[發明專利]基于雙邊隨機投影的光學相干層析成像去噪方法

在審

• 申請號: 202110084907.0
• 申請日: 2021-01-22
• 公開（公告）號: CN112862836A
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 范偉偉
• 申請（專利權）人: 常州大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T5/00;G06K9/62
• 代理公司: 大連理工大學專利中心 21200
• 代理人: 劉秋彤;梅洪玉

基于雙邊隨機投影的光學相干層析成像去噪方法，屬于圖像去噪處理技術領域。采用該發明的方法不需要大量訓練數據，利用少量相鄰幀即可在去除散斑的同時保留原有生物結構信息，運算效率較高。基于雙邊隨機投影的去噪算法能有效的抑制散斑噪聲，獲得了較好的視覺效果，且計算復雜度較低。該方法的提出為醫生進行視網膜疾病診斷以及改善計算機自動輔助視網膜疾病分析的性能提供了有效幫助，且計算時間可以滿足臨床的實時性要求。

技術領域

本發明涉及一種基于雙邊隨機投影(BRP)的光學相干層析成像去噪算法，屬于圖像去噪處理技術領域。

背景技術

隨著商業化頻域OCT技術的問世，實現了三維高分辨率的成像，為青光眼、年齡相關性黃斑變性和糖尿病黃斑水腫等視網膜疾病的定量分析和研究提供了重要幫助。然而，由于光學相干層析成像(OCT)成像系統不可避免地引入散斑噪聲，導致了圖像的質量退化，嚴重影響了人們對圖像信息的準確獲取，給醫生進行疾病診斷以及計算機輔助疾病診斷分析帶來了極大挑戰。如何抑制散斑噪聲一直是國內外學者致力研究的重要課題。

目前針對散斑去噪主要有硬件和軟件兩種處理方法。其中，硬件方法主要依靠改進光學系統架構，該方法能夠有效抑制散斑噪聲，但也會使得OCT成像系統結構更加復雜，造價更高。與硬件方法相比，軟件方法無需改變系統結構，更加靈活、易實現。常用的軟件方法能在一定程度上有效去除散斑噪聲，但減小噪聲的同時也會破壞圖像的細節和紋理信息，且部分方法需要設定不同的閾值收縮以達到最佳去噪效果。也有用深度學習和基于穩健性主成分分析算法(RPCA)等方法來解決散斑問題的研究，然而也存在需要大量圖像樣本進行訓練、訓練時間較長、噪聲的適應性較差及分解效率低等問題，導致得到的圖像去噪模型還有待于提升。

發明內容

本發明需解決的技術問題是，提供一種能有效地抑制散斑噪聲且計算復雜度較低的基于雙邊隨機投影的光學相干層析成像去噪算法。

為了解決上述問題，本發明提出的基于雙邊隨機投影的光學相干層析成像去噪方法，包括以下步驟：

S01：圖像預處理，對視網膜圖像進行對齊預處理，增強相鄰幀之間的相關性；

其中，對于每個OCT圖像，在慢掃描方向，即Y方向(y-z視圖)，相鄰的兩個B掃描圖像之間存在很大失真，B掃描圖像對齊步驟如下：首先分割出OCT圖像中視網膜的上邊界，采用多分辨率表面檢測方法進行分割。分割后計算所有B掃描圖像中視網膜的上邊界的平均位置，并以此為基準，估計各B掃描圖像的位移值。在計算上邊界的平均位置時只使用除中心凹外左側部分和右側部分的像素點。各B掃描圖像根據視網膜的上邊界的平均位置向上或向下進行平移，從而對齊各B掃描圖像。

S02:將一幀包含n個像素的B掃描圖像看作是矩陣中的列向量，相鄰的組織結構相似的m幀B掃描圖像則可用矩陣表示為根據低秩分解理論，OCT圖像矩陣X可分解為L、S以及N三部分之和，

X＝L+S+N (1)

其中，L表示無噪生物結構圖像組成的低秩矩陣，S表示由運動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X中恢復信號L。S03:設低秩矩陣L有rank(L)≤r，且S矩陣中的非零元素個數滿足card(S)≤k，則去噪問題可表示為最小化代價函數求解問題：

其中，r表示低秩矩陣的秩，k表示矩陣稀疏度參數，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)的優化問題可轉化為交替求解公式(3)及公式(4)直至收斂。

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