圖像識別為帶周期性噪聲的圖像或不帶周期性噪聲的圖像，所述第一分類器是 通過將帶周期性噪聲的圖像列入正樣本訓練集、將不帶周期性噪聲的圖像列入負樣本訓練 集訓練得到，或者所述第一分類器是通過將帶周期性噪聲的圖像列入負樣本訓練集、將不 帶周期性噪聲的圖像列入正樣本訓練集訓練得到； 根據所述提取到的特征，采用預先訓練得到的第二分類器對分類得到的帶周期性噪 聲的圖像進行分類，將所述帶周期性噪聲的圖像識別為第一方向噪聲圖像和第二方向噪聲 圖像，其中所述第一方向噪聲圖像中周期性噪聲的方向與非周期性噪聲的方向平行，所述 第二方向噪聲圖像中周期性噪聲的方向與非周期性噪聲的方向垂直，所述第二分類器是通 過將第一方向噪聲圖像列入正樣本訓練集、將第二方向噪聲圖像列入負樣本訓練集訓練得 至IJ，或者所述第二分類器是通過將第一方向噪聲圖像列入負樣本訓練集、將第二方向噪聲 圖像列入正樣本訓練集訓練得到。11. 根據權利要求10所述的方法，其特征在于，所述提取到的特征包括小波特征；所述 第一分類器和所述第二分類器均為支持向量機分類器。12. 如權利要求1或2所述的方法，其特征在于，所述值恢復步驟中，恢復的所述非周期 性噪聲處的像素值為輸入數(shù)據與非周期性噪聲的矢量差，或者為所述干凈圖像信號與所述 周期性噪聲的矢量和。13. 如權利要求1或2所述的方法，其特征在于，所述待處理圖像包括數(shù)字放射圖像，所 述周期性噪聲包括柵影，所述非周期性噪聲包括壞線或壞點。14. 一種對圖像進行噪聲抑制的方法，其特征在于，包括： 采用如權利要求1-13任一項所述的方法對圖像中的非周期性噪聲進行灰度補償，得 到灰度補償后的圖像； 對灰度補償后的圖像進行頻域濾波。15. -種對圖像中的非周期性噪聲進行灰度補償?shù)难b置，其特征在于，包括： 圖像獲取模塊，用于獲取待處理圖像，所述待處理圖像為被周期性噪聲干擾的圖像； 周期確定模塊，用于確定所述周期性噪聲的周期； 數(shù)據獲取模塊，用于檢測待處理圖像中的非周期性噪聲，獲取非周期性噪聲附近的數(shù) 據作為輸入數(shù)據； 值恢復模塊，用于將所述周期性噪聲的周期和輸入數(shù)據代入信號分離模型，對信號分 離模型進行優(yōu)化，得到對應于所述輸入數(shù)據的干凈圖像信號、周期性噪聲和非周期性噪聲， 根據得到的結果恢復所述輸入數(shù)據中非周期性噪聲處的像素值。16. -種對圖像中的非周期性噪聲進行灰度補償?shù)难b置，其特征在于，包括： 圖像獲取模塊，用于獲取待處理圖像，所述待處理圖像為被周期性噪聲干擾的圖像； 方向確定模塊，用于確定所述周期性噪聲的方向，如果所述周期性噪聲的方向與非周 期性噪聲的方向平行，將確定出的方向輸送到周期確定模塊； 所述周期確定模塊，用于確定所述周期性噪聲的周期； 數(shù)據獲取模塊，用于檢測待處理圖像中的非周期性噪聲，獲取非周期性噪聲附近的數(shù) 據作為輸入數(shù)據； 值恢復模塊，用于將所述周期性噪聲的周期和輸入數(shù)據代入信號分離模型，對信號分 離模型進行優(yōu)化求解，得到對應于所述輸入數(shù)據的干凈圖像信號、周期性噪聲和非周期性 噪聲，根據得到的結果恢復所述輸入數(shù)據中非周期性噪聲處的像素值。17. 如權利要求15或16所述的裝置，其特征在于，所述非周期性噪聲附近的數(shù)據為： 以檢測出的非周期性噪聲的位置處為中心，按預定鄰域選擇出的一段數(shù)據，該數(shù)據包含所 述非周期性噪聲的數(shù)據。18. 如權利要求15或16所述的裝置，其特征在于，所述信號分離模型包括代價函數(shù)和 約束條件，所述代價函數(shù)為滿足所述約束條件且與干凈信號分量、周期信號分量和非周期 信號分量中的至少一個相關的函數(shù)； 所述干凈信號分量為關于干凈圖像信號的平滑度的測度函數(shù)，所述周期信號分量為 關于周期性噪聲及其周期的測度函數(shù)，所述非周期信號分量為關于非周期性噪聲的測度函 數(shù)。