差异,将对应位置下的所述突变程度权重与所述像素值差异相乘,获取对应位置下的加权像素值差异;将邻域块之间所有相同位置下的所述加权像素值差异的平均值与纹理特征差异权重相乘,获得邻域块之间的信息差异;将所述信息差异负相关映射并归一化获得邻域块之间的所述真正相似程度。
进一步地,所述邻域块的统一程度的获取方法包括:
以所有所述非中心邻域块与所述中心邻域块之间的所述真正相似程度的平均值作为所述邻域块的统一程度。
进一步地,所述最优搜索窗口尺寸的获取方法包括:
以所述搜索窗口内各像素点的突变程度的均值作为噪声密度;以所述搜索窗口内各像素点的梯度值均值作为边缘细节量;根据所述噪声密度、边缘细节量和所述邻域块的统一程度,获取搜索窗口尺寸系数;所述噪声密度与所述搜索窗口尺寸系数呈正相关关系,所述边缘细节量和所述邻域块的统一程度与所述搜索窗口尺寸系数呈负相关关系;
根据所述搜索窗口尺寸系数获取所述最优搜索窗口尺寸,所述搜索窗口尺寸系数与所述最优搜索窗口尺寸呈正相关。
进一步地,所述搜索窗口尺寸系数的获取方法包括:
将所述边缘细节量与所述邻域块的统一程度相乘,获得第一乘积;将所述噪声密度负相关映射并归一化,获得第一映射值;将所述第一乘积与所述第一映射值相乘后,进行负相关映射并归一化,获得所述搜索窗口尺寸系数。
本发明具有如下有益效果:
本发明考虑到现有的窗口滤波算法搜索窗口尺寸固定,在对核磁共振图像进行滤波处理时,会模糊图像边缘细节、降低噪声滤除效果的问题,利用核磁共振图像中相同组织或区域的质子密度相似,反映在图像中即为灰度值相似的成像特征,通过对比像素点与其邻域范围内其他像素点的像素值差异,获取像素点的突变程度,突变程度能够表征像素点的异常信息,为后续获取突变程度权重做参考;因为像素点的突变程度表征其异常程度,以突变程度获得的突变程度权重,可以反映出对应像素点的相似可信度,在对后续对应像素值差异进行校正时,提高其所获得真正相似程度的可信度,进而提高噪声滤除效果;进一步通过两邻域块之间像素点的边缘纹理特征,获取纹理差异权重,纹理差异权重反映出两邻域块之间的纹理信息的差异程度,根据纹理差异权重进行真实相似程度的获取能够进一步提高真实相似度的参考性;真实相似程度的获取,充分考虑到了像素值差异、邻域块对应像素点的可信度、边缘纹理特征的权重,使得真正相似程度准确性和可信度更高,在对后续窗口尺寸校正中,参考性更大,使最终噪声滤除效果更好;噪声密度较高时,需要更大尺寸的搜索窗口;边缘细节量较大时,需要更小尺寸的搜索窗口;邻域块的统一程度较高时,需要更小尺寸的搜索窗口,所以考虑这三种因素获得最优搜索窗口,既保护了边缘细节,又不会过度引入更多的噪声或不相关信息,提高了噪声滤除效果,获得的增强核磁共振图像细节清晰、易分辨,能更精准的提取出核磁共振图像内的肿瘤区域。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,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它附图。
图1为本发明一个实施例所提供的一种基于图像去噪的核磁共振肿瘤视觉检测方法流程图;
图2为本发明一个实施例所提供的一种核磁共振仪设备捕获的核磁共振图像。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种基于图像去噪的核磁共振肿瘤视觉检测方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
一种基于图像去噪的核磁共振肿瘤视觉检测方法实施例:
下面结合附图具体的说明本发明所提供的一种基于图像去噪的核磁共振肿瘤视觉检测方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种基于图像去噪的核磁共振肿瘤视觉检测方法流程图,方法包括:
步骤S1:获取核磁共振图像;以核磁共振图像中每个像素点为中心根据预设尺寸构建搜索窗口;搜索窗口内中心像素点的预设邻域区域为中心邻域块,非中心像素点的预设邻域区域为非中心邻域块。
本发明实施目的在于提供一种基于图像去噪的核磁共振肿瘤视觉检测方法,针对核磁共振肿瘤区域的提取问题,采用图像数据处理的方法对核磁共振图像中出现的肿瘤区域进行识别,本发明实施例主要对核磁共振图像的去噪方法进行改进,提高后续对核磁共振图像肿瘤区域识别的准确度,从而提升核磁共振肿瘤区域提取的可信度。所以首先需要获取本发明实施例的处理对象,即获取核磁共振图像。
