降噪方法、装置、终端及计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种降噪方法、装置、终端及计算机可读存储介质，该降噪方法包括以下步骤：获取蒙片和以时间顺序排列多个视频帧；对蒙片进行降噪处理，对蒙片以及多个视频帧进行动态范围压缩处理，将视频帧减去配准蒙片，对视频帧进行降噪处理。从而能够对DSA视频进行降噪处理。降噪处理。降噪处理。

【技术实现步骤摘要】
降噪方法、装置、终端及计算机可读存储介质


[0001]本专利技术涉及X射线图像
，尤其涉及一种降噪方法、装置、终端及计算机可读存储介质。

技术介绍

[0002]一般，在进行血管造影时，如图1A所示，原始图像中除了血管之外，还包含组织骨骼，肌肉以及空气等，这些信息互相重叠，想要单纯观察血管信息会比较困难，尤其是骨骼比较厚或者密度比较大的区域，血管的对比度会明显下降，从而影响临床诊断，因此，需要对原始图像进行处理，从而得到如图1B所示的图像。
[0003]X射线减影成像(Digital Subtraction Angiography，DSA)是一种用于实现上述功能的技术，其利用数字化处理的方法将不需要的组织影像进行删除，从而保留血管部分，其过程基本为：先采集一副图像作为蒙片，利用实时采集的视频与蒙片相减。减影之后的图像只保留血管等区域。
[0004]然而，由于受到剂量、采集速度等因素的限制，容易产生噪声，噪声过大时将干扰正常信息的观察，影响医生诊断。在保留图像信息的前提下，降低噪声可以提升信噪比，有效改善图像质量，就成为一个亟待解决的问题。

技术实现思路

[0005]有鉴于此，本专利技术的主要目的在于提供一种降噪方法、装置、终端及计算机可读存储介质。
[0006]为达到上述目的，本专利技术的技术方案是这样实现的：一种用于X射线减影成像的降噪方法，包括以下步骤：从X射线减影成像的采集视频中、获取蒙片M和以时间顺序排列N个视频帧I1,I2,
…
,I
N<br/>，所述蒙片M和N个视频帧I1,I2,
…
,I
N
的长度均为H、且宽度均为W，其中，H、W和N均为自然数，N≥2；对所述蒙片M进行降噪处理，对蒙片以及N个视频帧I1,I2,
…
,I
N
进行动态范围压缩处理，对每个视频帧I
j
进行以下处理：获取蒙片M到视频帧I
j
的配准蒙片M
′
j
，将视频帧I
j
减去配准蒙片M
′
j
，其中，j＝1,2,...,N；生成图片dif，图片dif的长度为H且宽度为W，图片dif的每个像素P均在视频帧I1,I2,
…
,I
N
中有对应像素且分别为P1,P2,
…
,P
N
，result＝max(P1的像素值，P2的像素值，
…
，P
N
的像素值)
‑
min(P1的像素值，P2的像素值，
…
，P
N
的像素值)，其中，像素P，P1,P2,
…
和P
N
的坐标相同，a和b均为常数；视频帧I
j
对应的降噪视频帧为ID
j
，视频帧ID
j
的长度为H且宽度为W，视频帧ID
j
每个像素IP均在视频帧I1,I2,
…
,I
N
中有对应像素且分别为IP1,IP2,
…
,IP
N
，像素IP在图片dif有对应的像素IP
d
；；其中，其中，其中，其中，像素IP，IP1，IP2，
…
，IP
N
和IP
d
的坐标相同，G()为高斯型函数，α，β为常数。
[0007]作为本专利技术实施例的一种改进，所述“对所述蒙片M进行降噪处理”具体包括：基于CNN神经网络，对所述蒙片M进行降噪处理；在训练所述CNN神经网络时，获取多个高清蒙片，然后对每个高清蒙片都进行随机像素遮挡处理，得到每个高清蒙片所对应的噪声蒙片，将每个高清蒙片及对应的噪声蒙片输入所述CNN神经网络中，对所述CNN神经网络进行训练。
[0008]作为本专利技术实施例的一种改进，所述“获取蒙片M到视频帧I
j
的配准蒙片M
′
j”具体包括：基于神经网络，获取蒙片M到视频帧I
j
的配准蒙片M
′
j
；在所述神经网络中，输入图像被分解为多个不同的尺度，并提取多层图像特征；对于不同尺度的图像对，分别进行光流估算，多尺度的光流信息进行加权融合。
[0009]作为本专利技术实施例的一种改进，所述“对蒙片以及N个视频帧I1,I2,
…
,I
N
进行动态范围压缩处理”具体包括：基于动态范围压缩算法，对蒙片以及视频帧I
j
的暗区域进行拉伸处理，对于视频帧I
j
的亮区域进行压缩处理，其中，暗区域中的每个像素的像素值≤第一阀值、且亮区域中的每个像素的像素值≥第二阀值，0&lt;第一阀值≤第二阀值。
[0010]作为本专利技术实施例的一种改进，还包括以下步骤：对视频帧ID1,ID2,...,ID
N
均进行边缘增强算法的处理。
[0011]作为本专利技术实施例的一种改进，所述“对视频帧ID1,ID2,...,ID
N
均进行边缘增强算法的处理”具体包括：基于拉普拉斯金字塔算法，对视频帧ID1,ID2,...,ID
N
均进行处理。
[0012]作为本专利技术实施例的一种改进，还包括以下步骤：生成图ID
′
j
＝ID
j
*landmark/100+M
′
j
*[(100
‑
landmark)/100]，显示图ID
′
j
，其中，0≤landmark≤100。
[0013]本专利技术实施例还提供了一种用于X射线减影成像的降噪装置，包括以下模块：信息获取模块，用于从X射线减影成像的采集视频中、获取蒙片M和以时间顺序排列N个视频帧I1,I2,
…
,I
N
，所述蒙片M和N个视频帧I1,I2,
…
,I
N
的长度均为H、且宽度均为W，其中，H、W和N均为自然数，N≥2；蒙片降噪模块，用于对所述蒙片M进行降噪处理，对蒙片以及N个视频帧I1,I2,
…
,I
N
进行动态范围压缩处理，对每个视频帧I
j
进行以下处理：获取蒙片M到视频帧I
j
的配准蒙片M
′
j
，将视频帧I
j
减去配准蒙片M
′
j
，其中，j＝1,2,...,N；处理模块，用于生成图片dif，图片dif的长度为H且宽度为W，图片dif的每个像素P均在视频帧I1,I2,
…
,I
N
中有对应像素且分别为P1,P2,
…
,P
N
，result＝max(P1的像素值，P2的像素值，...

【技术保护点】

【技术特征摘要】
1.一种用于X射线减影成像的降噪方法，其特征在于，包括以下步骤：从X射线减影成像的采集视频中、获取蒙片M和以时间顺序排列N个视频帧I1，I2，...，I
N
，所述蒙片M和N个视频帧I1，I2，...，I
N
的长度均为H、且宽度均为W，其中，H、W和N均为自然数，N≥2；对所述蒙片M进行降噪处理，对蒙片以及N个视频帧I1，I2，...，I
N
进行动态范围压缩处理，对每个视频帧I
j
进行以下处理：获取蒙片M到视频帧I
j
的配准蒙片M
′
j
，将视频帧I
j
减去配准蒙片M
′
j
，其中，j＝1，2，...，N；生成图片dif，图片dif的长度为H且宽度为W，图片dif的每个像素P均在视频帧I1，I2，...，I
N
中有对应像素且分别为P1，P2，...，P
N
，result＝max(P1的像素值，P2的像素值，...，P
N
的像素值)
‑
min(P1的像素值，P2的像素值，...，P
N
的像素值)，的像素值)，其中，像素P，P1，P2，...和P
N
的坐标相同，a和b均为常数；视频帧I
j
对应的降噪视频帧为ID
j
，视频帧ID
j
的长度为H且宽度为W，视频帧ID
j
每个像素IP均在视频帧I1，I2，...，I
N
中有对应像素且分别为IP1，IP2，...，IP
N
，像素IP在图片dif有对应的像素IP
d
；其中，其中，其中，像素IP，IP1，IP2，...，IP
N
和IP
d
的坐标相同，G()为高斯型函数，α，β为常数。2.根据权利要求1所述的降噪方法，其特征在于，所述“对所述蒙片M进行降噪处理”具体包括：基于CNN神经网络，对所述蒙片M进行降噪处理；在训练所述CNN神经网络时，获取多个高清蒙片，然后对每个高清蒙片都进行随机像素遮挡处理，得到每个高清蒙片所对应的噪声蒙片，将每个高清蒙片及对应的噪声蒙片输入所述CNN神经网络中，对所述CNN神经网络进行训练。3.根据权利要求1所述的降噪方法，其特征在于，所述“获取蒙片M到视频帧I
j
的配准蒙片M
′
j”具体包括：基于神经网络，获取蒙片M到视频帧I
j
的配准蒙片M
′
j
；在所述神经网络中，输入图像被分解为多个不同的尺度，并提取多层图像特征；对于不同尺度的图像对，分别进行光流估算，多尺度的光流信息进行加权融合。4.根据权利要求1所述的降噪方法，其特征在于，所述“对蒙片以及N个视频帧I1，I2，...，I
N
进行动态范围压缩处理”具体包括：基于动态范围压缩算法，对蒙片以及视频帧I
j
的暗区域进行拉伸处理，对于视频帧I
j
的亮区域进行压缩处理，其中，暗区域中的每个像素的像素值≤第一阀值、且亮区域中的每个像素的像素值≥第二阀值，0&lt;第一阀值≤第二阀...

【专利技术属性】
技术研发人员：程志威，吕元媛，关梦达，周少华，
申请(专利权)人：苏州工业园区智在天下科技有限公司，
类型：发明
国别省市：