一種圖像噪聲估計(jì)方法

一種圖像噪聲估計(jì)方法
【專(zhuān)利摘要】本發(fā)明提供一種圖像噪聲估計(jì)的方法，所述圖像噪聲估計(jì)方法包括：輸入圖像，將所述圖像進(jìn)行線(xiàn)狀結(jié)構(gòu)檢測(cè)，得到線(xiàn)狀結(jié)構(gòu)圖；根據(jù)所述線(xiàn)狀結(jié)構(gòu)圖，提取所述圖像的背景區(qū)域；比較所述背景區(qū)域的像素?cái)?shù)目與預(yù)定閾值的大小，若所述背景區(qū)域的像素?cái)?shù)目大于等于所述預(yù)定閾值，則根據(jù)所述背景區(qū)域內(nèi)像素點(diǎn)的灰度值計(jì)算所述圖像的噪聲估計(jì)；若所述背景區(qū)域的像素?cái)?shù)目小于所述預(yù)定閾值，則根據(jù)所述線(xiàn)狀結(jié)構(gòu)圖中的平滑區(qū)域內(nèi)像素點(diǎn)的灰度值計(jì)算所述圖像的噪聲估計(jì)。本發(fā)明基于線(xiàn)狀結(jié)構(gòu)檢測(cè)的變換形式，能自動(dòng)、快速而準(zhǔn)確地提取背景區(qū)域，而基于所述背景區(qū)域得到的噪聲估計(jì)，不僅受圖像中高頻細(xì)節(jié)干擾少，而且穩(wěn)定、準(zhǔn)確。
【專(zhuān)利說(shuō)明】
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及醫(yī)學(xué)圖像處理領(lǐng)域，尤其涉及一種圖像噪聲估計(jì)方法。 一種圖像噪聲估計(jì)方法

【背景技術(shù)】
[0002] 醫(yī)學(xué)圖像是現(xiàn)代臨床診療的重要參考信息，其圖像質(zhì)量的優(yōu)劣直接關(guān)系到診療的 效果。醫(yī)學(xué)圖像在生成、傳輸和存儲(chǔ)過(guò)程中由于成像對(duì)象、成像設(shè)備等的影響不可避免地受 到各種噪聲的干擾。在實(shí)際的臨床應(yīng)用中，為了向臨床醫(yī)師提供更為準(zhǔn)確的輔助診斷信息， 一般還需要對(duì)圖像進(jìn)行去噪、分割、聚類(lèi)、復(fù)原等后處理工作，而很多的這些處理算法均需 要將噪聲方差作為已知參數(shù)，因此，如何快速且準(zhǔn)確地估計(jì)出圖像中的噪聲水平是醫(yī)學(xué)圖 像處理過(guò)程中的一個(gè)重要環(huán)節(jié)。
[0003] 由于多種圖像處理都需要噪聲信息，因此，噪聲估計(jì)往往作為獨(dú)立的模塊，工業(yè)化 系統(tǒng)中對(duì)噪聲估計(jì)模塊的魯棒性和運(yùn)算時(shí)間都有很高的要求。現(xiàn)有的噪聲估計(jì)方法大致可 分為以下兩類(lèi)：基于噪聲模型的噪聲水平估計(jì)和基于圖像子塊的噪聲水平估計(jì)。這兩種方 法各有利弊，在很多復(fù)雜的系統(tǒng)中噪聲很難理想地符合某種特定的概率分布或事先并不可 能知曉有關(guān)噪聲的任何先驗(yàn)知識(shí)，因此，基于噪聲模型的估計(jì)方法有時(shí)會(huì)和真實(shí)值有很大 出入；基于圖像子塊的噪聲估計(jì)在含圖像信息少、以噪聲信息為主的子圖像塊上可以得到 穩(wěn)定而準(zhǔn)確的結(jié)果。在醫(yī)學(xué)圖像中，背景區(qū)域是"純"噪聲子圖像塊，是理想的噪聲估計(jì)區(qū) 域。因此，如何從不同類(lèi)型的醫(yī)學(xué)圖像中快速且準(zhǔn)確地提取背景，以及當(dāng)沒(méi)有足夠大的背景 區(qū)域時(shí)應(yīng)當(dāng)如何處理是這類(lèi)方法的主要問(wèn)題。
[0004] 目前常用的醫(yī)學(xué)圖像背景提取技術(shù)有基于區(qū)域的提取方法、基于邊緣的提取方法 以及結(jié)合區(qū)域和邊緣的提取方法?；趨^(qū)域的背景提取方法主要側(cè)重于區(qū)域內(nèi)特征的相 似性，比如最大類(lèi)間方差法（Otsu法）、最大熵法[Pun T. A new method for grey-level picture thresholding using the entropy of the histogram[J]. Signal processing, 1980,2(3) :223-237]。這類(lèi)方法僅僅考慮了圖像的灰度信息，因此，當(dāng)圖像中不存在明顯 的灰度差異或各物體的灰度范圍有較大重疊時(shí)，則難以準(zhǔn)確地提取背景區(qū)域。基于邊緣 的背景提取方法是通過(guò)檢測(cè)不同區(qū)域間的邊緣進(jìn)而達(dá)到目標(biāo)與背景分離的目的，對(duì)于邊 緣不連續(xù)的情況，采用邊緣檢測(cè)算子如Prewitt算子、Canny算子、Sobel算子等并不能 得到封閉的目標(biāo)與背景的邊界曲線(xiàn)，因此就不能保證這種背景提取方法的魯棒性。結(jié)合 區(qū)域和邊緣的背景提取方法，以及其它算法如區(qū)域生長(zhǎng)法[Pal N R，Pal S K.Entropic thresholding [J]· Signal processing，1989,16(2) :97_108]、遺傳算法[吳成柯，劉 靖.圖像分割的遺傳算法方法[J].西安電子科技大學(xué)學(xué)報(bào)，1996,23(1) :34-41]、模糊聚 類(lèi)[Coleman G B,Andrews H C. Image segmentation by clustering[J]. Proceedings of the IEEE, 1979,67 (5) :773-785]、Snake模型等，雖然較上述方法魯棒性稍強(qiáng)一些，但是運(yùn) 算需要花費(fèi)大量的時(shí)間，故均不在考慮范圍之內(nèi)。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明解決的問(wèn)題是提供一種圖像噪聲估計(jì)方法，能自動(dòng)、快速而準(zhǔn)確地提取背 景區(qū)域，而且，以提取的背景區(qū)域?yàn)榛A(chǔ)能得到穩(wěn)定而準(zhǔn)確的噪聲估計(jì)，還最大限度地去除 了圖像中高頻細(xì)節(jié)信息對(duì)噪聲估計(jì)的影響。
[0006] 為了解決上述問(wèn)題，本發(fā)明提供了一種圖像噪聲估計(jì)的方法，包括：
[0007] (1)輸入圖像，將所述圖像進(jìn)行線(xiàn)狀結(jié)構(gòu)檢測(cè)，得到線(xiàn)狀結(jié)構(gòu)圖；
[0008] (2)根據(jù)所述線(xiàn)狀結(jié)構(gòu)圖，提取所述圖像的背景區(qū)域；
[0009] (3)比較所述背景區(qū)域的像素?cái)?shù)目與預(yù)定閾值的大小，若所述背景區(qū)域的像素?cái)?shù) 目大于等于所述預(yù)定閾值，則根據(jù)所述背景區(qū)域內(nèi)像素點(diǎn)的灰度值計(jì)算所述圖像的噪聲估 計(jì)；若所述背景區(qū)域的像素?cái)?shù)目小于所述預(yù)定閾值，則根據(jù)所述線(xiàn)狀結(jié)構(gòu)圖中的平滑區(qū)域 內(nèi)像素點(diǎn)的灰度值計(jì)算所述圖像的噪聲估計(jì)。
[0010] 上述所述一種圖像噪聲估計(jì)的方法，其中，在對(duì)所述圖像進(jìn)行線(xiàn)狀結(jié)構(gòu)檢測(cè)之前， 對(duì)所述圖像進(jìn)行預(yù)處理。
[0011] 上述所述一種圖像噪聲估計(jì)的方法，其中，提取所述圖像的背景區(qū)域的過(guò)程如 下：
[0012] 1)通過(guò)運(yùn)算將所述線(xiàn)狀結(jié)構(gòu)的單峰直方圖轉(zhuǎn)換為雙峰直方圖；
[0013] 2)對(duì)所述線(xiàn)狀結(jié)構(gòu)的雙峰直方圖進(jìn)行閾值分割，得到初步的背景區(qū)域；
[0014] 3)根據(jù)人體結(jié)構(gòu)的閉合特征，得到最終的背景區(qū)域，即所述圖像的背景區(qū)域。
[0015] 上述所述一種圖像噪聲估計(jì)的方法，其中，所述運(yùn)算為對(duì)數(shù)變換、負(fù)指數(shù)變換或分 數(shù)指數(shù)冪變換。
[0016] 上述所述一種圖像噪聲估計(jì)的方法，其中，所述閾值分割的方法為最大類(lèi)間方差 法、直方圖門(mén)限法或最大熵自動(dòng)閾值法。
[0017] 上述所述一種圖像噪聲估計(jì)的方法，其中，所述噪聲估計(jì)通過(guò)拉普拉斯計(jì)算方法 計(jì)算取得。
[0018] 與現(xiàn)有技術(shù)相比，本發(fā)明基于對(duì)圖像進(jìn)行線(xiàn)狀結(jié)構(gòu)檢測(cè)自動(dòng)提取背景區(qū)域，在線(xiàn) 狀結(jié)構(gòu)檢測(cè)中不僅實(shí)現(xiàn)了對(duì)圖像的有效平滑，較好地抑制了噪聲，同時(shí)又提取了輪廓信息， 從而將區(qū)域的平滑程度和邊緣的連續(xù)性有機(jī)地結(jié)合起來(lái)；
[0019] 進(jìn)一步地，通過(guò)數(shù)值變換將線(xiàn)狀結(jié)構(gòu)的單峰直方圖轉(zhuǎn)換為具有明顯雙峰結(jié)構(gòu)的直 方圖，從而得到非常準(zhǔn)確和魯棒性強(qiáng)的背景區(qū)域，并快速且準(zhǔn)確地估計(jì)噪聲；
[0020] 進(jìn)一步地，在無(wú)背景或存在極少背景的特殊圖像上，本發(fā)明仍能確保進(jìn)行噪聲估 計(jì)的圖像子塊是圖像中最平滑區(qū)域，并得到較準(zhǔn)確的噪聲估計(jì)結(jié)果。

【專(zhuān)利附圖】

【附圖說(shuō)明】
[0021] 圖1所示為本發(fā)明實(shí)施例一種圖像噪聲估計(jì)方法的流程示意圖；
[0022] 圖2所示為本發(fā)明實(shí)施例提取圖像背景區(qū)域的流程示意圖；
[0023] 圖3所示為本發(fā)明實(shí)施例圖像線(xiàn)狀結(jié)構(gòu)變換前和變換后的直方圖；
[0024] 圖4所示為本發(fā)明實(shí)施例采用經(jīng)典Otsu法提取的背景區(qū)域和基于線(xiàn)狀結(jié)構(gòu)檢測(cè) 提取的背景區(qū)域的效果示意圖；
[0025] 圖5所示為本發(fā)明實(shí)施例基于Canny邊緣檢測(cè)提取的背景區(qū)域和基于線(xiàn)狀結(jié)構(gòu)檢 測(cè)提取的背景區(qū)域的效果示意圖；
[0026] 圖6所示為本發(fā)明實(shí)施例對(duì)同一圖像序列采用三種不同方法進(jìn)行噪聲估計(jì)的結(jié) 果示意圖；
[0027] 圖7所示為本發(fā)明實(shí)施例對(duì)不用圖像序列不同噪聲等級(jí)的圖像采用三種不同的 方法進(jìn)行噪聲估計(jì)的結(jié)果示意圖。

【具體實(shí)施方式】
[0028] 在下面的描述中闡述了很多具體細(xì)節(jié)以便于充分理解本發(fā)明。但是本發(fā)明能夠以 很多不同于在此描述的其它方式來(lái)實(shí)施，本領(lǐng)域技術(shù)人員可以在不違背本發(fā)明內(nèi)涵的情況 下做類(lèi)似推廣，因此本發(fā)明不受下面公開(kāi)的具體實(shí)施的限制。
[0029] 其次，本發(fā)明利用示意圖進(jìn)行詳細(xì)描述，在詳述本發(fā)明實(shí)施例時(shí)，為便于說(shuō)明，所 述示意圖只是實(shí)例，其在此不應(yīng)限制本發(fā)明保護(hù)的范圍。
[0030] 下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明進(jìn)行詳細(xì)地說(shuō)明。本發(fā)明圖像噪聲估計(jì)的方法如 圖1所示，首先，執(zhí)行步驟S1，輸入圖像，將所述圖像進(jìn)行線(xiàn)狀結(jié)構(gòu)檢測(cè)，得到線(xiàn)狀結(jié)構(gòu)圖。 需要說(shuō)明的是，對(duì)于某些比較特殊的圖像，為了減少由于圖像的特殊性而對(duì)噪聲估計(jì)所帶 來(lái)的影響，在進(jìn)行線(xiàn)狀結(jié)構(gòu)檢測(cè)之前，對(duì)這些圖像先進(jìn)行預(yù)處理。圖像的預(yù)處理包括圖像正 規(guī)化、局部極值抑制以及對(duì)具有校正變形圖像的特殊區(qū)域進(jìn)行領(lǐng)域像素填充等。在線(xiàn)狀結(jié) 構(gòu)檢測(cè)中，為了盡可能地避免圖像中噪聲等的干擾，對(duì)圖像和其一階結(jié)構(gòu)張量依次進(jìn)行不 同尺度的高頻濾波，得到線(xiàn)狀結(jié)構(gòu)檢測(cè)位置準(zhǔn)確和受噪聲影響程度較小之間較折中的一個(gè) 線(xiàn)狀結(jié)構(gòu)圖。
[0031] 具體地，在本實(shí)施例中，首先，對(duì)所述圖像進(jìn)行結(jié)構(gòu)張量檢測(cè)，為了使檢測(cè)結(jié)果對(duì) 噪聲更加魯棒，以及為了檢測(cè)結(jié)果的局部連續(xù)性，我們采取了基于一階梯度和高斯平滑核 的結(jié)構(gòu)張量檢測(cè)[請(qǐng)參考 Brox T，Weickert J，Burgeth B，et al. Nonlinear structure tensors[J]· Image and Vision Computing，2006,24(l) :41-55.]，該方法不僅能有效地 提取出圖像在每一個(gè)像素點(diǎn)處的方向信息，同時(shí)又抑制了噪聲等的干擾，從而將局部區(qū)域 的平滑程度和邊緣的連續(xù)性有機(jī)地結(jié)合了起來(lái)。接著，對(duì)上述檢測(cè)得到的結(jié)構(gòu)張量矩陣進(jìn) 行特征值和特征向量計(jì)算，根據(jù)所述特征值可以分析圖像局部結(jié)構(gòu)，從而得到圖像的線(xiàn)狀 結(jié)構(gòu)圖[請(qǐng)參考 Li Q, Sone S, Doi K. Selective enhancement filters for nodules, vessels, and airway walls in two-and three-dimensional CT scans[J]. Medical physics,2003, 30 :2040. ]〇
[0032] 接著，執(zhí)行步驟S2,根據(jù)線(xiàn)狀結(jié)構(gòu)圖，提取所述圖像的背景區(qū)域。具體地，如圖2 所示，首先，執(zhí)行步驟S201，為了更好地進(jìn)行閾值分割，通過(guò)運(yùn)算將步驟S1中得到的線(xiàn)狀結(jié) 構(gòu)單峰直方圖轉(zhuǎn)換為具有明顯雙峰結(jié)構(gòu)的直方圖。其中，所述運(yùn)算可以為對(duì)數(shù)變換、負(fù)指數(shù) 變換或分?jǐn)?shù)指數(shù)冪變換等。在本實(shí)施例中，采用對(duì)數(shù)變換，如圖3所示，圖3a為進(jìn)行對(duì)數(shù)變 換前的圖像線(xiàn)狀結(jié)構(gòu)直方圖，圖3b為進(jìn)行對(duì)數(shù)變換后的圖像線(xiàn)狀結(jié)構(gòu)直方圖，從圖3a和圖 3b中可知，通過(guò)對(duì)線(xiàn)狀結(jié)構(gòu)進(jìn)行數(shù)值變換后，得到了將目標(biāo)區(qū)域強(qiáng)線(xiàn)狀結(jié)構(gòu)和背景區(qū)域弱 線(xiàn)狀結(jié)構(gòu)有效分離的雙峰直方圖，從而保證下述閾值分割的有效性。接著，執(zhí)行步驟S202， 對(duì)所述線(xiàn)狀結(jié)構(gòu)的雙峰直方圖進(jìn)行閾值分割，得到初步的前景區(qū)域和背景區(qū)域。其中，閾值 分割的方法可以采用最大類(lèi)間方差法（〇tsu法）、直方圖門(mén)限或最大熵自動(dòng)閾值法等。再 接著，執(zhí)行步驟S203,根據(jù)人體結(jié)構(gòu)的閉合特征，得到最終的背景區(qū)域，即所述圖像的背景 區(qū)域。具體地，根據(jù)人體結(jié)構(gòu)的閉合特征，以及結(jié)合去連通域方法消除孤立的干擾子塊，填 充連續(xù)的目標(biāo)子塊等方法首先得到被強(qiáng)線(xiàn)狀結(jié)構(gòu)包圍的前景區(qū)域，進(jìn)而得到最終的背景區(qū) 域，即所述圖像的背景區(qū)域。
[0033] 對(duì)上述步驟S1和S2得到的圖像背景區(qū)域和采用經(jīng)典Otsu法得到的圖像背景區(qū) 域進(jìn)行比較（如圖4所示），圖4a為輸入的原始圖像，圖4b為采用經(jīng)典Otsu法提取的背景 區(qū)域，圖4c為基于線(xiàn)狀結(jié)構(gòu)檢測(cè)提取的背景區(qū)域。從圖4b和圖4c中可以看出，基于上述 線(xiàn)狀結(jié)構(gòu)檢測(cè)提取的背景區(qū)域沒(méi)有包含任何前景信息，而僅僅依賴(lài)灰度信息的Otsu法則 很難將與灰度信息接近的前景區(qū)域分離出來(lái)，這樣在進(jìn)行噪聲估計(jì)時(shí)就會(huì)不可避免地引入 高頻細(xì)節(jié)信息，導(dǎo)致噪聲估計(jì)出現(xiàn)很大偏差。
[0034] 此外，也對(duì)基于Canny邊緣檢測(cè)提取的背景區(qū)域和基于線(xiàn)狀結(jié)構(gòu)檢測(cè)提取的背景 區(qū)域進(jìn)行比較（如圖5所示），圖5a為輸入的原始圖像，圖5b為基于Canny邊緣檢測(cè)提取 的背景區(qū)域，圖5c為基于線(xiàn)狀結(jié)構(gòu)檢測(cè)提取的背景區(qū)域。從圖5b和圖5c可知，基于線(xiàn)狀 結(jié)構(gòu)檢測(cè)的方法較基于多尺度Canny邊緣的背景提取方法最大限度地保證了提取的背景 區(qū)域的準(zhǔn)確性。通過(guò)對(duì)一組不同大小、不同結(jié)構(gòu)的醫(yī)學(xué)圖像的測(cè)試，發(fā)現(xiàn)基于多尺度Canny 邊緣的背景提取方法會(huì)頻繁地出現(xiàn)邊緣檢測(cè)不連續(xù)的情況，而基于線(xiàn)狀結(jié)構(gòu)檢測(cè)的方法不 會(huì)將前景目標(biāo)誤判為背景，并且運(yùn)算速度更快。
[0035] 接著，執(zhí)行步驟S3,比較所述背景區(qū)域的像素?cái)?shù)目與預(yù)定閾值的大小。若所述背 景區(qū)域的像素?cái)?shù)目大于等于所述預(yù)定閾值，則執(zhí)行步驟S4,根據(jù)所述背景區(qū)域內(nèi)像素點(diǎn)的 灰度值計(jì)算所述圖像的噪聲估計(jì)；若所述背景區(qū)域的像素?cái)?shù)目小于所述預(yù)定閾值，則執(zhí)行 步驟S5,根據(jù)步驟S1中得到的線(xiàn)狀結(jié)構(gòu)圖中數(shù)值最小的一定比例的平滑區(qū)域內(nèi)像素點(diǎn)的 灰度值計(jì)算所述圖像的噪聲估計(jì)。具體地，采用方差或拉普拉斯計(jì)算方法等對(duì)所述圖像進(jìn) 行噪聲估計(jì)。在本實(shí)施例中，采用拉普拉斯計(jì)算方法，這是由于在實(shí)際圖像中，不同的平滑 區(qū)域中可能噪聲水平相當(dāng)，但像素基準(zhǔn)值不同，具體的計(jì)算過(guò)程請(qǐng)參考Coup6 P，Yger P， Prima S，et al. An optimized blockwise nonlocal means denoising filter for3_D magnetic resonance images[J]. Medical Imaging, IEEE Transactions on，2008,27(4)： 425-441，采用對(duì)背景區(qū)域或平滑區(qū)域中每一個(gè)像素點(diǎn)進(jìn)行局部拉普拉斯計(jì)算，然后再平均 的方法進(jìn)行噪聲估計(jì)。
[0036] 將基于手動(dòng)選取背景區(qū)域的噪聲估計(jì)、去除Canny邊緣的噪聲估計(jì)以及我們方法 的噪聲估計(jì)（即基于線(xiàn)狀結(jié)構(gòu)檢測(cè)的噪聲估計(jì)）的結(jié)果進(jìn)行比較，如圖6和圖7所示。其 中，基于手動(dòng)選取背景區(qū)域的噪聲估計(jì)結(jié)果可認(rèn)為其近似等于噪聲真實(shí)值，從兩圖中可以 看出，基于線(xiàn)狀結(jié)構(gòu)檢測(cè)的噪聲估計(jì)結(jié)果較去除Canny邊緣的噪聲估計(jì)結(jié)果更接近真實(shí) 值，且對(duì)噪聲估計(jì)的魯棒性更強(qiáng)。
[0037] 本發(fā)明雖然已以較佳實(shí)施例公開(kāi)如上，但其并不是用來(lái)限定本發(fā)明，任何本領(lǐng)域 技術(shù)人員在不脫離本發(fā)明的精神和范圍內(nèi)，都可以利用上述揭示的方法和技術(shù)內(nèi)容對(duì)本發(fā) 明技術(shù)方案做出可能的變動(dòng)和修改，因此，凡是未脫離本發(fā)明技術(shù)方案的內(nèi)容，依據(jù)本發(fā)明 的技術(shù)實(shí)質(zhì)對(duì)以上實(shí)施例所作的任何簡(jiǎn)單修改、等同變化及修飾，均屬于本發(fā)明技術(shù)方案 的保護(hù)范圍。
【權(quán)利要求】
1. 一種圖像噪聲估計(jì)方法，其特征在于，包括： (1) 輸入圖像，將所述圖像進(jìn)行線(xiàn)狀結(jié)構(gòu)檢測(cè)，得到線(xiàn)狀結(jié)構(gòu)圖； (2) 根據(jù)所述線(xiàn)狀結(jié)構(gòu)圖，提取所述圖像的背景區(qū)域； (3) 比較所述背景區(qū)域的像素?cái)?shù)目與預(yù)定閾值的大小，若所述背景區(qū)域的像素?cái)?shù)目大 于等于所述預(yù)定閾值，則根據(jù)所述背景區(qū)域內(nèi)像素點(diǎn)的灰度值計(jì)算所述圖像的噪聲估計(jì)； 若所述背景區(qū)域的像素?cái)?shù)目小于所述預(yù)定閾值，則根據(jù)所述線(xiàn)狀結(jié)構(gòu)圖中的平滑區(qū)域內(nèi)像 素點(diǎn)的灰度值計(jì)算所述圖像的噪聲估計(jì)。
2. 如權(quán)利要求1所述一種圖像噪聲估計(jì)方法，其特征在于，在對(duì)所述圖像進(jìn)行線(xiàn)狀結(jié) 構(gòu)檢測(cè)之前，對(duì)所述圖像進(jìn)行預(yù)處理。
3. 如權(quán)利要求1所述一種圖像噪聲估計(jì)方法，其特征在于，提取所述圖像的背景區(qū)域 的過(guò)程如下： 1) 通過(guò)運(yùn)算將所述線(xiàn)狀結(jié)構(gòu)的單峰直方圖轉(zhuǎn)換為雙峰直方圖； 2) 對(duì)所述線(xiàn)狀結(jié)構(gòu)的雙峰直方圖進(jìn)行閾值分割，得到初步的背景區(qū)域； 3) 根據(jù)人體結(jié)構(gòu)的閉合特征，得到最終的背景區(qū)域，即所述圖像的背景區(qū)域。
4. 如權(quán)利要求3所述一種圖像噪聲估計(jì)方法，其特征在于，所述運(yùn)算為對(duì)數(shù)變換、負(fù)指 數(shù)變換或分?jǐn)?shù)指數(shù)冪變換。
5. 如權(quán)利要求3所述一種圖像噪聲估計(jì)方法，其特征在于，所述閾值分割采用最大類(lèi) 間方差法、直方圖門(mén)限法或最大熵自動(dòng)閾值法。
6. 如權(quán)利要求1所述一種圖像噪聲估計(jì)方法，其特征在于，所述噪聲估計(jì)通過(guò)拉普拉 斯方法計(jì)算取得。
【文檔編號(hào)】G06K9/40GK104103039SQ201310118468
【公開(kāi)日】2014年10月15日 申請(qǐng)日期:2013年4月8日 優(yōu)先權(quán)日:2013年4月8日
【發(fā)明者】韓妙飛, 周鑫, 宋燕麗, 李強(qiáng) 申請(qǐng)人:上海聯(lián)影醫(yī)療科技有限公司