在本发明实施例中,利用核磁共振仪设备捕获核磁共振图像,请参阅图2,其示出了本发明一个实施例所提供的一种核磁共振仪设备捕获的核磁共振图像。设备采集到核磁共振图像后,可将图像传输至数据处理模块进行后续的图像处理操作。
为了得到准确度肿瘤区域,核磁共振图像的噪声滤除必不可少,且需要图像细节清晰、易分辨。现有的窗口滤波算法搜索窗口尺寸固定,较大的搜索窗口会模糊图像边缘细节,较小的搜索窗口会降低噪声滤除效果,为了获得最优的搜索窗口尺寸大小,首先在核磁共振图像中建立预设尺寸搜索窗口,以预设尺寸下的搜索窗口分析像素点信息,判断当前搜索窗口的合理性,进而获得最优搜索窗口尺寸。
为了准确对搜索窗口内的信息进行分析,需要从局部分析整个窗口,因此在搜索窗口中以每个像素点为中心构建每个像素点对应的邻域块,搜索窗口内中心像素点的预设邻域区域为中心邻域块,非中心像素点的预设邻域区域为非中心邻域块。
在本发明的一个实施例中,考虑到非局部均值滤波算法可以进行噪声滤除,又可以保留图像边缘细节,所以在本发明一个实施例中对非局部均值滤波算法进行改进,实现对核磁共振图像的噪声滤除。本发明一个实施例中,预设搜索窗口尺寸为,邻域区域设置为八邻域。需要说明的是,非局部均值滤波算法为本领域技术人员熟知的技术手段,在此不做赘述,在本发明其他实施例中,实施者可根据实际需要选择其他合适算法,设置其他尺寸的搜索窗口和邻域区域。
步骤S2:根据每个像素点的预设邻域区域内像素值变化获取对应像素点的突变程度;根据搜索窗口内邻域块之间对应像素点的突变程度获取突变程度权重;根据邻域块的边缘纹理特征的差异,获得纹理差异权重;根据突变程度权重和纹理差异权重,对邻域块之间的像素值差异进行校正,获取真正相似程度;根据每个非中心邻域块与中心邻域块之间的真正相似程度,获取搜索窗口邻域块的统一程度。
核磁共振图像内的像素灰度值的大小取决于质子的密度,同一人体组织的质子密度相似,表现为像素灰度值相似,因此图像中的任意像素点的邻域内一定存在与其灰度值相似的像素点。而图像内的噪声像素点往往为孤立像素点,且与其邻域像素点存在较大的灰度差异,可以此图像特征,获取核磁共振图像内各像素点的突变程度。
优选地,本发明一个实施例中,以像素点对应邻域区域中心像素点与其他像素点之间的灰度值差异的最小值,作为对应像素点的突变程度,突变程度的计算公式包括:
其中为第/>个像素点的突变程度,/>表示核磁共振图像内第/>个像素点的邻域区域的中心像素点的灰度值,/>表示第/>个像素点的邻域区域内第/>个其他像素点的灰度值,表示第/>个像素点的邻域区域中其他像素点的数量,/>表示核磁共振图像内第/>个像素点与其邻域像素点的灰度差值的绝对值中的最小值。
在突变程度计算公式中,设定255为分母,作归一化处理,由此获取核磁共振图像内各像素点的突变程度集合。在本发明其他实施例中,实施者也可选用其他归一法方式。当像素点与其邻域像素点的灰度差值的绝对值中的最小值越大,说明当前像素点相较于邻域范围内的像素点之间像素值差异较大,则噪声造成此像素点的突变程度越大。
因为核磁共振图像中噪声像素点与其周围邻域范围内其他像素点差异较大,所以通过突变程度计算公式计算像素点的突变程度,避免后续调整搜索窗口尺寸中受到噪声像素点的影响,进而影响核磁共振图像的噪声滤除效果。在本发明其他实施例中,实施者可采用其他方法获取像素点的突变程度,如采用像素点与其邻域像素点的灰度差值的绝对值中的中值、平均值或者采用像素点其他的邻域形状、范围的方法获取突变程度。
直接以搜索窗口内两邻域块上相同位置的像素点的差异程度的统计值来表示两邻域块的相似程度可能出现噪声点与噪声点比较的情况,若以此情况下统计出的信息则是有误的,会影响后续调整搜索窗口尺寸,进而影响核磁共振图像的噪声滤除效果,所以需要根据搜索窗口内邻域块之间的多种信息特征获得真正相似程度。
为了获得真实相似度首先需要结合邻域块之间对应像素点的突变程度获取突变程度权重。因为突变程度能够体现出像素点的异常程度,因此以突变程度作为基础数据获得的突变程度权重能够作为后续真正相似程度获取过程中的参考数据之一,使得获得的真正像素程度的准确性更高。
