[发明专利]对图像执行降噪

说明书

一种用于生成部分降噪图像的机制。对通过使用卷积神经网络处理图像而获得的残余噪声图像进行加权。经加权的残余噪声图像与(原始)图像的混合或组合生成部分降噪图像。

技术领域

本公开涉及图像处理的领域，并且具体地涉及对图像进行降噪的领域。

背景技术

越来越多地使用医学成像模态/过程来在医学程序期间(例如，在诊断程序或外科手术程序期间)评估患者的状况。

然而，由于信号形成和数据采集的统计性质，医学成像模态容易受到噪声的影响。这些噪声源损害了医学图像数据的诊断价值。出于这个原因，图像降噪不仅是许多通用图像处理工具的固有部分，而且在医学领域中对于改善图像质量并且因此改善所采集的医学图像数据的诊断价值也是极其重要的。

对(医学)图像降噪的一种方法是使用机器学习方法(诸如卷积神经网络)来执行对(看似)噪声图像的降噪。然而，对于许多真实世界医学成像应用，没有用于训练机器学习方法的合适基准真相数据，因为没有完全无噪声的图像可用。此外，已经看到，当将机器学习降噪方法应用于图像时，输出通常产生噪声水平远低于基准真相噪声水平(例如，使用高质量捕获技术获得的图像的噪声水平)的结果。这是回归均值行为的示例，通常在使用均方误差(MSE)作为损失函数来优化用于图像到图像回归问题的机器学习模型时发生。

因此，一直希望改善降噪的准确性。

发明内容

本发明由权利要求限定。

根据依据本发明的一个方面的示例，提供了一种生成部分降噪图像的计算机实施的方法。

所述计算机实施的方法包括：向卷积神经网络的输入提供图像；使用所述卷积神经网络处理所述图像以生成表示所述图像的噪声内容的残余噪声图像；利用一个或多个预定加权因子对所述残余噪声图像的值进行加权以生成经加权的残余噪声图像；以及组合所述图像和所述经加权的残余噪声图像，从而生成部分降噪图像。

所述一个或多个预定加权因子通过以下方式确定：选择一个或多个加权因子使得所述部分降噪图像的一个或多个噪声特性的值响应于参考图像的部分的相同的一个或多个噪声特性的值。

所提出的机制通过仅对图像进行部分降噪来帮助克服回归均值行为。

本文描述的在将经加权的残余噪声图像与原始图像组合之前对残余噪声图像进行加权的方法提供了一种用于生成具有降低的复杂性、处理要求和存储器存储要求的部分降噪图像的机制。具体地，使用所提出的方法，在生成部分降噪图像时不需要生成完全降噪图像。相反，本发明依赖于使用残余噪声图像来修改(原始获得的)图像。

此外，所提出的方法在生成部分降噪图像时利用原始图像，从而通过将保证的自然噪声纹理带回到最终输出图像来减轻给定原始降噪算法的任何潜在缺点。这减少了在降噪阶段中不完美的算法可能具有的潜在过度平滑或部分劣化效果。

所建议的解决方案(其利用卷积神经网络)是相对简单且快速的，意味着它可以以相对低的计算成本使用。当与其他更精细的机器学习方法(诸如生成模型或使用感知图像外观概念的模型)相比时，这是有利的。尽管这些方法能够达到期望的目标噪声水平，但是它们以高得多的算法复杂性和显著增加的运行时开销为代价。

参考图像的部分有效地充当针对部分降噪图像的噪声水平的“目标”。这意味着部分降噪图像能够更接近地类似于充当参考图像的“现实生活”或更高质量的图像，而不损失潜在有价值的信息。因此，使用参考图像来设置(一个或多个)预定加权因子可以帮助减少或避免在降噪程序的执行期间的不期望的回归均值行为，即，过度降噪。

在一些示例中，所述一个或多个预定加权因子通过选择一个或多个加权因子使得所述部分降噪图像的一个或多个噪声特性的值匹配参考图像的部分的相同的一个或多个噪声特性的值而确定。