光声图像去噪方法及装置的制造方法
【技术领域】
[0001] 本发明设及光声图像处理领域，更具体设及一种光声图像去噪方法及装置。
【背景技术】
[0002] 光声成像(陆otoacoustic Imaging，PAI)是近年来发展起来的一种非入侵式和非 电离式的新型生物医学成像方法，该方法有效结合了纯光学成像技术高对比度和纯超声成 像技术高穿透性的特点，可W得到深层组织的高分辨率和高对比度的组织图像。而在实际 光声成像过程中，光声信号中不可避免会含有噪声，例如从探测器接收信号到电子设备处 理并传输到计算机，整个过程都有可能引入噪声:在光声信号被接收的过程中，由于接收器 的电子特性会使每一个信号引入高斯噪声；在采集数据或者接收数据时，步进电机驱动的 探测器或者接收器需要进行移动或者旋转，会引入少量的脉冲噪声。运对计算机中进行的 数据采集和图像重建会有很大的干扰，可能会造成光声图像的信噪比低、对比度低，分辨率 低。
【发明内容】
[0003] (一)要解决的技术问题
[0004] 本发明要解决的技术问题是如何去除光声图像中的稀疏脉冲噪声和高斯噪声。 [000引（二)技术方案
[0006] 为了解决上述技术问题，本发明提供了一种光声图像去噪方法，所述方法包括W 下步骤：
[0007] S1、输入源光声图像矩阵，其中所述源光声图像矩阵中含有噪声；
[000引S2、利用低秩矩阵近似的方法对所述源光声图像矩阵进行去噪处理，得到目标光 声图像矩阵。
[0009] 优选地，所述步骤S2中利用低秩矩阵近似的方法去除所述源光声图像矩阵中的稀 疏脉冲噪声和高斯噪声。
[0010] 优选地，所述步骤S2包括W下步骤：
[0011] S21、根据所述源光声图像矩阵建立去噪模型；
[0012] S22、利用所述低秩矩阵近似的方法求解所述去噪模型，得到去噪后的所述目标光 声图像矩阵。
[0013] 优选地，所述去噪模型为：
[0014]
[0015] s.t.rank(L)< r,car(S)< k
[0016] 式中，X为所述源光声图像矩阵，L为所述目标光声图像矩阵，S为稀疏脉冲噪声矩 阵，rank(L)为所述目标光声图像矩阵L的秩，car(S)为所述稀疏脉冲噪声矩阵包含的元素 的个数，r为预定秩值，k为所述稀疏脉冲噪声矩阵包含的元素个数的预定值。
[0017] 优选地，所述步骤S22包括w下步骤：
[0018] S221、设定所述预定秩值r、所述稀疏脉冲噪声矩阵包含的元素个数的预定值k、最 大迭代次数tmax、迭代停止判别值ε;同时初始化迭代次数t为零，初始化所述目标光声图像 矩阵Lo等于所述源光声图像矩阵，初始化所述稀疏脉冲噪声矩阵So为零；
[0019] S222、所述迭代次数巧口 1;
[0020] S223、构建两个随机高斯矩阵Ai和A2:
[0023] 其中，m为所述源光声图像矩阵的行数，η为所述源光声图像矩阵的列数；
[0024] S224、求取矩阵X-St-i的双边随机映射值Yi和Υ2:
[0025] Yi=(X-St-i)Ai
[0026] A2 = Yi
[0027] Y2=(X-St-i)%
[002引 S225、比较所述预定秩值r与的大小，若raB鮮年呼 1) > r，则进行S226 ; 否则回到S222。其中为矩阵為的秩；
[0029] S226、更新所述目标光声图像矩阵为Lt
[0030] S227、更新所述稀疏脉冲噪声矩阵为St:St^Pn(X-Lt)，其中Ρω为|X-Lt|前k个最大 的不为0的元素；
[0031] S228、计算I义-王t - 倍的值，判断该值是否小于ε或者。tmax是否成立， 若该值小于ε或者t含tmax，则停止迭代，该时刻的目标光声图像矩阵Lt为最终的目标光声图 像矩阵，否则返回所述步骤S222。
[0032] 对应于上述方法本发明还公开了一种光声图像去噪装置，所述装置包括源光声图 像矩阵获取单元W及去噪处理单元；
[0033] 所述源光声图像矩阵获取单元用于输入源光声图像矩阵，其中所述源光声图像矩 阵中含有噪声；
[0034] 所述去噪处理单元用于利用低秩矩阵近似的方法对所述源光声图像矩阵进行去 噪处理，得到目标光声图像矩阵。
[0035] 优选地，所述去噪处理单元包括去噪处理子单元，所述去噪处理子单元用于利用 低秩矩阵近似的方法去除所述源光声图像矩阵中的稀疏脉冲噪声和高斯噪声。
[0036] 优选地，所述去噪处理子单元包括去噪模型建立单元W及处理单元；
[0037] 所述去噪模型建立单元用于根据所述源光声图像矩阵建立去噪模型；
[0038] 所述处理单元用于利用所述低秩矩阵近似的方法求解所述去噪模型，得到去噪后 的所述目标光声图像矩阵。
[0039] 优选地，所述去噪模型为：
[0040]
[0041] s.t.rank(L)< r,car(S)< k
[0042] 式中，X为所述源光声图像矩阵，L为所述目标光声图像矩阵，S为稀疏脉冲噪声矩 阵，rank(L)为所述目标光声图像矩阵L的秩，car(S)为所述稀疏脉冲噪声矩阵包含的元素 的个数，r为预定秩值，k为所述稀疏脉冲噪声矩阵包含的元素个数的预定值。
[0043] 优选地，所述处理单元包括参数设定单元、迭代次数增加单元、随机高斯矩阵构造 单元、随机映射值计算单元、比较单元、更新单元W及计算输出单元；
