[发明专利]医学X光图像的去噪系统及计算方法

摘要

本发明属于医学领域，具体是一种医学X光图像的去噪系统，包括依次首尾相连的预处理模块、分解模块以及重构处理模块；预处理模块的还连接于采集模块、图像存储模块和图像传输模块，图像采集模块连接图像存储模块，图像存储模块连接预处理模块及图像传输模块，图像传输模块与预处理模块相连接。医学X光图像的去噪系统，可编为操作代码，存入X计算机硬盘，在采集X光片图像时自动运行，有效的实现X光图像去噪。改进型的小波阈值法避免了硬阈值不连续及软阈值存在恒定偏差的不足，小波局部化特性能有效保护图像边缘细节信息，比较适合噪声方差比较小的噪声。

主权项

1.医学X光图像的去噪系统，其特征在于：包括依次首尾相连的预处理模块、分解模块以及重构处理模块；所述预处理模块还连接于图像采集模块、图像存储模块和图像传输模块，所述图像采集模块连接所述图像存储模块，所述图像存储模块连接所述预处理模块及所述图像传输模块，所述图像传输模块与所述预处理模块相连接；所述图像采集模块为影像获取设备；所述影像获取设备包括图像传感器及图像采集卡；所述图像存储模块包括存储局域网及数据库；所述存储局域网包括应用服务器、光纤交换机、磁盘阵列柜和磁带库；所述图像传输模块包括医院局域网或工作站；医学X光图像的去噪系统的计算方法，包括以下步骤：(1)通过图像采集模块采集获取一帧待处理X光骨骼图像，待处理X光骨骼图像存储于图像存储模块中备用，通过图像传输模块间接传送至预处理模块或直接传送至预处理模块中，经预处理模块预处理得到待去噪图像，分析待去噪图像的噪声类型为非高斯噪声或高斯噪声；分解模块进行处理时，非高斯噪声符合随机分布曲线h1(x)，且h1(x)＝(x1,x2,x3,x4,…,xn)；其中，xi(i＝1,2.3…n)为分解后图像像素，采用非线性中值滤波去噪，各噪声点排布无规律；x1‑xn各点首尾相连所构成的随机分布曲线为h1(x)；非高斯噪声主要是椒盐噪声；高斯噪声像素排布呈正态模型分布趋势，h2(x)～N(0,1)，利用多尺度分辨性及小波去噪；非高斯噪声用h1(x)表示；高斯噪声用h2(x)表示，选择正态模型中合适的反映位移τ值；(2)为非高斯噪声时，分解模块利用改进型中值滤波对待去噪图像的非高斯部分滤除，分解模块计算方法具体为：a.采用3×3奇数模板，在滤波窗口内，目标像素H(i,j)，中值滤波后得到像素G(i,j)；b.将窗口内极大值MAX(H(i,j))和极小值MIN(H(i,j))标记为噪声点，噪声点标记为0；其他的H(i,j)标记为信号点，信号点标记为1；c.观察λi(i＝1，2，3，4)的值；其中：λ1＝2×H(i,j)‑H(i‑1,j)‑H(i+1,j)，λ2＝2×H(i,j)‑H(i,j‑1)‑H(i,j+1)，λ3＝2H(i,j)‑H(i‑1,j‑1)‑H(i+1,j+1)，λ4＝2H(i,j)‑H(i+1,j‑1)‑H(i‑1,j+1)；选取λ₁～λ₄的平均值与阈值T’比较，当大于或者等于阈值T’时，继续标记为0，否则标记为1；分解模块进行处理时，阈值T’的求法如下：计算模板内与中心像素点相邻的8个邻点像素均值ave和方差var；其中，(i＝1，2，…，8)，x′_i为与中心像素点相邻的8个邻点像素的值；分别计算模板内中心像素和其8个相邻像素的差值并取绝对值|Δφ_i|，(i＝1，2，…，8)；(i＝1，2，…，8)；则阈值T’ ＝Φ[ave/(ave+var)]，最后将标记为1的像素重组，即可实现去噪；经过步骤(2)将非高斯噪声转换成高斯噪声；(3)为高斯噪声时，重构处理模块进行处理，利用小波对分解模块处理后的图像进行多尺度分解，设定上限阈值和下限阈值，将小波系数低于下限阈值的小波系数置零，其它小波系数作阈值量化处理，最后重构处理后小波系数；重构处理模块进行处理时，高斯噪声主要是颗粒状高斯噪声；重构处理模块利用改进型小波阈值法对高斯噪声进行滤除；重构处理模块计算方法具体为：利用小波的时频特性和多分辨率性对待去噪图像进行多尺度分解，小波基db8，分解层数为3，在每一尺度上得到高频系数和低频系数，设定上限阈值和下限阈值，将低于下限阈值的小波系数置零，其它小波系数通过对应的阈值函数作量化处理，最后重构处理后小波系数；重构处理模块所使用的阈值函数：其中，a为0.1，T为阈值，T₀＝0.4T，w_i,j为小波系数，为变换后的小波系数，sign(·)为符号函数，阈值T为是对噪声水平的估计值，N是信号长度；该重构处理模块计算方法在T和T₀点都连续；(4)得到最终去噪处理后的清晰X光图像。