光聲圖像去噪方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及光聲圖像處理領(lǐng)域，更具體設(shè)及一種光聲圖像去噪方法及裝置。
【背景技術(shù)】
[0002] 光聲成像(陸otoacoustic Imaging，PAI)是近年來(lái)發(fā)展起來(lái)的一種非入侵式和非 電離式的新型生物醫(yī)學(xué)成像方法，該方法有效結(jié)合了純光學(xué)成像技術(shù)高對(duì)比度和純超聲成 像技術(shù)高穿透性的特點(diǎn)，可W得到深層組織的高分辨率和高對(duì)比度的組織圖像。而在實(shí)際 光聲成像過(guò)程中，光聲信號(hào)中不可避免會(huì)含有噪聲，例如從探測(cè)器接收信號(hào)到電子設(shè)備處 理并傳輸?shù)接?jì)算機(jī)，整個(gè)過(guò)程都有可能引入噪聲:在光聲信號(hào)被接收的過(guò)程中，由于接收器 的電子特性會(huì)使每一個(gè)信號(hào)引入高斯噪聲；在采集數(shù)據(jù)或者接收數(shù)據(jù)時(shí)，步進(jìn)電機(jī)驅(qū)動(dòng)的 探測(cè)器或者接收器需要進(jìn)行移動(dòng)或者旋轉(zhuǎn)，會(huì)引入少量的脈沖噪聲。運(yùn)對(duì)計(jì)算機(jī)中進(jìn)行的 數(shù)據(jù)采集和圖像重建會(huì)有很大的干擾，可能會(huì)造成光聲圖像的信噪比低、對(duì)比度低，分辨率 低。

【發(fā)明內(nèi)容】

[0003] (一)要解決的技術(shù)問(wèn)題
[0004] 本發(fā)明要解決的技術(shù)問(wèn)題是如何去除光聲圖像中的稀疏脈沖噪聲和高斯噪聲。 [000引（二)技術(shù)方案
[0006] 為了解決上述技術(shù)問(wèn)題，本發(fā)明提供了一種光聲圖像去噪方法，所述方法包括W 下步驟：
[0007] S1、輸入源光聲圖像矩陣，其中所述源光聲圖像矩陣中含有噪聲；
[000引S2、利用低秩矩陣近似的方法對(duì)所述源光聲圖像矩陣進(jìn)行去噪處理，得到目標(biāo)光 聲圖像矩陣。
[0009] 優(yōu)選地，所述步驟S2中利用低秩矩陣近似的方法去除所述源光聲圖像矩陣中的稀 疏脈沖噪聲和高斯噪聲。
[0010] 優(yōu)選地，所述步驟S2包括W下步驟：
[0011] S21、根據(jù)所述源光聲圖像矩陣建立去噪模型；
[0012] S22、利用所述低秩矩陣近似的方法求解所述去噪模型，得到去噪后的所述目標(biāo)光 聲圖像矩陣。
[0013] 優(yōu)選地，所述去噪模型為：
[0014]
[0015] s.t.rank(L)< r,car(S)< k
[0016] 式中，X為所述源光聲圖像矩陣，L為所述目標(biāo)光聲圖像矩陣，S為稀疏脈沖噪聲矩 陣，rank(L)為所述目標(biāo)光聲圖像矩陣L的秩，car(S)為所述稀疏脈沖噪聲矩陣包含的元素 的個(gè)數(shù)，r為預(yù)定秩值，k為所述稀疏脈沖噪聲矩陣包含的元素個(gè)數(shù)的預(yù)定值。
[0017] 優(yōu)選地，所述步驟S22包括w下步驟：
[0018] S221、設(shè)定所述預(yù)定秩值r、所述稀疏脈沖噪聲矩陣包含的元素個(gè)數(shù)的預(yù)定值k、最 大迭代次數(shù)tmax、迭代停止判別值ε;同時(shí)初始化迭代次數(shù)t為零，初始化所述目標(biāo)光聲圖像 矩陣Lo等于所述源光聲圖像矩陣，初始化所述稀疏脈沖噪聲矩陣So為零；
[0019] S222、所述迭代次數(shù)巧口 1;
[0020] S223、構(gòu)建兩個(gè)隨機(jī)高斯矩陣Ai和A2:
[0023] 其中，m為所述源光聲圖像矩陣的行數(shù)，η為所述源光聲圖像矩陣的列數(shù)；
[0024] S224、求取矩陣X-St-i的雙邊隨機(jī)映射值Yi和Υ2:
[0025] Yi=(X-St-i)Ai
[0026] A2 = Yi
[0027] Y2=(X-St-i)%
[002引 S225、比較所述預(yù)定秩值r與的大小，若raB鮮年呼 1) > r，則進(jìn)行S226 ; 否則回到S222。其中為矩陣為的秩；
[0029] S226、更新所述目標(biāo)光聲圖像矩陣為L(zhǎng)t
