[發明專利]一種基于后驗概率的圖像降噪方法

在審

• 申請號: 202110566005.0
• 申請日: 2021-05-24
• 公開（公告）號: CN113450268A
• 公開（公告）日: 2021-09-28
• 發明（設計）人: 宋懿花;葛晨;周作建
• 申請（專利權）人: 南京中醫藥大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06K9/62;G06N3/08
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 曹坤

1.一種基于后驗概率的圖像降噪方法，其特征在于，具體操作步驟如下：

(1.1)、數據的采集：對采集的數據進行標簽標注；

(1.2)、數據標簽標注：對標簽數據進行標注是使用labelImg工具進行標簽標定，

(1.3)、貝葉斯模型的訓練：使用貝葉斯分類數學方法對標注好的標簽數據進行細分類，通過對應的模型model文件固化訓練后的參數，并以此作為后期分類的依據；

(1.4)、分類結果倒入字典學習稀疏矩陣中降噪：通過使用稀疏矩陣的稀疏表達功能，對分類結果進行降噪處理；

(1.5)、對降噪過的數據進行圖像處理。

2.根據權利要求1所述的一種基于后驗概率的圖像降噪方法，其特征在于，在步驟(1.1)中，所述采集的數據是從CT及MR設備中掃描得到的原始數據。

3.根據權利要求1所述的一種基于后驗概率的圖像降噪方法，其特征在于，在步驟(1.2)中，所述的數據標簽標注具體是指對標簽數據噪聲數據和樣本標簽數據的標注；

通過labelImg工具進行標簽標定后，將類別標簽的映射關系存放在yaml文件中。

4.根據權利要求1所述的一種基于后驗概率的圖像降噪方法，其特征在于，在步驟(1.3)中，所述的貝葉斯分類數學方法的模型如下所示：

其中，i表示樣本標號；f表示樣本集；p(C＝c)表示先驗概率；p(F_i＝f_i|C＝c)表示獨立概率分布；n表示樣本數量；F_i表示縮放因子；C表示類別變量。

5.根據權利要求1所述的一種基于后驗概率的圖像降噪方法，其特征在于，在步驟(1.4)中，所述字典學習稀疏表達模型如下所示：

其中，X表示稀疏表達結果圖像；I表示貝葉斯分類后輸出的圖像；S表示圖像分成patch的數量；表示圖像path矩陣的轉置矩陣；E_s表示提取圖像path矩陣；Z表示帶噪聲圖像數據；D表示稀疏表達矩陣；α_s表示patch圖像的稀疏表達信號數據。