一种相关性噪声的估计方法发明专利.docxVIP

一种相关性噪声的估计方法 技术领域 本发明涉及图像处理领域，尤其涉及一种相关性噪声的估计方法。 背景技术 传统的噪声估计方法一般分为两类，一类是基于变换域的噪声估计算法， 如多尺度小波噪声估计，但这类算法很难将高频信息和噪声完全分开；另一 类是基于图像域的噪声估计算法，主要有基于噪声分布模型的噪声估计方法 和基于局部平坦区域的噪声估计方法，其中基于噪声分布模型的方法依赖于 准确的噪声模型，很难满足实际应用，而基于局部平坦区域的噪声估计方法 要依赖于只包含“纯”噪声背景区域的提取。 上述大部分算法都假设图像域噪声是独立不相关的。而在医学领域，为 了追求成像速度，近些年出现了许多新的成像方法，这些成像方法一般只采 集部分的扫描数据，并利用数据间的某些相关性恢复剩余部分，如磁共振中 的半回波成像、半傅里叶成像等。这些成像方法一般会采集部分的K空间数据， 而将缺失的K空间数据直接采用0或通过数据间的相关性估计出的数据填充， 在这个过程中，人为引入的相关性会同时影响噪声特性，从而产生包含相关 性噪声的医学图像，其中相关性噪声强弱与扫描数据填充的比例有直接的关 系。 对于包含相关性噪声的医学图像，不仅要估计到准确的噪声水平，还需 要比较准确地估计出噪声的相关性。已有相关的方法来解决这个问题，如基 于多尺度小波变换的噪声估计方法(请参考[Portilla,J.,et al.,IEEE Trans Image  Process,12(11),1338-1351,2003])。该方法需要对图像进行多尺度小波变换，对 各个尺度的图像小波变换因子有一个假设模型，且在每个尺度上采用贝叶斯 最大后验模型不断迭代得到相关性噪声的信息。不仅依赖于假设模型的准确 性，还需要不断迭代，算法上比较复杂费时。 发明内容 本发明解决的问题是提供一种相关性噪声的估计方法，能同时估计噪声 的相关性和标准差。 为了解决上述问题，本发明提供了一种相关性噪声的估计方法，包括如 下步骤： (1)输入图像，对所述图像进行预处理，并提取所述图像的选定区域； (2)分别对所述选定区域的X方向和Y方向进行n个尺度的噪声水平 估计，得到所述X方向和Y方向上的相关性因子rx和ry，其中，所 述n大于等于3，所述相关性因子rx和ry均大于等于1； (3)根据所述相关性因子rx和ry，确定所述图像的噪声水平； 其中，所述得到所述X方向和Y方向上的相关性因子rx和ry的过程具体 为： 分别对所述X方向和Y方向上相邻的噪声水平估计值进行相除，得到n-1 个比率；根据所述n-1个比率值，得到比率曲线；根据所述比率曲线，确定在 预定范围内的所述比率值所对应的位置；根据所述对应的位置，确定所述相 关性因子rx和ry的初始值；判断所述相关性因子rx或ry的初始值与预定阈值的 大小，若所述相关性因子rx或ry的初始值大于预定阈值，则所述初始值即为所 述相关性因子rx或ry；若所述相关性因子rx或ry的初始值小于等于预定阈值， 则根据相邻比率查找表确定所述相关性因子rx和ry； 所述确定所述噪声水平的过程具体为： 根据所述相关性因子rx和ry，对所述图像进行拆分；分别计算所述拆分图 像的噪声水平；计算所述拆分图像的噪声水平的均值或中值，即得到所述图 像的噪声水平。 上述所述一种相关性噪声的估计方法，其中，所述预处理的过程为： 1)对所述图像进行局部极值抑制、正规化，得到正规化图像； 2)对所述进行正规化图像邻域像素填充以及线状结构检测，得到线状结构 图； 3)提取所述线状结构图中线性结构响应最小的区域，即所述图像的选定区 域。 上述所述一种相关性噪声的估计方法，其中，对所述选定区域的X方向 和Y方向进行n个尺度的噪声水平估计之前，确定所述图像是否具有预定相 关性因子rx或ry。 上述所述一种相关性噪声的估计方法，其中，若所述图像具有所述预定 相关性因子rx或ry，且所述预定相关性因子rx或ry大于等于2，则所述n为5。 上述所述一种相关性噪声的估计方法，其中，若所述图像具有所述预定 相关性因子rx或ry，且所述预定相关性因子rx或ry小于2，则所述n为3。 上述所述一种相关性噪声的估计方法，其中，所述预定范围为1.05-1.1。 上述所述一种相关性噪声的估计方法，其中，所述预定阈值为2。 与现有技术相比，本发明通过多尺度噪声估计以及相邻估计值之间的比 率曲线来估计噪声相关性，计算快速，n个尺度噪声估计一般只需要n次卷积， 增加了计算的速度，节省了时间； 进一步地，根据噪声相关性信息估计噪声水平，不需要依赖特定的统计 函数模型，对不同类型的噪声和图像都有普适性；并能同时准确估计噪声的 相关性和标准差，可以为后续的处理提供更全面的参考信息。 附图说明 图1所示为本发明实施例一种相关性噪声的估计方法的流程示意图；