优选地,本发明的一个实施例中,根据搜索窗口内邻域块之间对应像素点的突变程度获取突变程度权重的具体方法包括:获得邻域块之间每个相同位置下像素点的突变程度平均值,将突变程度平均值负相关映射,获得邻域块上对应位置下的突变程度权重。本发明一个实施例中突变程度权重公式表示为:
其中表示两个邻域块内第/>个相同位置像素点的突变程度,/>和/>分别表示这两个邻域块内第/>个相同位置上的像素点灰度值,/>和/>分别表示这两个像素点的突变程度,1为自然数。
在突变程度权重公式中,因为本发明一个实施例中突变程度经过了归一化处理,因此用自然数1减去两像素点突变程度均值,进行负相关映射归一化处理,得到突变程度权重,其可作为像素点差异程度的可信度权重,像素点的突变程度越小,说明像素点是噪声像素点的概率越小,两个邻域块对应位置像素点突变程度之和就越小,可信度就越高。在后续过程中可根据突变程度权重抑制噪声像素点对像素点差异程度的影响,进而提升最佳搜索窗口的可信度,提升对核磁共振图像的噪声滤除效果。在本发明其他实施例中,实施者可采用其他方法归一化处理和其他映射关系,获取突变程度权重。
根据突变程度权重对像素点灰度值差异进行校正后,仍然不能完全反应图像的相似性,容易导致滤波不足,或者过度滤波使得图像的边缘纹理模糊。因此需要进一步分析各邻域块内的边缘纹理特征,获取纹理特征差异权重,结合突变程度权重对像素点灰度值差异进行校正,获取真正相似程度。
已知核磁共振图像中不同人体组织的像素点灰度值通常会有较大的差异,可根据此图像特征获取边缘纹理特征。优选地,本发明一个实施例中,以搜索窗口内各相邻像素点之间的灰度差值绝对值的均值作为阈值;获取像素点邻域区域内所有非中心像素点的标记值,标记值包括第一标记值和第二标记值,若像素点邻域区域内的非中心像素点与中心像素点的灰度差值绝对值在阈值以内,则将对应非中心像素点标记为第一标记值,否则标记为第二标记值;以标记值构成的标记值矩阵,作为边缘纹理特征。在本发明其他实施例中,实施者可采用方差、标准差、偏度等其他方法获取阈值。在本发明一个实施例中,第一标记值设置为0,第二标记值设置为1。
进一步地,根据邻域块的边缘纹理特征的差异,获得纹理差异权重。优选地,本发明一个实施例中,以邻域块之间每个相同位置下像素点之间的标记值的差异,作为局部纹理差异;以邻域块之间所以局部纹理差异的平均值作为纹理差异权重。在本发明一个实施例中,纹理差异权重的计算公式包括:
其中表示搜索窗口邻域块的纹理特征差异权重,/>表示搜索窗口内中心像素点,表示此搜索窗口内中心像素点的邻域块上第/>个像素点的标记值,/>表示搜索窗口内第个非中心像素点邻域块上第/>个像素点的标记值,/>表示邻域块之间相同位置的数量。
在纹理差异权重的计算公式中,以邻域块之间所有局部纹理差异的平均值作为纹理差异权重因为本发明一个实施例中,因为标记值分为第一标记值和第二标记值,所以局部纹理差异越小,说明纹理结构越少,变化越平缓,则纹理差异权重越小。
因为突变程度权重作为像素点差异程度的可信度权重,纹理差异权重作为像素点局部纹理差异,所以可根据突变程度权重和纹理差异权重,对邻域块之间的像素值差异进行校正,获取真正相似程度。
优选地,本发明一个实施例中,获取邻域块之间每个相同位置下像素点的像素值差异,将对应位置下的突变程度权重与像素值差异相乘,获取对应位置下的加权像素值差异;将邻域块之间所有相同位置下的加权像素值差异的平均值与纹理特征差异权重相乘,获得邻域块之间的信息差异;将信息差异负相关映射并归一化获得邻域块之间的真正相似程度。
在本发明一个实施例中,邻域块之间每个相同位置下像素点的加权像素值差异的计算公式包括:
其中表示两个邻域块内第/>个相同位置下像素点的加权像素值差异,/>表示两个邻域块内第/>个相同位置像素点的突变程度,/>和/>分别表示这两个邻域块内第/>个相同位置上的像素点灰度值。
邻域块内相同位置上像素点的灰度值差值的绝对值越小,说明这两个邻域块越相似,当对应像素点的突变程度/>越小,说明其像素灰度值的可信度越高,故以突变程度为权重对/>进行赋权,获取加权像素值差异。常规的非局部均值滤波算法通过像素灰度均方误差来评估相似度,当噪声造成像素点突变程度较大时会产生较大的误差,根据各像素点的突变程度进行校正,减少噪声造成像素点灰度值突变的影响,提高相似度的可信度。
进一步地,在本发明一个实施例中邻域块之间的真正相似程度的计算公式包括:
其中,表示搜索窗口内第/>个非中心邻域块与中心邻域块之间的真正相似程度,为自然对数,/>表示搜索窗口内第/>个非中心邻域块与中心邻域块的纹理特征差异权重,表示搜索窗口内邻域块之间相同位置的数量,/>表示搜索窗口内第/>个非中心邻域块与中心邻域块的第/>个相同位置下像素点的加权像素值差异,/>表示搜索窗口内中心邻域块和第/>个非中心邻域块之间所有相同位置下的加权像素值差异的平均值。
在真正相似度公式中,通过以自然常数为底数的指数函数进行负相关映射并归一化。以邻域块之间的加权像素值差异的平均值表示邻域块之间的差异程度,其未考虑邻域块内的边缘纹理特征,容易导致滤波不足或者过度滤波,使得图像的边缘纹理模糊。因此用各像素点邻域上的纹理结构变化差异对邻域块之间的差异程度进行校正,两者的乘积越小,则搜索窗口内各邻域块的真正相似程度越大。校正后的差异程度能更准确度反映出邻域块的真正相似程度,对后续搜索窗口调节尺寸时起到的影响更准确,得到的最优搜索窗口尺寸更有可信度。在本发明其他实施例中,实施者可其他映射关系获取邻域块之间的真正相似程度。
因为后续对搜索窗口尺寸调节时使用的噪声密度和边缘细节量均是搜索窗口的统计信息,为了能让邻域块之间的真正相似程度参与调节过程,需要将其进一步处理,得到能代表搜索窗口统计信息的变量,因此根据每个非中心邻域块与中心邻域块之间的所述真正相似程度获取搜索窗口邻域块的统一程度。
优选地,本发明一个实施例中,以所有非中心邻域块与中心邻域块之间的真正相似程度的平均值作为邻域块的统一程度。即邻域块的统一程度的计算公式包括:
其中,表示搜索窗口邻域块的统一程度,y表示搜索窗口内非中心邻域块的数量,表示搜索窗口内第/>个非中心邻域块与中心邻域块之间的真正相似程度。
通过以所有非中心邻域块与中心邻域块之间的真正相似程度的平均值作为邻域块的统一程度,得到搜索窗口这一维度的影响参数,和后续对搜索窗口尺寸调节时使用的搜索窗口内的边缘细节量和噪声密度这两个影响参数统一维度,便于后续处理。
步骤S3:根据搜索窗口邻域块的统一程度,结合搜索窗口内的边缘细节量和噪声密度,获取最优搜索窗口尺寸及其对应的最优搜索窗口;获取核磁共振图像中每个像素点的最优搜索窗口,根据最优搜索窗口对像素点进行滤波,获取增强核磁共振图像。
以非局部均值滤波算法为例,非局部均值滤波通过利用图像内的冗余信息进行噪声滤除,即当搜索窗口内各邻域块的相似程度较小时,说明搜索窗口内的冗余信息较少,需要增大窗口尺寸,增强搜索窗口内的相似特性,提高算法的处理效果;边缘细节量通常用于衡量边缘的清晰度、细节程度或边缘强度,相邻像素点之间灰度变化越剧烈,说明边缘越清晰,边缘细节量越大,需要缩小搜索窗口尺寸,用以保护图像边缘细节;噪声密度指图像中存在的噪声的数量和分布程度,搜索窗口内噪声数量越多,说明搜索窗口内像素点差异程度越大,需要增大搜索窗口尺寸,利用更多的邻域像素进行滤波或处理,能够抑制噪声对图像质量的影响,提高噪声滤除效果。所以噪声密度与搜索窗口尺寸系数呈正相关关系,边缘细节量和邻域块的统一程度与搜索窗口尺寸系数呈负相关关系。
优选地,在本发明一个实施例中,以搜索窗口内各像素点的突变程度的均值作为噪声密度,以搜索窗口内各像素点的梯度值均值作为边缘细节量,根据搜索窗口邻域块的统一程度,结合搜索窗口内的边缘细节量和噪声密度获取此搜索窗口中心像素点所需要的搜索窗口尺寸系数,噪声密度与搜索窗口尺寸系数呈正相关关系,边缘细节量和邻域块的统一程度与搜索窗口尺寸系数呈负相关关系,即噪声密度越大,说明搜索窗口越需要扩大以使更多像素信息用于去噪,降低窗口内噪声信息占比,提高去噪质量;边缘细节量越大,说明搜搜窗口越需要缩小以使更少像素信息用于去噪,减少噪声干扰,保护图像边缘细节,提高去噪质量;统一程度越大说明搜索窗口越需要缩小以使更少像素信息用于去噪,减少不相关信息的干扰,提高去噪质量的同时减少去噪运算的计算量。进一步根据最优搜索窗口尺寸系数获取最优搜索窗口,最优搜索窗口尺寸系数与最优搜索窗口尺寸呈正相关,即最优搜索窗口尺寸系数越大最优搜索窗口尺寸越大。
优选地,在本发明一个实施例中,搜索窗口尺寸系数的获取方法包括:
将边缘细节量与邻域块的统一程度相乘,获得第一乘积;将噪声密度负相关映射并归一化,获得第一映射值;将第一乘积与第一映射值相乘后,进行负相关映射并归一化,获得搜索窗口尺寸系数。在本发明一个实施例中搜索窗口尺寸系数公式表示为:
其中表示最优搜索窗口尺寸系数,/>为搜索窗口内各像素点突变程度/>的均值,/>表示搜索窗口内各像素点的梯度值的均值,/>表示搜索窗口内各邻域块的相似程度,/>为自然对数。