[0044] 所述参数设定单元用于设定所述预定秩值r、所述稀疏脉冲噪声矩阵包含的元素 个数的预定值k、最大迭代次数tmax、迭代停止判别值ε ;同时初始化迭代次数t为零，初始化 所述目标光声图像矩阵Lo等于所述源光声图像矩阵，初始化所述稀疏脉冲噪声矩阵So为零；
[0045] 所述迭代次数增加单元用于在第一次迭代之前设置迭代次数巧日1，并且在继续迭 代指令的控制下设置迭代次数巧口 1;
[0046] 所述随机高斯矩阵构造单元用于在迭代次数t加1后，构建两个随机高斯矩阵Ai和 A2 :
[0049] 其中，m为所述源光声图像矩阵的行数，η为所述源光声图像矩阵的列数；
[0050] 所述随机映射值计算单元用于在所述随机高斯矩阵构造单元构建两个随机高斯 矩阵Ai和Α2后求取矩阵X-St-i的双边随机映射值Yi和Υ2:
[0051] Yi=(X-St-i)Ai [0化2] A2 = Yi
[005；3] Y2=(X-St-i)TA2
[0054] 所述比较单元用于在所述随机映射值计算单元计算得到双边随机映射值Yi和Y2 后，比较所述预定秩值r与的大小，若r，则发送更新指令给所述更 新单元;否则下发所述继续迭代指令给所述迭代次数增加单元；
[0055] 所述更新单元用于在所述更新指令的控制下更新所述目标光声图像矩阵为U:
更新所述稀疏脉冲噪声矩阵为St: St^Pn(X-Lt)，其中Ρω为I X-Lt I前k 个最大的不为0的元素；
[0化6] 所述计算输出单元用于在更新单元完成更新后，计算
均值， 判断该值是否小于ε或者t ^ tmax是否成立，若该值小于ε或者t ^ tmax，则停止迭代，该时刻的 目标光声图像矩阵为Lt为最终的目标光声图像矩阵，否则下发所述继续迭代指令给所述迭 代次数增加单元。
[0057](立)有益效果
[005引本发明提供了一种光声图像去噪方法及装置，本发明针对含有噪声的光声图像的 奇异值下降迅速，低秩性较强的特点利用低秩矩阵近似方法，对含有噪声的光声图像进行 去噪处理，可W保证光声图像分辨率不严重损失的情况下，同时去除高斯噪声和脉冲噪声， 提高光声图像质量。
【附图说明】
[0059] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可W 根据运些附图获得其他的附图。
[0060] 图1是本发明的光声图像去噪方法的流程图；
[0061 ]图2为本发明中源光声图像的示意图；
[0062] 图3为本发明中目标光声图像的示意图。
【具体实施方式】
[0063] 下面结合附图和实施例对本发明作进一步详细描述。W下实施例用于说明本发 明，但不能用来限制本发明的范围。
[0064] -种光声图像去噪方法，如图1所示，所述方法包括W下步骤：
[0065] S1、输入源光声图像矩阵，其中所述源光声图像矩阵中含有噪声；
[0066] S2、利用低秩矩阵近似的方法对所述源光声图像矩阵进行去噪处理，得到目标光 声图像矩阵。
[0067] 上述方法针对含有噪声的光声图像的奇异值下降迅速，低秩性较强的特点利用低 秩矩阵近似方法，对含有噪声的光声图像进行去噪处理，可W保证光声图像分辨率不严重 损失的情况下，同时去除高斯噪声和脉冲噪声，提高光声图像质量。其中，所述步骤S2中利 用低秩矩阵近似的方法可W去除所述源光声图像矩阵中的稀疏脉冲噪声和高斯噪声。
[0068] 进一步地，所述步骤S2具体包括W下步骤：
[0069] S21、根据所述源光声图像矩阵建立去噪模型;其中，所述源光声图像矩阵X为的维 数为m X η，例如矩阵X的维数为500 X 500，它可W被分解为低秩部分、稀疏部分和高斯噪声 部分，即X = L+S+N。其中，L为矩阵X的低秩部分，即去噪后的目标光声图像矩阵，S为矩阵X的 稀疏部分，即少量的稀疏脉冲噪声矩阵，N为高斯噪声部分；
[0070] S22、利用所述低秩矩阵近似的方法，即利用GoDec算法求解所述去噪模型，得到去 噪后的所述目标光声图像矩阵。
[0071] 其中，所述去噪模型为：
[0072]
[0073] s.t.rank(L)< r,car(S) < k
[0074] 式中，X为所述源光声图像矩阵，L为所述目标光声图像矩阵，S为稀疏脉冲噪声矩 阵，rank(L)为所述目标光声图像矩阵L的秩，car(S)为所述稀疏脉冲噪声矩阵包含的元素 的个数，r为预定秩值，k为所述稀疏脉冲噪声矩阵包含的元素个数的预定值。
[0075] 所述步骤S22具体包括W下步骤：
[0076] S221、设定所述预定秩值r、所述稀疏脉冲噪声矩阵包含的元素个数的预定值k、最 大迭代次数tmax、迭代停止判别值ε;同时初始化迭代次数t为零，初始化所述目标光声图像 矩阵Lo等于所述源光声图像矩阵，即Lo = X，初始化所述稀疏脉冲噪声矩阵So为零;例如设定 的秩r = 134,迭代停止判别值e = le-4,最大迭代次数tmax=1000,参数k根据经验取26~30;
[0077] S222、所述迭代次数巧口 1;
[0078] S223、构建两个随机高斯矩阵Ai和A2:
[0079] 4 巨蓝"xr
[0080] 為G扱爵
[0081] 其中，m为所述源光声图像矩阵的行数，η为所述源光