[0030] S227、更新所述稀疏脈沖噪聲矩陣為St:St^Pn(X-Lt)，其中Ρω為|X-Lt|前k個(gè)最大 的不為0的元素；
[0031] S228、計(jì)算I義-王t - 倍的值，判斷該值是否小于ε或者。tmax是否成立， 若該值小于ε或者t含tmax，則停止迭代，該時(shí)刻的目標(biāo)光聲圖像矩陣Lt為最終的目標(biāo)光聲圖 像矩陣，否則返回所述步驟S222。
[0032] 對(duì)應(yīng)于上述方法本發(fā)明還公開(kāi)了一種光聲圖像去噪裝置，所述裝置包括源光聲圖 像矩陣獲取單元W及去噪處理單元；
[0033] 所述源光聲圖像矩陣獲取單元用于輸入源光聲圖像矩陣，其中所述源光聲圖像矩 陣中含有噪聲；
[0034] 所述去噪處理單元用于利用低秩矩陣近似的方法對(duì)所述源光聲圖像矩陣進(jìn)行去 噪處理，得到目標(biāo)光聲圖像矩陣。
[0035] 優(yōu)選地，所述去噪處理單元包括去噪處理子單元，所述去噪處理子單元用于利用 低秩矩陣近似的方法去除所述源光聲圖像矩陣中的稀疏脈沖噪聲和高斯噪聲。
[0036] 優(yōu)選地，所述去噪處理子單元包括去噪模型建立單元W及處理單元；
[0037] 所述去噪模型建立單元用于根據(jù)所述源光聲圖像矩陣建立去噪模型；
[0038] 所述處理單元用于利用所述低秩矩陣近似的方法求解所述去噪模型，得到去噪后 的所述目標(biāo)光聲圖像矩陣。
[0039] 優(yōu)選地，所述去噪模型為：
[0040]
[0041] s.t.rank(L)< r,car(S)< k
[0042] 式中，X為所述源光聲圖像矩陣，L為所述目標(biāo)光聲圖像矩陣，S為稀疏脈沖噪聲矩 陣，rank(L)為所述目標(biāo)光聲圖像矩陣L的秩，car(S)為所述稀疏脈沖噪聲矩陣包含的元素 的個(gè)數(shù)，r為預(yù)定秩值，k為所述稀疏脈沖噪聲矩陣包含的元素個(gè)數(shù)的預(yù)定值。
[0043] 優(yōu)選地，所述處理單元包括參數(shù)設(shè)定單元、迭代次數(shù)增加單元、隨機(jī)高斯矩陣構(gòu)造 單元、隨機(jī)映射值計(jì)算單元、比較單元、更新單元W及計(jì)算輸出單元；
[0044] 所述參數(shù)設(shè)定單元用于設(shè)定所述預(yù)定秩值r、所述稀疏脈沖噪聲矩陣包含的元素 個(gè)數(shù)的預(yù)定值k、最大迭代次數(shù)tmax、迭代停止判別值ε ;同時(shí)初始化迭代次數(shù)t為零，初始化 所述目標(biāo)光聲圖像矩陣Lo等于所述源光聲圖像矩陣，初始化所述稀疏脈沖噪聲矩陣So為零；
[0045] 所述迭代次數(shù)增加單元用于在第一次迭代之前設(shè)置迭代次數(shù)巧日1，并且在繼續(xù)迭 代指令的控制下設(shè)置迭代次數(shù)巧口 1;
[0046] 所述隨機(jī)高斯矩陣構(gòu)造單元用于在迭代次數(shù)t加1后，構(gòu)建兩個(gè)隨機(jī)高斯矩陣Ai和 A2 :
[0049] 其中，m為所述源光聲圖像矩陣的行數(shù)，η為所述源光聲圖像矩陣的列數(shù)；
[0050] 所述隨機(jī)映射值計(jì)算單元用于在所述隨機(jī)高斯矩陣構(gòu)造單元構(gòu)建兩個(gè)隨機(jī)高斯 矩陣Ai和Α2后求取矩陣X-St-i的雙邊隨機(jī)映射值Yi和Υ2:
[0051] Yi=(X-St-i)Ai [0化2] A2 = Yi
[005；3] Y2=(X-St-i)TA2
[0054] 所述比較單元用于在所述隨機(jī)映射值計(jì)算單元計(jì)算得到雙邊隨機(jī)映射值Yi和Y2 后，比較所述預(yù)定秩值r與的大小，若r，則發(fā)送更新指令給所述更 新單元;否則下發(fā)所述繼續(xù)迭代指令給所述迭代次數(shù)增加單元；
[0055] 所述更新單元用于在所述更新指令的控制下更新所述目標(biāo)光聲圖像矩陣為U:
更新所述稀疏脈沖噪聲矩陣為St: St^Pn(X-Lt)，其中Ρω為I X-Lt I前k 個(gè)最大的不為0的元素；
[0化6] 所述計(jì)算輸出單元用于在更新單元完成更新后，計(jì)算
均值， 判斷該值是否小于ε或者t ^ tmax是否成立，若該值小于ε或者t ^ tmax，則停止迭代，該時(shí)刻的 目標(biāo)光聲圖像矩陣為L(zhǎng)t為最終的目標(biāo)光聲圖像矩陣，否則下發(fā)所述繼續(xù)迭代指令給所述迭 代次數(shù)增加單元。