19. 如權利要求15或16所述的裝置，其特征在于，所述周期性噪聲的周期被確定為預 設值；或者所述周期性噪聲的周期的計算包括： 獲取感興趣區(qū)域的圖像數(shù)據； 將感興趣區(qū)域的圖像數(shù)據和預先設定的候選周期代入信號分離模型，對信號分離模型 進行干凈圖像信號、周期性噪聲和非周期性噪聲優(yōu)化求解； 將求解出來的周期性噪聲信號最強的模型對應的候選周期確定為周期性噪聲的周期。20. 如權利要求16所述的裝置，其特征在于，所述方向確定模塊包括： 特征提取單元，用于對所述待處理圖像進行特征提??； 第一分類單元，用于根據提取到的特征，采用預先訓練得到的第一分類器對所述待處 理圖像進行分類，將所述待處理圖像識別為帶周期性噪聲的圖像或不帶周期性噪聲的圖 像，所述第一分類器是通過將帶周期性噪聲的圖像列入正樣本訓練集、將不帶周期性噪聲 的圖像列入負樣本訓練集訓練得到，或者所述第一分類器是通過將帶周期性噪聲的圖像列 入負樣本訓練集、將不帶周期性噪聲的圖像列入正樣本訓練集訓練得到； 第二分類單元，用于根據所述提取到的特征，采用預先訓練得到的第二分類器對分類 得到的帶周期性噪聲的圖像進行分類，將所述帶周期性噪聲的圖像識別為第一方向噪聲圖 像和第二方向噪聲圖像，其中所述第一方向噪聲圖像中周期性噪聲的方向與非周期性噪聲 的方向平行，所述第二方向噪聲圖像中周期性噪聲的方向與非周期性噪聲的方向垂直，所 述第二分類器是通過將第一方向噪聲圖像列入正樣本訓練集、將第二方向噪聲圖像列入負 樣本訓練集訓練得到，或者所述第二分類器是通過將第一方向噪聲圖像列入負樣本訓練 集、將第二方向噪聲圖像列入正樣本訓練集訓練得到。21. 如權利要求15或16所述的裝置，其特征在于，所述待處理圖像包括數(shù)字放射圖像， 所述周期性噪聲包括柵影，所述非周期性噪聲包括壞線或壞點。22. -種對圖像進行噪聲抑制的裝置，其特征在于，包括： 如權利要求15-21任一項所述的對圖像中的非周期性噪聲進行灰度補償?shù)难b置； 濾波模塊，用于對經所述裝置灰度補償后的圖像進行頻域濾波。23. -種確定圖像中周期性噪聲的周期的方法，其特征在于，包括： 圖像獲取步驟：獲取待處理圖像，所述待處理圖像為被周期性噪聲干擾的圖像，從所述 待處理圖像中獲取感興趣區(qū)域的圖像數(shù)據； 優(yōu)化求解步驟：將感興趣區(qū)域的圖像數(shù)據和預先設定的候選周期代入信號分離模型， 對信號分離模型進行優(yōu)化求解，得到對應于所述感興趣區(qū)域的圖像數(shù)據的干凈圖像信號、 周期性噪聲和非周期性噪聲； 周期確定步驟：將求解出的周期性噪聲信號最強的模型對應的候選周期確定為周期性 噪聲的周期。24. 根據權利要求23所述的方法，其特征在于，所述信號分離模型包括代價函數(shù)和約 束條件，所述代價函數(shù)為滿足所述約束條件且與干凈信號分量、周期信號分量和非周期信 號分量中的至少一個相關的函數(shù)； 所述干凈信號分量為關于干凈圖像信號的平滑度的測度函數(shù)，所述周期信號分量為 關于周期性噪聲及其周期的測度函數(shù)，所述非周期信號分量為關于非周期性噪聲的測度函 數(shù)。25. 根據權利要求24所述的方法，其特征在于，所述約束條件包括固定約束條件，或者 所述約束條件包括固定約束條件和指定約束條件， 所述固定約束條件為：x+s+Mu=d， 所述干凈信號分量的表達式包括：ei| |Dx|L， 所述周期信號分量的表達式包括：||?