CN113160072B - 一种基于图像金字塔的鲁棒自适应帧相关方法及*** - Google Patents
一种基于图像金字塔的鲁棒自适应帧相关方法及*** Download PDFInfo
- Publication number
- CN113160072B CN113160072B CN202110294761.2A CN202110294761A CN113160072B CN 113160072 B CN113160072 B CN 113160072B CN 202110294761 A CN202110294761 A CN 202110294761A CN 113160072 B CN113160072 B CN 113160072B
- Authority
- CN
- China
- Prior art keywords
- image
- pyramid
- frame correlation
- correlation
- coefficient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000009466 transformation Effects 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000010276 construction Methods 0.000 claims abstract description 9
- 230000003044 adaptive effect Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000003247 decreasing effect Effects 0.000 claims description 6
- 238000012886 linear function Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 2
- 238000012935 Averaging Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 7
- 238000009499 grossing Methods 0.000 abstract description 5
- 238000003384 imaging method Methods 0.000 abstract description 2
- 239000010410 layer Substances 0.000 description 21
- 239000002131 composite material Substances 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000014759 maintenance of location Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 1
- 238000013329 compounding Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明属于超声成像技术领域,具体涉及一种基于图像金字塔的鲁棒自适应帧相关方法及***,其中,涉及的一种基于图像金字塔的鲁棒自适应帧相关方法,包括以下步骤:S1、根据噪声图像构建金字塔;S2、根据金字塔的顶层图像计算帧相关系数模板;S3、根据系数模板进行尺度变换;S4、根据尺度变换后的系数模板实现对噪声图像的帧相关处理;本发明通过金字塔顶层图像进行帧相关系数的计算,能够大大减小算法的复杂度;金字塔每层图像在构建过程中均会进行卷积核的平滑,以使图像金字塔具有良好的去噪效果。
Description
技术领域
本发明属于超声成像技术领域,具体涉及一种基于图像金字塔的鲁棒自适应帧相关方法及***。
背景技术
医学超声是一种低成本、非侵入、实时性的临床检查手段,然而实际的医学超声图像中往往存在较大的噪声,噪声的存在会降低图像的信噪比和对比分辨率等,最终降低了图像质量。
超声图像中的噪声主要来源于两类,一类是内部电路、热效应等引起的随机噪声,另一类是超声回波相干散射形成的散斑噪声。现有的去噪方法主要分为三类,第一类是基于复合的方法,如频率复合,空间复合和时间复合。第二类是基于噪声模型的方法,该方法的缺点在于噪声特征过于复杂,噪声模型的构建过于理想化。最后一类是基于后处理的方法,具体可以分为单尺度和多尺度两种方法。