[0057](立)有益效果
[005引本發(fā)明提供了一種光聲圖像去噪方法及裝置，本發(fā)明針對(duì)含有噪聲的光聲圖像的 奇異值下降迅速，低秩性較強(qiáng)的特點(diǎn)利用低秩矩陣近似方法，對(duì)含有噪聲的光聲圖像進(jìn)行 去噪處理，可W保證光聲圖像分辨率不嚴(yán)重?fù)p失的情況下，同時(shí)去除高斯噪聲和脈沖噪聲， 提高光聲圖像質(zhì)量。
【附圖說(shuō)明】
[0059] 為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本 發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可W 根據(jù)運(yùn)些附圖獲得其他的附圖。
[0060] 圖1是本發(fā)明的光聲圖像去噪方法的流程圖；
[0061 ]圖2為本發(fā)明中源光聲圖像的示意圖；
[0062] 圖3為本發(fā)明中目標(biāo)光聲圖像的示意圖。
【具體實(shí)施方式】
[0063] 下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步詳細(xì)描述。W下實(shí)施例用于說(shuō)明本發(fā) 明，但不能用來(lái)限制本發(fā)明的范圍。
[0064] -種光聲圖像去噪方法，如圖1所示，所述方法包括W下步驟：
[0065] S1、輸入源光聲圖像矩陣，其中所述源光聲圖像矩陣中含有噪聲；
[0066] S2、利用低秩矩陣近似的方法對(duì)所述源光聲圖像矩陣進(jìn)行去噪處理，得到目標(biāo)光 聲圖像矩陣。
[0067] 上述方法針對(duì)含有噪聲的光聲圖像的奇異值下降迅速，低秩性較強(qiáng)的特點(diǎn)利用低 秩矩陣近似方法，對(duì)含有噪聲的光聲圖像進(jìn)行去噪處理，可W保證光聲圖像分辨率不嚴(yán)重 損失的情況下，同時(shí)去除高斯噪聲和脈沖噪聲，提高光聲圖像質(zhì)量。其中，所述步驟S2中利 用低秩矩陣近似的方法可W去除所述源光聲圖像矩陣中的稀疏脈沖噪聲和高斯噪聲。
[0068] 進(jìn)一步地，所述步驟S2具體包括W下步驟：
[0069] S21、根據(jù)所述源光聲圖像矩陣建立去噪模型;其中，所述源光聲圖像矩陣X為的維 數(shù)為m X η，例如矩陣X的維數(shù)為500 X 500，它可W被分解為低秩部分、稀疏部分和高斯噪聲 部分，即X = L+S+N。其中，L為矩陣X的低秩部分，即去噪后的目標(biāo)光聲圖像矩陣，S為矩陣X的 稀疏部分，即少量的稀疏脈沖噪聲矩陣，N為高斯噪聲部分；
[0070] S22、利用所述低秩矩陣近似的方法，即利用GoDec算法求解所述去噪模型，得到去 噪后的所述目標(biāo)光聲圖像矩陣。
[0071] 其中，所述去噪模型為：
[0072]
[0073] s.t.rank(L)< r,car(S) < k
[0074] 式中，X為所述源光聲圖像矩陣，L為所述目標(biāo)光聲圖像矩陣，S為稀疏脈沖噪聲矩 陣，rank(L)為所述目標(biāo)光聲圖像矩陣L的秩，car(S)為所述稀疏脈沖噪聲矩陣包含的元素 的個(gè)數(shù)，r為預(yù)定秩值，k為所述稀疏脈沖噪聲矩陣包含的元素個(gè)數(shù)的預(yù)定值。
[0075] 所述步驟S22具體包括W下步驟：
[0076] S221、設(shè)定所述預(yù)定秩值r、所述稀疏脈沖噪聲矩陣包含的元素個(gè)數(shù)的預(yù)定值k、最 大迭代次數(shù)tmax、迭代停止判別值ε;同時(shí)初始化迭代次數(shù)t為零，初始化所述目標(biāo)光聲圖像 矩陣Lo等于所述源光聲圖像矩陣，即Lo = X，初始化所述稀疏脈沖噪聲矩陣So為零;例如設(shè)定 的秩r = 134,迭代停止判別值e = le-4,最大迭代次數(shù)tmax=1000,參數(shù)k根據(jù)經(jīng)驗(yàn)取26~30;
[0077] S222、所述迭代次數(shù)巧口 1;
[0078] S223、構(gòu)建兩個(gè)隨機(jī)高斯矩陣Ai和A2:
[0079] 4 巨藍(lán)"xr
[0080] 為G扱爵
[0081] 其中，m為所述源光聲圖像矩陣的行數(shù)，η為所述源光