在搜索窗口系数公式中,用表示搜索窗口内的噪声密度,其值越大时,需要较大的搜索窗口,提高噪声滤除效果,且其会导致/>出现较大的误差,使/>值过大,因此用表示整个搜索窗口内的特征对搜索窗口尺寸系数的影响,其值越小,需要较大的窗口尺寸。而/>表示搜索窗口内各局部区域特征对搜索窗口尺寸系数的影响,其值越小,需要较大的窗口尺寸。因此用/>和/>的乘积表示搜索窗口内部特征对的搜索窗口尺寸系数的影响。搜索窗口尺寸系数/>值越大,需要越大的搜索窗口,用以提高噪声滤除效果的同时保护图像边缘细节。在本发明其他实施例中,实施者可选择其他方式调整搜索窗口尺寸系数,如根据像素点的结构张量调整搜索窗口尺寸系数。
在本发明一个实施例中,考虑到算法的计算量,将搜索窗口最大尺寸设置为31,最小尺寸设置为11,则获取最优搜索窗口尺寸的计算公式包括:
其中表示最优搜索窗口尺寸,/>表示该搜索窗口中心像素点所需的搜索窗口尺寸系数,其取值区间为[0,1],/>表示向下取整。为保障窗口尺寸为奇数,当/>为偶数时,令窗口尺寸为/>。在本发明一个实施例中,设定最大搜索窗口尺寸为31,最小窗口尺寸为11,在本发明其他实施例中,实施者可根据实际需求自行设置。
同理计算核磁共振图像内各像素点所需的最优搜索窗口尺寸,获得集合,其中/>表示核磁共振图像内的像素点数量。
进一步地,根据最优搜索窗口尺寸获取增强核磁共振图像:
首先取核磁共振图像内各像素点所需的最优搜索窗口尺寸集合,然后利用自适应搜索窗口尺寸的非局部均值滤波算法进行噪声滤除,获取噪声滤除后图像细节清晰、易分辨的增强核磁共振图像。在本发明一个实施例中,设置滑动滤波窗口尺寸为/>,滤波参数为/>,在本发明其他实施例中,实施者可根据实际滤波算法自行设置具体参数。
步骤S4:根据增强核磁共振图像,进行肿瘤区域的提取。
因为增强核磁共振图像中消除了噪声信息,图像质量更高,因此可根据增强核磁共振图像进行肿瘤区域的提取,实现对肿瘤区域的准确有效分割。
在本发明一个实施例中,使用DNN语义分割的方式来识别核磁共振图像中的肿瘤区域,该DNN网络的相关内容如下:
a、使用的数据集为噪声滤除后图像细节清晰、易分辨的核磁共振图像数据集。
b、需要分割的像素,共分为2类,即训练集对应标签标注过程为:单通道的语义标签,对应位置像素属于背景区域的标注为0,属于肿瘤区域的标注为1。
c、网络的任务是分类,所以使用的loss函数为交叉熵损失函数。
通过DNN语义分割识别核磁共振图像中的肿瘤区域,完成核磁共振图像内的肿瘤区域的提取。在本发明其他实施例中,实施者可根据实际情况选择阈值分割、区域增长等其他图像识别方法。
综上所述,本发明实施例根据核磁共振图像成像特征,获取突变程度和边缘纹理特征,对像素值差异程度进行进一步校正,获得更为准确的图像搜索窗口邻域块的真正相似程度,进而获得搜索窗口邻域块的统一程度,再结合对搜索窗口尺寸调整也有需求边缘细节量和噪声密度,对搜索窗口大小进行调整,既保护了边缘细节量,又保证了噪声滤除效果,实现对现有窗口滤波算法进行改进,改进后的算法能根据核磁共振图像自适应调整搜索窗口大小,使噪声滤除后的增强核磁共振图像细节清晰、易分辨,肿瘤区域提取更准确。
一种核磁共振图像增强方法实施例:
现有的窗口滤波算法通过在给定像素周围的窗口内计算像素值的统计信息来实现图像增强或去噪,可以对核磁共振图像进行噪声滤除,又可以保留图像边缘细节,但其搜索窗口尺寸固定,在图像边缘以及纹理较多的区域,较大的搜索窗口会模糊图像边缘细节,在图像灰度平滑均匀区域,较小的搜索窗口会降低噪声滤除效果。
现有技术对核磁共振图像的噪声滤除效果不理想,进而影响后续肿瘤区域的提取。为了解决此技术问题,本实施例提供一种核磁共振图像增强方法,包括:
步骤S1:获取核磁共振图像;以核磁共振图像中每个像素点为中心根据预设尺寸构建搜索窗口;搜索窗口内中心像素点的预设邻域区域为中心邻域块,非中心像素点的预设邻域区域为非中心邻域块。
步骤S2:根据每个像素点的预设邻域区域内像素值变化获取对应像素点的突变程度;根据搜索窗口内邻域块之间对应像素点的突变程度获取突变程度权重;根据邻域块的边缘纹理特征的差异,获得纹理差异权重;根据突变程度权重和纹理差异权重,对邻域块之间的像素值差异进行校正,获取真正相似程度;根据每个非中心邻域块与中心邻域块之间的真正相似程度,获取搜索窗口邻域块的统一程度。