帧相关即时间复合方法可以在不显著增加***复杂度的基础上实现较好的去噪效果。帧相关的基本模型为:yt=ayt-1+(1-a)xt,式中的x、y分别表示帧相关前、后的图像,下标表示时刻,α为帧相关系数。
现有的帧相关方法主要分为非自适应和自适应两类,非自适应即模型中的α为固定值,自适应即α是根据不同时刻的图像实时计算出来的,具体可以基于两帧或多帧进行计算。
现有的自适应帧相关方法是在原图像尺寸上进行计算的,而原图在去噪之前含有较多噪声,从而使得相关性的计算不够准确,最终导致帧相关的效果不佳;现有的解决方法是在帧相关之前对图像进行空间平滑、数字滤波等预处理,但该方法的缺点是难以在去除噪声和保留图像特征之间达到很好的平衡;为此,有必要对此进行改进,以克服实际应用中的不足。
发明内容
基于现有技术中存在的上述缺点和不足,本发明的目的之一是至少解决现有技术中存在的上述问题之一或多个,换言之,本发明的目的之一是提供满足前述需求之一或多个的一种基于图像金字塔的鲁棒自适应帧相关方法及***。
为了达到上述发明目的,本发明采用以下技术方案:
一种基于图像金字塔的鲁棒自适应帧相关方法,包括以下步骤:
S1、根据噪声图像构建金字塔;
S2、根据金字塔的顶层图像计算帧相关系数模板;
S3、根据系数模板进行尺度变换;
S4、根据尺度变换后的系数模板实现对噪声图像的帧相关处理。
作为优选方案,所述步骤S1具体为:
S11、设置待分解的金字塔层数L,并将原始噪声图像I0定义为第0层;
S12、计算卷积核kernel,并对kernel进行归一化处理;
其中,σ为高斯核的标准差;
S13、初始化i=0,将金字塔第i层图像Ii与kernel进行卷积,即Ii=conv(Ii,kernel);
S14、提取Ii第x行y列作为金字塔第i+1层的图像Ii+1;依次计算金字塔下一层的图像,直至完成金字塔L层的计算,以完成整个图像金字塔的构建;
S15、根据前一帧和当前帧分别进行对应图像金字塔的构建,并将前一帧和当前帧的金字塔顶层图像分别记为IPt-1和IPt。
作为优选方案,所述步骤S2具体为:
S21、根据IPt-1和IPt计算当前像素的相关度C;
S22、根据相关度计算帧相关系数a,并依次计算下一像素对应的帧相关系数,以得到所有像素的帧相关系数;
S23、将所有像素的帧相关系数构成系数模板A,其中,A映射于0-1之间。
作为优选方案,所述步骤S21中通过平均绝对差、均方差、均方根误差、相关系数以及相似度函数计算相关度。
作为优选方案,所述步骤S22中通过递减函数实现相关度C与帧相关系数a之间的转换,所述递减函数包括线性函数、分段线性函数、指数函数和对数函数。
作为优选方案,所述步骤S3具体为:
S31、对系数模板A进行去噪处理;
S32、将去噪后的系数模板变换为金字塔底层图像的尺寸,变换后的系数模板为A’。
作为优选方案,所述步骤S4具体为:
对变换后的系数模板A’进行帧相关处理,帧相关公式为:
其中,上标加f的表示帧相关之后的图像,下标t表示时刻。
本发明还提供一种基于图像金字塔的鲁棒自适应帧相关***,包括:
构建模块,用于根据噪声图像构建金字塔;
第一计算模块,用于根据金字塔的顶层图像计算帧相关系数模板;
变换模块,用于根据系数模板进行尺度变换;
处理模块,用于根据尺度变换后的系数模板实现对噪声图像的帧相关处理。
作为优选方案,所述第一计算模块包括:
第二计算模块,用于根据IPt-1和IPt计算当前像素的相关度C;
第三计算模块,用于根据相关度计算帧相关系数a,并依次计算下一像素对应的帧相关系数,以得到所有像素的帧相关系数。
作为优选方案,所述第二计算模块通过平均绝对差、均方差、均方根误差、相关系数以及相似度函数计算相关度。
本发明与现有技术相比,有益效果是:
本发明通过金字塔顶层图像进行帧相关系数的计算,能够大大减小算法的复杂度。
本发明的金字塔每层图像在构建过程中均会进行卷积核的平滑,以使图像金字塔具有良好的去噪效果。
附图说明
图1是本发明实施例一的一种基于图像金字塔的鲁棒自适应帧相关方法的流程图;
图2是本发明实施例二的一种基于图像金字塔的鲁棒自适应帧相关***的结构图。
具体实施方式
为了更清楚地说明本发明实施例,下面将对照附图说明本发明的具体实施方式。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,并获得其他的实施方式。
实施例一:
本实施例提供一种基于图像金字塔的鲁棒自适应帧相关方法,如图1所示,包括以下步骤:
S1、根据噪声图像构建金字塔;
S2、根据金字塔的顶层图像计算帧相关系数模板;
S3、根据系数模板进行尺度变换;
S4、对尺度变换后的噪声图像进行帧相关处理。
具体地,步骤S1根据噪声图像构建金字塔,具体为:
S11、设置待分解的金字塔层数L=3,原始噪声图像I0被定义为第0层。
