一种基于变分图像分解的图像处理方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115861176A(43)申请公布日2023.03.28(21)申请号202211339421.8G06T5/50(2006.01)(22)申请日2022.10.29(66)本国优先权数据202111408352.72021.11.24CN(71)申请人天津职业技术师范大学（中国职业培训指导教师进修中心）地址300202天津市河西区大沽南路1310号(72)发明人李碧原李卓张军(74)专利代理机构北京中普鸿儒知识产权代理有限公司11822专利代理师林桐苒(51)Int.Cl.G06T7/00(2017.01)G06T5/00(2006.01)权利要求书3页说明书8页附图4页(54)发明名称一种基于变分图像分解的图像处理方法(57)摘要本发明提供了一种基于变分图像分解的图像处理方法，包括：创建基于变分图像分解的光学相干层析成像OCT视网膜图像模型；根据所述OCT视网膜图像模型将OCT视网膜图像分为背景部分、结构部分和噪声部分三个部分，采用BL空间描述所述背景部分，采用G空间描述所述结构部分，采用BM3D空间描述所述噪声部分；通过对所述OCT视网膜图像模型最小化处理获得所述背景部分、所述结构部分和所述噪声部分，将获得的所述背景部分和所述结构部分相加，得到所述OCT视网膜图像的去噪结果。本发明基于变分图像分解方法构造适用于处理OCT图像的能量泛函进而提出新的图像分解模型，实现OCT图像去噪的同时保持纹理细节的完整性。CN115861176ACN115861176A权利要求书1/3页1.一种基于变分图像分解的图像处理方法，其特征在于，包括：创建基于变分图像分解的光学相干层析成像OCT视网膜图像模型；根据所述OCT视网膜图像模型将OCT视网膜图像分为背景部分、结构部分和噪声部分三个部分，采用BL空间描述所述背景部分，采用G空间描述所述结构部分，采用BM3D空间描述所述噪声部分；通过对所述OCT视网膜图像模型最小化处理获得所述背景部分、所述结构部分和所述噪声部分，将获得的所述背景部分和所述结构部分相加，得到所述OCT视网膜图像的去噪结果。2.如权利要求1所述的基于变分图像分解的图像处理方法，其特征在于，所述OCT视网膜图像模型表示为：其中，Y是含噪原图，λ、μ、σ是三个预先设定的正的真实参数，BL空间中的范数为：式(2)中x，y为BL空间中的坐标；G空间范数为：BM3D空间的定义为：其中，X是过滤后的图像，A是一个M×M的模糊矩阵，τ>0是阈值，ω是X的光谱，ω＝ΦY，Φ是合成算子。3.如权利要求2所述的基于变分图像分解的图像处理方法，其特征在于，所述通过对所述OCT视网膜图像模型最小化处理获得所述背景部分、所述结构部分和所述噪声部分，是通过以下方式实现：将式(1)中的函数转化为基于拉格朗日乘子的无约束模型如下：将式(5)中的V和N的固定不变，获得背景部分U：利用离散余弦变换和逆离散余弦变换求解式(6)得到：2CN115861176A权利要求书2/3页其中代表舒尔乘积，DCT2和IDCT2分别为二维离散余弦变换和二维逆离散余弦变换；将式(5)中的U和N的值固定不变，获得结构部分V：对式(16)进行迭代循环求解得到：2其中，是集合域Gμ＝{Y∈G|||V||G≤μ}上的L正交投影算子；将式(5)中的U和V的值固定不变，获得噪声部分N：根据已获得的U和V，求解N为：N＝Y‑U‑V‑BM3D(Y‑U‑V,δ)其中，BM3D(Y‑U‑V,δ)表示对图像噪声部分采用阈值为δ的BM3D变换。4.一种基于变分图像分解的图像处理装置，其特征在于，包括：创建模块，用于创建基于变分图像分解的光学相干层析成像OCT视网膜图像模型；第一处理模块，用于根据所述OCT视网膜图像模型将OCT视网膜图像分为背景部分、结构部分和噪声部分三个部分，采用BL空间描述所述背景部分，采用G空间描述所述结构部分，采用BM3D空间描述所述噪声部分；第二处理模块，用于通过对所述OCT视网膜图像模型最小化处理获得所述背景部分、所述结构部分和所述噪声部分，将获得的所述背景部分和所述结构部分相加，得到所述OCT视网膜图像的去噪结果。5.如权利要求4所述的基于变分图像分解的图像处理装置，其特征在于，所述OCT视网膜图像模型表示为：其中，Y是含噪原图，λ、μ、σ是三个预先设定的正的真实参数，BL空间中的范数为：式(2)中x，y为BL空间中的坐标；G空间范数为：BM3D空间的定义为：3CN115861176A权利要求书3/3页其中，X是过滤后的图像，A是一个M×M的模糊矩阵，τ>0是阈值，ω是X的光谱，ω＝ΦY，Φ是合成算子。6.如权利要求5所述的基于变分图像分解的图像处理装置，其特征在于，所述第二处理模块，通过对所述OCT视网膜图