电气电子工程高级研究国际杂志
菜单类ISSNONLINE(2278-8875)PINT (2320-3765)
ISSNONLINE(2278-8875)PINT (2320-3765)
钱丹辛格拉瓦一号维沙尔高和2
|
| 相关文章at普梅德,学者谷歌 |
访问更多相关文章电气电子工程高级研究国际杂志
splekle噪声是生物医学成像中噪声的主要来源,结果图像噪声质量下降图像采集期间,因建构和破坏性现象产生分叉噪声减少图像噪声可取同对象多图像或框架并平均消噪小波变换可用于图像去噪本文介绍多框架图像去噪的各种方法 生物医学图像 以及其他多框架图像
关键字 |
| 生物医学图像去噪化,图像去噪化使用波盘变换,Speckle减少生物医学图像噪声 |
导 言 |
| 高速图像采集技术如OCT 有可能对同对象取多框架/图像OCT生物成像分析疾病或组织结构对医生获取清晰生物学图像非常重要OCT生物成像技术使用激光源,图像受意外分片噪声腐蚀,这些噪声因有建设性的破坏性光现象而产生生物医学图像的一个常见组件是分片噪声抑制多散射光子干扰产生噪声,生物医学样本损耗生物医学图像减少噪声提高图像质量,增强组织视觉结构,提高可视化和研究开发这些方法的要求很高,因为分形噪声特性不同于高斯噪声,一般理解它出现在带电偶设备(CCD传感器)摄取的普通图像中splekle噪声加插包含点实用信息 关于细胞或对象结构非纯噪声[1] |
| splekle噪声包含一些关于图像的有用信息,如果不改变成像系统物理参数,则模式不变生物医学图像通常是强度图像,因为图像质量还取决于图像对象/问题散射属性,因此分叉抑制可用框架平均和数字去噪算法完成框架平均率还取决于因对象运动而改变分叉模式,例如视网膜成像时视像[1] |
| OCT成像技术中,图像常因OCT信号获取或图像获取过程中的分片噪声而变形去除噪声尽可能收集成像对象信息以保留图像重要信号特征可以通过各种滤波实现,例如中位滤波和维纳滤波信号去噪有大文献可用使用这些类型技术/过滤器消除分叉噪声[4]图像去噪进程可分四步获取数据、预处理、数据精简和特征分析speckle减少OCT图像噪声是OCT图像去噪关键任务视图像分片噪声量而定,各种滤波可实现清除噪声OCT图像获取时通常会因光学组件和激光源以及信号的建设性和破坏性干扰而受分片噪声腐蚀和OCT成像一样,可以极快地取同对象多图像,因此OCT多框架去噪技术的主要目标是取出分片噪声,降低图像质量OCT成像技术中主要的缺陷是图像质量低,这是因为图像中添加分叉噪声光滑噪声会降低图像质量并影响对医生的视觉检查正因如此,分叉滤波是医学成像技术提高图像质量中央预处理步骤[2] |
词节降值 |
| OCT图像中的分片噪声是倍增式噪声,它只不过是不想要的Randon信号,与图像捕捉、传输或处理中某些重要信号相乘数学分形噪声可表示如下[9] |
| m,n=Sm,n*m,n+Vm,n(1) |
| m,n是噪声免像素,mn和vm添加噪声效果比倍增噪声效果小得多[9],可写成 |
| dm,nQsm |
| 对数压缩应用到噪声信号 影响波纹噪声统计 并变得非常接近白高斯噪声对数压缩变乘表[9] |
| smn)+日志 |
| mn)=Cmn)+Nmn)(4) |
| 方程中的第一个日志术语(log(dm,n))表示噪声图像,日志压缩后可表示为O(m,n),第二和第三日志日志(m,n)和log(um,n)不过是免噪像素和噪声组件,在对数压缩后可分别表示为C(m,n)和N(m,n)数学模型证明分片噪声是图像多演噪声,因此分片噪声在高密度区比低密度区常见 [9] |
| 分片噪声抑制的主要目的是消除或消除这些噪声并保留该图像中尽可能多的可实现基本信号特征分片噪声会降低图像质量并影响OCT图像分析中的图像分析,因为它是生物医学图像日复一日,许多滤波可消除sparkle噪声中日波流变换用消除信号/图像噪声,因为它是一个多分辨率图像处理工具图像/信号中的分片噪声只不过是图像/信号高频分片,在波子变换法上具有附加优势,波子变换法显示波子变换处理时波子系数[5] |
微信分界降值 |
| 日研究域状变换极用消除信号/图像噪声提高图像图像质量小波变换基础去噪努力消除信号中存在的噪声,并保留原信号特征[4] |
| 小波变换通常使用小波阈值信号去噪化,临界值可以是软阻塞或硬阻塞splekle噪声通常是信号/图像中高频分量spekle噪声高频分量可出现在波子系数中,因此对进一步处理大有帮助波子变换广度技术用于减噪,这只是小波阈值程序 |
| 使用这种去噪法,用多框架/图像对同对象小小修改对象位置之后我们应用对数变换从倍增式变异为添加式之后小波阈值可应用后加阈值以上步骤(上到阈值)可应用多框架,然后可平均使用这些框架提高图像质量后反离散波变换后可应用反龙卷风执行全步后可最终免噪图像算法设计OCT图像去噪化,如Figl显示I1I2. |
 Fig 1:图像拒绝算法 |
结实和讨论 |
| 512x512分辨率用灰度图像集测试图像去噪性图像质量可以通过客观评价和主观评价检验主观评价中图像由人类专家观察人视觉系统难度太大,无法预测图像精确质量,因此人们可以对图像分析进行客观评价并检查图像质量[3] |
| 目标性能尺度为:(一) 峰值噪声比和(二) SSIMPSNR是原创图像和去噪图像质量测量越高PSNR越好压缩或重构图像质量越好计算PSNR时,块先计算平均方差,再计算PSNR[6],方程5和6解释 |
 |
| m等值行数和n等值输入图像和输出图像列数结构相似性指数度量法是图xy客观性能评价的另一种方法,由(7)提供 |
 |
| C1和C2常量 |
 |
| SSIM可局部应用,使用不同的滑动窗口大小用户,用户可帮助通过像素横向垂直覆盖图像所有行和列,从图像左上角启动[6] |
| SSIM改进方法测量二图相似性SSIM提高结果比传统方法如峰值信号噪声比 |
| 模型建议使用MATLAB R2010a并用1GB内存测试PentiumIV机噪声减量由SSIM和PSNR测量 |
| 多框架图像去噪数据集公开发布于“亲子识别实验室,Martensstrasse,Erlangen,德国”[1].所有框架/图像集信息都发布在该网站上,这是这类去噪方法的关键要求共有35个死猪眼图像数据集,这些数据集是用名为Spectralis HRA和光一致性Tomgraphy系统高高速扫描768A扫描机获取的所获取图像间距为轴向3.87m和横向方向14m[1]系统轴分辨率为7m取视镜OCT设备前方所有图像采集均人工完成共记录35套,每套装有13框架,有35个不同视位全部35套记录全0.384毫米横向移位过程分叉噪声可被视为从不同位置扫描间互不关联使目光在成像期间保持润滑性,不透明性增加,因为目光移动时失去湿度图像质量可因信号对噪比下降[1] |
| OCT框架对9框架、35框架和455框架执行方法SSIM分别为0.2302、0.709、0.8680和PSNR为28.9dB、29.14dB和42.16dB软阈值使用Haar、Daubecies和Symlets波段使用不同分解级数(3,6,9)和0.1.0.2.0.3值执行SSIM和PSNR计算所有方法 Symlet波段产生最佳效果结果用平均波子法实现平均法PSNR范围为29.1dB和SSIM范围为0.1至0.7 |
| 结果显示波子法使用时大有变化带1框架3分解水平和0.1阈值SSIM为0.9981PSNR为4232dB带1框架Haar波段6分解水平和0.2阈值SSIM为0.997PSNR为52.61dBDaubechies波段5框架3分解水平和0.1阈值SSIM为0.9990PSR为4836DBDaubechies波段5框架6分解水平和0.2阈值SSIM为0.9998PSR为523DB9框架3分解水平和0.1阈值SSIM为0.9950PSR为41.40dB9分解水平和0.3阈值SSIM为0.9998PSR为53.09dB |
| 从上文讨论可明显看出,当子波分解水平提高时,SSIM和PSNR提高SSIM=0.9998和PSNR=53.23dB是Daubechies小波组六九分解软阈法最佳结果Symlets波子家族9分解级和9框架也产生很好结果 |
| 图中描述所有主观结果(图2至图7)。表1显示结果表所有细节 |
 |
 |
结论 |
| 本文中OCT多维图像去噪技术主要面向不同的OCT图像框架所有结果使用图像质量参数SSIM和PSNR比较图像去噪所有结果使用多框架图像平均波变出 Symlet波变软阈值7框架和0.3阈值产生最佳效果黄金标准图像通过平均所有注册455框架创建 |
启蒙 |
| 雷竞技app下载苹果版作者希望多亏了德国MartenstrasseErlangen公开访问OCT图像数据集感谢OptoEctics Division、SAMEER、ITC校园孟买提供资讯 |
引用 |
|
