[发明专利]基于双边随机投影的光学相干层析成像去噪方法

说明书

基于双边随机投影的光学相干层析成像去噪方法，属于图像去噪处理技术领域。采用该发明的方法不需要大量训练数据，利用少量相邻帧即可在去除散斑的同时保留原有生物结构信息，运算效率较高。基于双边随机投影的去噪算法能有效的抑制散斑噪声，获得了较好的视觉效果，且计算复杂度较低。该方法的提出为医生进行视网膜疾病诊断以及改善计算机自动辅助视网膜疾病分析的性能提供了有效帮助，且计算时间可以满足临床的实时性要求。

技术领域

本发明涉及一种基于双边随机投影(BRP)的光学相干层析成像去噪算法，属于图像去噪处理技术领域。

背景技术

随着商业化频域OCT技术的问世，实现了三维高分辨率的成像，为青光眼、年龄相关性黄斑变性和糖尿病黄斑水肿等视网膜疾病的定量分析和研究提供了重要帮助。然而，由于光学相干层析成像(OCT)成像系统不可避免地引入散斑噪声，导致了图像的质量退化，严重影响了人们对图像信息的准确获取，给医生进行疾病诊断以及计算机辅助疾病诊断分析带来了极大挑战。如何抑制散斑噪声一直是国内外学者致力研究的重要课题。

目前针对散斑去噪主要有硬件和软件两种处理方法。其中，硬件方法主要依靠改进光学系统架构，该方法能够有效抑制散斑噪声，但也会使得OCT成像系统结构更加复杂，造价更高。与硬件方法相比，软件方法无需改变系统结构，更加灵活、易实现。常用的软件方法能在一定程度上有效去除散斑噪声，但减小噪声的同时也会破坏图像的细节和纹理信息，且部分方法需要设定不同的阈值收缩以达到最佳去噪效果。也有用深度学习和基于稳健性主成分分析算法(RPCA)等方法来解决散斑问题的研究，然而也存在需要大量图像样本进行训练、训练时间较长、噪声的适应性较差及分解效率低等问题，导致得到的图像去噪模型还有待于提升。

发明内容

本发明需解决的技术问题是，提供一种能有效地抑制散斑噪声且计算复杂度较低的基于双边随机投影的光学相干层析成像去噪算法。

为了解决上述问题，本发明提出的基于双边随机投影的光学相干层析成像去噪方法，包括以下步骤：

S01：图像预处理，对视网膜图像进行对齐预处理，增强相邻帧之间的相关性；

其中，对于每个OCT图像，在慢扫描方向，即Y方向(y-z视图)，相邻的两个B扫描图像之间存在很大失真，B扫描图像对齐步骤如下：首先分割出OCT图像中视网膜的上边界，采用多分辨率表面检测方法进行分割。分割后计算所有B扫描图像中视网膜的上边界的平均位置，并以此为基准，估计各B扫描图像的位移值。在计算上边界的平均位置时只使用除中心凹外左侧部分和右侧部分的像素点。各B扫描图像根据视网膜的上边界的平均位置向上或向下进行平移，从而对齐各B扫描图像。

S02:将一帧包含n个像素的B扫描图像看作是矩阵中的列向量，相邻的组织结构相似的m帧B扫描图像则可用矩阵表示为根据低秩分解理论，OCT图像矩阵X可分解为L、S以及N三部分之和，

X＝L+S+N (1)

其中，L表示无噪生物结构图像组成的低秩矩阵，S表示由运动伪差引起的稀疏矩阵,N表示噪声矩阵。要从扫描的OCT图像中提取无噪图像即等同于从观测信号X中恢复信号L。S03:设低秩矩阵L有rank(L)≤r，且S矩阵中的非零元素个数满足card(S)≤k，则去噪问题可表示为最小化代价函数求解问题：

其中，r表示低秩矩阵的秩，k表示矩阵稀疏度参数，k越小，矩阵越稀疏；S04:由于公式(2)中矩阵L和S均为未知矩阵，给定r和k，公式(2)的优化问题可转化为交替求解公式(3)及公式(4)直至收敛。

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；