|g， 所述周期信號分量的表達式包括：4ML 其中d表示待處理圖像，X表示干凈圖像信號，S表示非周期性噪聲，U表示用于重建周 期性噪聲的變量，Mu表示周期性噪聲，M為轉換矩陣，ei、e2和e3分別為用于控制干凈圖像 信號、周期性噪聲和非周期性噪聲的大小的權重，D為差分矩陣，w為用于降低或提高非周 期性噪聲的值的權重； 所述代價函數(shù)為，且滿足固定約束條件； 或者，所述代價函數(shù)為e」|Dx| ^，且滿足固定約束條件和指定約束條件，所 述指定約束條件為4 ||w| <ri且e31 |diag(w)s| |i<r2，或者所述指定約束條件為或者，所述代價函數(shù)為e2|W|t且滿足固定約束條件和指定約束條件，所述指 定約束條件為ei| |Dx| |i<r4且e31 |diag(w)s| |i<r2，或者所述指定約束條件為ej|Dx|li+egl|diag(w)s| |: <r5 ； 或者，所述代價函數(shù)為e3| |diag(w)s|L，且滿足固定約束條件和指定約束條件，所述指 定約束條件為e」|Dx| ^ <1'4且62|?||$ </^，或者所述指定約束條件為或者，所述代價函數(shù)為，且滿足固定約束條件和指定約束條件，所述指 定約束條件為e31 |diag(w)s| |丨<r2 ; 或者，所述代價函數(shù)為e」|Dx|li+e」|diag(w)s|L，且滿足固定約束條件和指定約束 條件，所述指定約束條件為e21|?|￡ <q; 或者，所述代價函數(shù)為且滿足固定約束條件和指定約束條件，所 述指定約束條件為ei| |Dx| |i<r4 ; 其中，1'1、1'2、1'3、1' 4、1'5和1'6為預設值。26.根據權利要求23-25中任一權利要求所述的方法，其特征在于， 所述對信號分離模型進行干凈圖像信號、周期性噪聲和非周期性噪聲優(yōu)化求解的公式 包括：且 約束條件為x+s+Mu=d; 所述將求解出來的周期性噪聲信號最強的模型對應的候選周期確定為周期性噪聲的 周期這一步驟對應的表達式為：其中，d表示感興趣區(qū)域的圖像數(shù)據，x表示干凈圖像信號，s表示非周期性噪聲，u表 示用于重建周期性噪聲的變量，Mu表示周期性噪聲，M為轉換矩陣，D為差分矩陣，w為用于 降低或提高非周期性噪聲的值的權重，n為所述感興趣區(qū)域的圖像數(shù)據的長度，a和@分 別為用于控制周期性噪聲和非周期性噪聲與干凈圖像信號的大小的權重，K為將周期性噪 聲分段而設定的段數(shù)，t為所述候選周期，r^Kt!；，I；為每一段周期性噪聲中t的個數(shù)j為 所述周期性噪聲的周期。
【專利摘要】本申請涉及對圖像進行灰度補償和噪聲抑制的方法及裝置，包括：獲取被周期性噪聲干擾的待處理圖像；確定周期性噪聲的周期；檢測待處理圖像中的非周期性噪聲，獲取非周期性噪聲附近的數(shù)據作為輸入數(shù)據；將周期性噪聲的周期和輸入數(shù)據代入信號分離模型，對信號分離模型進行優(yōu)化，得到對應于輸入數(shù)據的干凈圖像信號、周期性噪聲和非周期性噪聲，根據得到的結果恢復所述輸入數(shù)據中非周期性噪聲處的像素值。本發(fā)明基于SPX模型實現(xiàn)，通過該模型能分離出周期性噪聲信號、非周期性噪聲信號和干凈圖像信號，且能夠在進行灰度補償時考慮周期性噪聲的影響，使得灰度補償后由于延續(xù)了周期性，在進行后續(xù)噪聲抑制時不會產生振鈴效應，進而改善圖像質量。
【IPC分類】G06T5/00
【公開號】CN104915930
【申請?zhí)枴緾N201410097303
【發(fā)明人】賴勇銓, 鄒耀賢, 林穆清, 許 鵬
【申請人】深圳邁瑞生物醫(yī)療電子股份有限公司
【公開日】2015年9月16日
【申請日】2014年3月14日