S12、计算高斯卷积核kernel,计算公式如下:
对kernel进行归一化,即使得kernel所有元素之和等于1;
S13、初始化i=0,将第i层的图像Ii与kernel进行卷积,用公式表示为:
Ii=conv(Ii,kernel)。
S14、提取Ii第x行y列作为第i+1层的图像Ii+1;如果Ii的行数M为偶数,则x=2p,p=0,1,2,...,M/2-1,否则同理如果Ii的列数N为偶数,则y=2q,q=0,1,2,...,M/2-1,否则符号表示向下取整;依次计算金字塔下一层的图像,直至完成金字塔L层的计算,以完成图像金字塔的构建;
S15、根据前一帧和当前帧分别进行对应图像金字塔的构建,对当前帧和前一帧图像分别进行上述步骤S13至S14完成相对应图像金字塔的构建,并将前一帧和当前帧的金字塔顶层图像分别记为IPt-1和IPt。
步骤S2根据金字塔的顶层图像计算帧相关系数模板,具体为:
S21、根据IPt-1和IPt计算当前像素的相关度C,采用均方差(Mean Square Error,MSE)计算相关度C,计算邻域大小选3*3,公式如下:
式中的(x0,y0)为当前像素位置坐标;
计算当前像素的相关度还可以通过平均绝对差、均方差、均方根误差、相关系数以及相似度函数进行计算;
S22、根据相关度C计算帧相关系数a,相关度C与帧相关系数a之间的转换通过递减函数实现,递减函数包括线性函数、分段线性函数、指数函数和对数函数;
本实施例的计算公式如下:
a=e-C
按照上述步骤计算下一像素对应的帧相关系数a,直到完成整个金字塔顶层图像的遍历,以得到所有像素的帧相关系数,所有像素的帧相关系数a共同构成系数模板A;
S23、将所有像素的帧相关系数构成系数模板A,其中,A映射于0-1之间;若系数模板A的取值不在0-1之间,还需要对A进行系数变换,将其映射到0-1之间。
步骤S3根据系数模板进行尺度变换,具体为:
S31、对系数模板进行空间平滑或者数字滤波操作,以进一步去除噪声的影响;
S32、将去噪后的系数模板变换为金字塔底层图像I0的尺寸,具体可以采用插值实现该尺度变换,尺度变换后的系数模板被标记为A’。
步骤S4根据尺度变换后的系数模板实现对噪声图像的帧相关处理,具体为:
根据尺度变换后的系数模板A’实现对噪声图像的帧相关操作,为了减小算法复杂度对图像进行分块帧相关,帧相关用公式表示如下:
其中,上标加f的表示帧相关之后的图像,下标表示时刻。
本实施例与现有技术相比,具有以下有益效果:
本实施例通过金字塔顶层图像进行帧相关系数的计算能够减小算法的复杂度,金字塔每层图像在构建过程中均会进行卷积核的平滑,以使图像金字塔实现去噪功能,并且在去除噪声和保留图像特征之间达到很好的平衡效果。
实施例二:
本实施例提供一种基于图像金字塔的鲁棒自适应帧相关***,如图2所示,包括:
构建模块11,用于根据噪声图像构建金字塔;
第一计算模块12,用于根据金字塔的顶层图像计算帧相关系数模板;
变换模块13,用于根据系数模板进行尺度变换;
处理模块14,用于根据尺度变换后的系数模板实现对噪声图像的帧相关处理。
进一步的,第一计算模块12包括:
第二计算模块,用于根据IPt-1和IPt计算当前像素的相关度C;
第三计算模块,用于根据相关度计算帧相关系数a,并依次计算下一像素对应的帧相关系数,以得到所有像素的帧相关系数。
进一步的,第二计算模块通过平均绝对差、均方差、均方根误差、相关系数以及相似度函数计算相关度。
需要说明的是,本实施例提供的一种基于图像金字塔的鲁棒自适应帧相关***与实施例一相对应,在此不多做赘述。
本实施例的***与现有技术相比,具有以下有益效果:
通过金字塔顶层图像进行帧相关系数的计算能够减小算法的复杂度,金字塔每层图像在构建过程中均会进行卷积核的平滑,以使图像金字塔实现去噪功能,并且在去除噪声和保留图像特征之间达到很好的平衡效果。
以上所述仅是对本发明的优选实施例及原理进行了详细说明,对本领域的普通技术人员而言,依据本发明提供的思想,在具体实施方式上会有改变之处,而这些改变也应视为本发明的保护范围。
Claims (6)
1.一种基于图像金字塔的鲁棒自适应帧相关方法,其特征在于,包括以下步骤:
S1、根据噪声图像构建金字塔;
S2、根据金字塔的顶层图像计算帧相关系数模板;
S3、根据系数模板进行尺度变换;
S4、根据尺度变换后的系数模板实现对噪声图像的帧相关处理;
所述步骤S1具体为:
S11、设置待分解的金字塔层数L,并将原始噪声图像I0定义为第0层;
S12、计算卷积核kernel,并对kernel进行归一化处理;
其中,σ为高斯核的标准差;
S13、初始化i=0,将金字塔第i层图像Ii与kernel进行卷积,即Ii=conv(Ii,ker nel);