步骤S3:根据搜索窗口邻域块的统一程度,结合搜索窗口内的边缘细节量和噪声密度,获取最优搜索窗口尺寸及其对应的最优搜索窗口;获取核磁共振图像中每个像素点的最优搜索窗口,根据最优搜索窗口对像素点进行滤波,获取增强核磁共振图像。
由于步骤S1到S3的具体实现过程在上述一种基于图像去噪的核磁共振肿瘤视觉检测方法中已给出详细说明,不再赘述。
综上所述,本发明实施例根据核磁共振图像成像特征,获取突变程度和边缘纹理特征,对像素值差异程度进行进一步校正,获得更为准确的图像搜索窗口邻域块的真正相似程度,进而获得搜索窗口邻域块的统一程度,再结合对搜索窗口尺寸调整也有需求边缘细节量和噪声密度,对搜索窗口大小进行调整,既保护了边缘细节量,又保证了噪声滤除效果,实现对现有窗口滤波算法进行改进,改进后的算法能根据核磁共振图像自适应调整搜索窗口大小,使噪声滤除后的增强核磁共振图像细节清晰、易分辨。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
Claims (1)
1.一种基于图像去噪的核磁共振肿瘤视觉检测方法,其特征在于,所述方法包括:
获取核磁共振图像;以核磁共振图像中每个像素点为中心根据预设尺寸构建搜索窗口;所述搜索窗口内中心像素点的预设邻域区域为中心邻域块,非中心像素点的预设邻域区域为非中心邻域块;
根据所述每个像素点的预设邻域区域内像素值变化获取对应像素点的突变程度;根据所述搜索窗口内邻域块之间对应像素点的突变程度获取突变程度权重;根据邻域块的边缘纹理特征的差异,获得纹理差异权重;根据所述突变程度权重和所述纹理差异权重,对邻域块之间的像素值差异进行校正,获取真正相似程度;根据每个所述非中心邻域块与所述中心邻域块之间的所述真正相似程度,获取搜索窗口邻域块的统一程度;
根据所述搜索窗口邻域块的统一程度,结合搜索窗口内的边缘细节量和噪声密度,获取最优搜索窗口尺寸及其对应的最优搜索窗口;获取所述核磁共振图像中每个像素点的所述最优搜索窗口,根据所述最优搜索窗口对像素点进行滤波,获取增强核磁共振图像;
根据所述增强核磁共振图像,进行肿瘤区域的提取;
所述像素点的突变程度的获取方法包括:
以像素点对应邻域区域中心像素点与其他像素点之间的灰度值差异的最小值,作为对应像素点的突变程度;
所述邻域块的边缘纹理特征的获取方法包括:
以所述搜索窗口内各相邻像素点之间的灰度差值绝对值的均值作为阈值;获取像素点邻域区域内所有非中心像素点的标记值,标记值包括第一标记值和第二标记值,若像素点邻域区域内的非中心像素点与中心像素点的灰度差值绝对值在所述阈值以内,则将对应非中心像素点标记为所述第一标记值,否则标记为所述第二标记值;以所述标记值构成的标记值矩阵,作为所述边缘纹理特征;
所述纹理差异权重的获取方法包括:
以邻域块之间每个相同位置下像素点之间的标记值的差异,作为局部纹理差异;以邻域块之间所以所述局部纹理差异的平均值作为所述纹理差异权重;
所述突变程度权重的获取方法包括:
获得邻域块之间每个相同位置下像素点的突变程度平均值,将所述突变程度平均值负相关映射,获得邻域块上对应位置下的所述突变程度权重;
所述真正相似程度的获取方法包括:
获取邻域块之间每个相同位置下像素点的像素值差异,将对应位置下的所述突变程度权重与所述像素值差异相乘,获取对应位置下的加权像素值差异;将邻域块之间所有相同位置下的所述加权像素值差异的平均值与纹理特征差异权重相乘,获得邻域块之间的信息差异;将所述信息差异负相关映射并归一化获得邻域块之间的所述真正相似程度;
所述邻域块的统一程度的获取方法包括:
以所有所述非中心邻域块与所述中心邻域块之间的所述真正相似程度的平均值作为所述邻域块的统一程度;
所述最优搜索窗口尺寸的获取方法包括:
以所述搜索窗口内各像素点的突变程度的均值作为噪声密度;以所述搜索窗口内各像素点的梯度值均值作为边缘细节量;根据所述噪声密度、边缘细节量和所述邻域块的统一程度,获取搜索窗口尺寸系数;所述噪声密度与所述搜索窗口尺寸系数呈正相关关系,所述边缘细节量和所述邻域块的统一程度与所述搜索窗口尺寸系数呈负相关关系;根据所述搜索窗口尺寸系数获取所述最优搜索窗口尺寸,所述搜索窗口尺寸系数与所述最优搜索窗口尺寸呈正相关;
所述搜索窗口尺寸系数的获取方法包括:
将所述边缘细节量与所述邻域块的统一程度相乘,获得第一乘积;将所述噪声密度负相关映射并归一化,获得第一映射值;将所述第一乘积与所述第一映射值相乘后,进行负相关映射并归一化,获得所述搜索窗口尺寸系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410194639.1A CN117764864B (zh) | 2024-02-22 | 2024-02-22 | 基于图像去噪的核磁共振肿瘤视觉检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410194639.1A CN117764864B (zh) | 2024-02-22 | 2024-02-22 | 基于图像去噪的核磁共振肿瘤视觉检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117764864A CN117764864A (zh) | 2024-03-26 |
CN117764864B true CN117764864B (zh) | 2024-04-26 |
Family
ID=90314755
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410194639.1A Active CN117764864B (zh) | 2024-02-22 | 2024-02-22 | 基于图像去噪的核磁共振肿瘤视觉检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117764864B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106815818A (zh) * | 2017-01-17 | 2017-06-09 | 中国科学院上海高等研究院 | 一种图像去噪方法 |
CN113822361A (zh) * | 2021-09-18 | 2021-12-21 | 重庆大学 | 一种基于汉明距离的sar图像相似程度度量方法和系统 |
CN115375574A (zh) * | 2022-08-22 | 2022-11-22 | 山西大学 | 基于区域自适应的多尺度非局部低剂量ct图像去噪方法 |
CN115797356A (zh) * | 2023-02-09 | 2023-03-14 | 山东第一医科大学附属省立医院(山东省立医院) | 一种核磁共振肿瘤区域提取方法 |
CN117541496A (zh) * | 2023-10-13 | 2024-02-09 | 上海热芯视觉科技有限公司 | 基于fpga的红外图像nlmeans降噪简化方法、系统、介质及设备 |
CN117576632A (zh) * | 2024-01-16 | 2024-02-20 | 山东金桥保安器材有限公司 | 基于多模态ai大模型的电网监控火灾预警系统及方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010073251A2 (en) * | 2008-12-25 | 2010-07-01 | Medic Vision - Brain Technologies Ltd. | Denoising medical images |
CN103796004B (zh) * | 2014-02-13 | 2015-09-30 | 西安交通大学 | 一种主动结构光的双目深度感知方法 |
-
2024
- 2024-02-22 CN CN202410194639.1A patent/CN117764864B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106815818A (zh) * | 2017-01-17 | 2017-06-09 | 中国科学院上海高等研究院 | 一种图像去噪方法 |
CN113822361A (zh) * | 2021-09-18 | 2021-12-21 | 重庆大学 | 一种基于汉明距离的sar图像相似程度度量方法和系统 |
CN115375574A (zh) * | 2022-08-22 | 2022-11-22 | 山西大学 | 基于区域自适应的多尺度非局部低剂量ct图像去噪方法 |
CN115797356A (zh) * | 2023-02-09 | 2023-03-14 | 山东第一医科大学附属省立医院(山东省立医院) | 一种核磁共振肿瘤区域提取方法 |
CN117541496A (zh) * | 2023-10-13 | 2024-02-09 | 上海热芯视觉科技有限公司 | 基于fpga的红外图像nlmeans降噪简化方法、系统、介质及设备 |
CN117576632A (zh) * | 2024-01-16 | 2024-02-20 | 山东金桥保安器材有限公司 | 基于多模态ai大模型的电网监控火灾预警系统及方法 |
Non-Patent Citations (2)
Title |
---|
基于超像素分割的非局部均值去噪方法;杨洲;陈莉;贾建;;计算机应用研究;20170401(第05期);全文 * |
杨洲 ; 陈莉 ; 贾建 ; .基于超像素分割的非局部均值去噪方法.计算机应用研究.2017,(第05期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN117764864A (zh) | 2024-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Agrawal et al. | A novel joint histogram equalization based image contrast enhancement | |
CN109325550B (zh) | 基于图像熵的无参考图像质量评价方法 | |
CN115841434B (zh) | 一种用于气体浓度分析的红外图像增强方法 | |
CN117132510B (zh) | 一种基于图像处理的监控图像增强方法及系统 | |
CN115311309A (zh) | 一种用于核磁共振图像的病灶识别提取方法与系统 | |
CN115994907B (zh) | 用于食品检测机构综合信息的智能处理系统及方法 | |
CN117557820B (zh) | 一种基于机器视觉的量子点光学膜损伤检测方法及系统 | |
CN116503392A (zh) | 一种用于卵巢组织分析的卵泡区域分割方法 | |
CN116245880B (zh) | 基于红外识别的电动车充电桩火灾风险检测方法 | |
Jin et al. | Perceptual Gradient Similarity Deviation for Full Reference Image Quality Assessment. | |
CN117522719B (zh) | 基于机器学习的支气管镜图像辅助优化系统 | |
CN114965316A (zh) | 一种基于高光谱多参数的水质监测方法、计算机程序产品 | |
CN116246174B (zh) | 基于图像处理的甘薯种类识别方法 | |
CN117252893A (zh) | 一种乳腺癌病理图像的分割处理方法 | |
CN117764864B (zh) | 基于图像去噪的核磁共振肿瘤视觉检测方法 | |
CN106709921B (zh) | 一种基于空间Dirichlet混合模型的彩色图像分割方法 | |
CN116051421A (zh) | 基于多维度的内窥镜图像质量评价方法、装置、设备及介质 | |
CN115100068A (zh) | 一种红外图像校正方法 | |
CN112950479B (zh) | 一种图像灰度区域拉伸算法 | |
CN110647870B (zh) | 一种基于滑动窗计算静息态fMRI数据近似熵的方法 | |
Dai et al. | Intelligent ammeter reading recognition method based on deep learning | |
CN112541913B (zh) | 一种基于列率谱分析且噪声鲁棒的图像局部模糊检测与提取方法 | |
CN117575953B (zh) | 一种高分辨率林业遥感图像细节增强方法 | |
CN116894841B (zh) | 一种变速箱合金壳体质量视觉检测方法 | |
CN117408988B (zh) | 基于人工智能的病灶图像分析方法及装置 |
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 |