[發(fā)明專利]基于稀疏表示的醫(yī)學超聲圖像濾波方法

有效

• 申請?zhí)枺?/td>: 201210002260.3
• 申請日: 2012-01-06
• 公開（公告）號: CN102592267A
• 公開（公告）日: 2012-07-18
• 發(fā)明（設計）人: 郭翌;汪源源
• 申請（專利權）人: 復旦大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 上海正旦專利代理有限公司 31200
• 代理人: 陸飛;盛志范

1.基于稀疏表示的醫(yī)學超聲圖像濾波方法，其特征在于具體步驟為：

(1)?將二維超聲圖像分成子塊，使用KSVD過完備字典學習算法，對其進行最稀疏分解，求得每個子塊的分解系數(shù)及灰度均值；

(2)?采用基于子塊相似度的全局濾波思想，利用每個子塊的稀疏分解系數(shù)，在整幅圖像尋找灰度值和結構相似的候選塊；

(3)?在所有候選塊中，進一步利用灰度均值矩陣去除那些完全不相關的圖像子塊；通過最終得到的所有最相似子塊，對原圖像子塊內全部像素點一同濾波；對于重疊區(qū)域多次濾波的像素點，對其進行均值處理，從而實現(xiàn)整幅圖像的濾波。

2.根據(jù)權利要求1所述的基于稀疏表示的醫(yī)學超聲圖像濾波方法，其特征在于步驟(1)中，所述使用KSVD字典學習算法，利用過完備的冗余字典對超聲圖像進行稀疏分解，使得分解后的系數(shù)中大部分分量為零，只有少數(shù)的非零大系數(shù)，具體步驟為：?

設噪聲圖像Y∈R^M×N，冗余字典D為L個K維原子的集合，經(jīng)過稀疏分解后的系數(shù)為X，則圖像Y的稀疏表示為：

??????????????????????(1)

其中T₀為稀疏度；

首先，對圖像Y進行分塊，利用b×b的滑動窗口，從上到下，從左到右遍歷整幅圖像，依次提取圖像子塊，并將其轉開為b²×1的列向量；這樣，原圖像Y分成了L個圖像子塊y_i，L=(M-b+1)×(N-b+1)，L個圖像子塊的稀疏表示則為：

??????????????????????(2)

其中為初始化的隨機字典；系數(shù)矩陣X∈，其第i列x_i表示第i個圖像子塊y_i的稀疏分解系數(shù)；

接著固定字典D，采用正交匹配跟蹤算法找到最優(yōu)系數(shù)X的近似解；然后，利用奇異值分解不斷更新原子，求得最終的目標字典；設為的第j列，為經(jīng)過第T次的迭代后X的第j行，假定更新第k個原子，則式(2)變?yōu)椋?/p>

??(3)

令記錄{y_i}中使用原子的圖像子塊，即：

???????????????????(4)

定義矩陣為L×||，在((i),i)處為1，其余全為0，令，，則式(3)改為：

????????????????(5)

對進行SVD分解：=U?V^T，利用矩陣U的第一列更新原子；經(jīng)過多次迭代后，對所有原子進行更新，則得到最終的冗余字典D；

同時，對于所有圖像子塊，計算其灰度均值，記為均值矩陣Y_mean∈R^1×L。