S14、提取Ii第x行y列作为金字塔第i+1层的图像Ii+1;依次计算金字塔下一层的图像,直至完成金字塔L层的计算,以完成整个图像金字塔的构建;
S15、根据前一帧和当前帧分别进行对应图像金字塔的构建,并将前一帧和当前帧的金字塔顶层图像分别记为IPt-1和IPt;
所述步骤S2具体为:
S21、根据IPt-1和IPt计算当前像素的相关度C;
S22、根据相关度计算帧相关系数a,并依次计算下一像素对应的帧相关系数,以得到所有像素的帧相关系数;
S23、将所有像素的帧相关系数构成系数模板A,其中,A映射于0-1之间;
所述步骤S3具体为:
S31、对系数模板A进行去噪处理;
S32、将去噪后的系数模板变换为金字塔底层图像的尺寸,变换后的系数模板为A’;
所述步骤S4具体为:
对变换后的系数模板A’进行帧相关处理,帧相关公式为:
其中,上标加f的表示帧相关之后的图像,下标t表示时刻。
2.根据权利要求1所述的一种基于图像金字塔的鲁棒自适应帧相关方法,其特征在于,所述步骤S21中通过平均绝对差、均方差、均方根误差、相关系数以及相似度函数计算相关度。
3.根据权利要求1所述的一种基于图像金字塔的鲁棒自适应帧相关方法,其特征在于,所述步骤S22中通过递减函数实现相关度C与帧相关系数a之间的转换,所述递减函数包括线性函数、分段线性函数、指数函数和对数函数。
4.一种基于图像金字塔的鲁棒自适应帧相关***,用于实现权利要求1-3任一项所述的一种基于图像金字塔的鲁棒自适应帧相关方法,其特征在于,所述一种基于图像金字塔的鲁棒自适应帧相关***包括:
构建模块,用于根据噪声图像构建金字塔;
第一计算模块,用于根据金字塔的顶层图像计算帧相关系数模板;
变换模块,用于根据系数模板进行尺度变换;
处理模块,用于根据尺度变换后的系数模板实现对噪声图像的帧相关处理。
5.根据权利要求4所述的一种基于图像金字塔的鲁棒自适应帧相关***,其特征在于,所述第一计算模块包括:
第二计算模块,用于根据IPt-1和IPt计算当前像素的相关度C;
第三计算模块,用于根据相关度计算帧相关系数a,并依次计算下一像素对应的帧相关系数,以得到所有像素的帧相关系数。
6.根据权利要求5所述的一种基于图像金字塔的鲁棒自适应帧相关***,其特征在于,所述第二计算模块通过平均绝对差、均方差、均方根误差、相关系数以及相似度函数计算相关度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110294761.2A CN113160072B (zh) | 2021-03-19 | 2021-03-19 | 一种基于图像金字塔的鲁棒自适应帧相关方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110294761.2A CN113160072B (zh) | 2021-03-19 | 2021-03-19 | 一种基于图像金字塔的鲁棒自适应帧相关方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113160072A CN113160072A (zh) | 2021-07-23 |
CN113160072B true CN113160072B (zh) | 2023-04-07 |
Family
ID=76888183
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110294761.2A Active CN113160072B (zh) | 2021-03-19 | 2021-03-19 | 一种基于图像金字塔的鲁棒自适应帧相关方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113160072B (zh) |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7856150B2 (en) * | 2007-04-10 | 2010-12-21 | Arcsoft, Inc. | Denoise method on image pyramid |
CN101527034B (zh) * | 2008-03-07 | 2013-01-23 | 深圳迈瑞生物医疗电子股份有限公司 | 自适应帧相关的方法和装置 |
US8406569B2 (en) * | 2009-01-19 | 2013-03-26 | Sharp Laboratories Of America, Inc. | Methods and systems for enhanced dynamic range images and video from multiple exposures |
