[发明专利]基于结构聚类与稀疏字典学习的医学图像降噪方法

权利要求书

1.一种基于结构聚类与稀疏字典学习的医学图像降噪方法，包括如下步骤：

(1)输入噪声图像：

输入任选的一幅含有加性高斯白噪声的噪声图像；

(2)预滤波：

采用广义K均值K-SVD方法，对噪声图像进行滤波处理，得到滤波后图像；

(3)结构聚类：

(3a)设定滤波后图像中以任一像素点为中心的邻域窗口大小为9×9，利用控制核回归权值公式，求出任一像素点与该像素点的邻域窗口内其他像素点的控制核回归权值向量，取控制核回归权值向量的均值向量作为当前邻域窗口的特征向量；

(3b)采用K均值聚类的方法，对滤波后图像中所有的邻域窗口的特征向量进行聚类，得到滤波后图像中各个邻域窗口的类别；

(4)提取各类训练样本集合：

(4a)从步骤（1）输入的噪声图像中提取大小为9×9的噪声图像块；

(4b)在滤波后图像中，找出与所提取的噪声图像块索引位置相同的邻域窗口，将该邻域窗口的类别作为该噪声图像块的类别；

(4c)合并噪声图像中类别相同的噪声图像块，得到6类噪声图像块集合，将6类噪声图像块集合中的每一个图像块向量化，得到6类图像块向量集合，将图像块向量集合作为训练样本集合；

(5)分类学习稀疏字典：

采用稀疏字典学习方法，利用6类训练样本集合进行稀疏字典学习，得到每一类训练样本集合最终更新后的稀疏字典和稀疏编码系数；

(6)得到最终的训练字典：

按照下式，得到每一类训练样本集合最终的训练字典：

Dic=Φ·S~]]>

其中，Dic表示每一类训练样本集合最终的训练字典，Φ表示基础字典，表示每一类训练样本集合最终更新后的稀疏字典；

(7)得到各类去噪估计值：

按照下式，得到每一类训练样本集合的去噪估计值：

Y＝Dic·Γ

其中，Y表示每一类训练样本集合的去噪估计值，Dic表示每一类训练样本集合最终的训练字典，Γ表示每一类训练样本集合最终更新后的稀疏编码系数；

(8)得到噪声抑制后的图像：

(8a)对步骤（1）输入的噪声图像中的任意一个像素点位置，从6类训练样本集合的去噪估计值中提取出与该像素点位置对应的所有像素值，将所有像素值的均值作为该像素点的去噪结果；

(8b)对步骤（1）输入的噪声图像中的所有位置的像素点，按照步骤(8a)的步骤，得到所有像素点的去噪结果，获得最终噪声抑制后的图像；

(9)输出噪声抑制后的图像。