[發(fā)明專利]基于雙邊隨機(jī)投影的光學(xué)相干層析成像去噪方法

在審

• 申請?zhí)枺?/td>: 202110084907.0
• 申請日: 2021-01-22
• 公開（公告）號(hào): CN112862836A
• 公開（公告）日: 2021-05-28
• 發(fā)明（設(shè)計(jì)）人: 范偉偉
• 申請（專利權(quán)）人: 常州大學(xué)
• 主分類號(hào): G06T7/11
• 分類號(hào): G06T7/11;G06T5/00;G06K9/62
• 代理公司: 大連理工大學(xué)專利中心 21200
• 代理人: 劉秋彤;梅洪玉

1.基于雙邊隨機(jī)投影的光學(xué)相干層析成像去噪方法，其特征在于，包括以下步驟：

S01：圖像預(yù)處理，對視網(wǎng)膜圖像進(jìn)行對齊預(yù)處理，增強(qiáng)相鄰幀之間的相關(guān)性；

S02:將一幀包含n個(gè)像素的B掃描圖像看作是矩陣中的列向量，相鄰的組織結(jié)構(gòu)相似的m幀B掃描圖像則用矩陣表示為根據(jù)低秩分解理論，將OCT圖像矩陣X分解為L、S以及N三部分之和，

X＝L+S+N (1)

其中，L表示無噪生物結(jié)構(gòu)圖像組成的低秩矩陣，S表示由運(yùn)動(dòng)偽差引起的稀疏矩陣，N表示噪聲矩陣；要從掃描的OCT圖像中提取無噪圖像即等同于從觀測信號(hào)X中恢復(fù)信號(hào)L；

S03:設(shè)低秩矩陣L有rank(L)≤r，且S矩陣中的非零元素個(gè)數(shù)滿足card(S)≤k，則去噪問題表示為最小化代價(jià)函數(shù)求解問題：

其中，r表示低秩矩陣的秩，k表示矩陣稀疏度參數(shù)，k越小，矩陣越稀疏；

S04:由于公式(2)中矩陣L和S均為未知矩陣，給定r和k，公式(2)的優(yōu)化問題轉(zhuǎn)化為交替求解公式(3)及公式(4)直至收斂；

其中，Lt表示第t次迭代求得的低秩部分L，St表示第t次迭代求得的稀疏部分S；

S05:根據(jù)雙邊隨機(jī)投影算法，對于矩陣n＞m，X的雙邊隨機(jī)投影表示為：

Y₁＝XA₁，Y₂＝X^TA₂ (5)

其中，Y₁表示右隨機(jī)投影矩陣，Y₂表示左隨機(jī)投影矩陣，為高斯隨機(jī)矩陣；

S06:X的r秩快速低秩逼近由公式(6)計(jì)算；分別對Y₁和Y₂進(jìn)行矩陣正交三角分解，得到Y(jié)₁和Y₂的矩陣正交三角分解形式如公式(7)所示，由此X的r秩快速低秩逼近改寫成公式(8)的形式；

Y₁＝Q₁R₁，Y₂＝Q₂R₂ (7)

其中，Q₁表示Y₁進(jìn)行正交三角分解后的正交矩陣，R₁表示Y₁進(jìn)行正交三角分解后的上三角矩陣，Q₂表示Y₂進(jìn)行正交三角分解后的正交矩陣，R₂表示Y₂進(jìn)行正交三角分解后的上三角矩陣，q表示冪次參數(shù)；

對于公式(4)中S_t的求解，由如下方法獲得，

其中，為矩陣元硬閾值算子，該算子保留|X-L_t|中最大的k個(gè)元素，而將其他元素置0；

S07:經(jīng)過迭代，直到小于設(shè)定閾值，即獲得X的低秩矩陣L和稀疏矩陣S，從而恢復(fù)出無噪圖像。

2.根據(jù)權(quán)利要求1所述的基于雙邊隨機(jī)投影的光學(xué)相干層析成像去噪方法，其特征在于，所述步驟S01中，B掃描圖像對齊步驟如下：首先分割出OCT圖像中視網(wǎng)膜的上邊界，采用多分辨率表面檢測方法進(jìn)行分割；分割后計(jì)算所有B掃描圖像中視網(wǎng)膜的上邊界的平均位置，并以此為基準(zhǔn)，估計(jì)各B掃描圖像的位移值；在計(jì)算上邊界的平均位置時(shí)只使用除中心凹外左側(cè)部分和右側(cè)部分的像素點(diǎn)；各B掃描圖像根據(jù)視網(wǎng)膜的上邊界的平均位置向上或向下進(jìn)行平移，從而對齊各B掃描圖像。

3.根據(jù)權(quán)利要求1或2所述的基于雙邊隨機(jī)投影的光學(xué)相干層析成像去噪方法，其特征在于，雙邊隨機(jī)投影算法的求解步驟如下：

步驟1，初始化高斯隨機(jī)矩陣A₁，設(shè)置參數(shù)q；

步驟2，利用公式(5)計(jì)算右隨機(jī)投影矩陣Y₁；

步驟3，更新A₂使得A₂＝Y(jié)₁，并利用公式(5)計(jì)算左隨機(jī)投影矩陣Y₂；

步驟4，更新A₁使得A₁＝Y(jié)₂，若循環(huán)次數(shù)未達(dá)到q+1次，則跳轉(zhuǎn)到步驟2，否則進(jìn)行下一步；

步驟5，根據(jù)公式(7)對Y₁和Y₂進(jìn)行QR分解，并由公式(8)求解L_t；

步驟6，根據(jù)公式(9)求解S_t；

經(jīng)過迭代，直到小于設(shè)定閾值，即獲得X的低秩矩陣L和稀疏矩陣S，從而恢復(fù)出無噪圖像。