CN102908163B (zh) * | 2011-08-02 | 2016-01-20 | 深圳迈瑞生物医疗电子股份有限公司 | 一种帧相关方法及其装置、以及超声成像*** |
EA017302B1 (ru) * | 2011-10-07 | 2012-11-30 | Закрытое Акционерное Общество "Импульс" | Способ подавления шума серий цифровых рентгенограмм |
US9262684B2 (en) * | 2013-06-06 | 2016-02-16 | Apple Inc. | Methods of image fusion for image stabilization |
CN104680495B (zh) * | 2015-03-17 | 2017-12-22 | 武汉倍尔生生物科技有限公司 | 超声图像的自适应去噪方法 |
CN110047058B (zh) * | 2019-03-25 | 2021-04-30 | 杭州电子科技大学 | 一种基于残差金字塔的图像融合方法 |
-
2021
- 2021-03-19 CN CN202110294761.2A patent/CN113160072B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113160072A (zh) | 2021-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109919838B (zh) | 基于注意力机制提升轮廓清晰度的超声图像超分辨率重建方法 | |
CN109410127B (zh) | 一种基于深度学习与多尺度图像增强的图像去噪方法 | |
CN110992292B (zh) | 一种增强型低秩稀疏分解模型医学ct图像去噪方法 | |
CN113673590B (zh) | 基于多尺度沙漏密集连接网络的去雨方法、***和介质 | |
CN104933678B (zh) | 一种基于像素强度的图像超分辨率重建方法 | |
CN108510458B (zh) | 基于深度学习方法和非参数化采样的侧扫声呐图像合成方法 | |
CN108765330B (zh) | 基于全局和局部先验联合约束的图像去噪方法和装置 | |
CN110796622B (zh) | 一种基于串联神经网络多层特征的图像比特增强方法 | |
CN111145102A (zh) | 一种基于卷积神经网络的合成孔径雷达图像去噪方法 | |
CN107194873B (zh) | 基于耦合字典学习的低秩核范数正则人脸图像超分辨方法 | |
CN104867111A (zh) | 一种基于分块模糊核集的非均匀视频盲去模糊方法 | |
CN110634103A (zh) | 基于生成对抗网络的图像去马赛克方法 | |
CN112017130A (zh) | 新颖的基于自适应各向异性全变分正则化的图像复原方法 | |
CN107945119B (zh) | 基于拜耳模式的图像内相关噪声估计方法 | |
CN115082336A (zh) | 一种基于机器学习的sar图像相干斑抑制方法 | |
CN109064394B (zh) | 一种基于卷积神经网络的图像超分辨率重建方法 | |
CN113160072B (zh) | 一种基于图像金字塔的鲁棒自适应帧相关方法及*** | |
KR100698828B1 (ko) | 조명-반사율 모델에 기반한 영상의 왜곡 보정 시스템 및 방법 | |
CN108876736A (zh) | 一种基于fpga的图像阶梯效应消除方法 | |
CN107767342B (zh) | 一种基于积分平差模型的小波变换超分辨率图像重建方法 | |
CN109447952B (zh) | 一种基于Gabor差分盒加权维数的半参考型图像质量评价方法 | |
CN103903239A (zh) | 一种基于稀疏主成分分析和连分式插值技术的视频超分辨率重建方法及其*** | |
CN116612032A (zh) | 基于自适应维纳滤波和2d-vmd的声呐图像去噪方法及设备 | |
CN113674149A (zh) | 一种基于卷积神经网络的新型超分辨率重建方法 | |
CN113222833B (zh) | 一种侧扫声呐图像处理方法与装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |