基于BM3D算法的醫學圖像去噪與增強方法研究

張光華 潘婧 邢昌元

摘要：本文提出一種基于BM3D算法的醫學圖像去噪與增強方法研究，為研究信號有關去除噪聲和圖像增強提供了全新的思路。

關鍵詞：BM3D算法;醫學信號噪聲;去噪;增強

中圖分類號：TP311? ? ? ? 文獻標識碼：A

文章編號：1009-3044（2019）18-0223-01

1 BM3D算法分析

目前高斯白噪聲處理最為有效的方法便是BM3D。這一算法對噪聲消除的過程中，完好保留了圖像特點。在對BM3D算法全面介紹之前，首先分析協同濾波。協同濾波是BM3D算法中聚類與濾波的過程。這一過程首先劃分圖像成為若干小塊，可以采取4步處理每個小塊：

1）將這一小塊作為參考塊，尋找類似的小塊，并且將他們堆積成為一個三維塊;2）通過三維線性變換三維塊;3）收縮變換域系數;4）逆三維變換。

因此，三維濾波可以對三維塊中全部二維小塊統一處理。結束協同濾波之后聚合全部的估計值。通過對噪聲進行減弱，協同濾波可以尋找出聚合在一起的相似小塊部分，把濾波之后的小塊放在從前的位置。由于屬于重疊的小塊，同一像素可能會產生大量的估計值，聚合最大程度采用了這一冗余性，屬于一種平均加權的特殊過程。

2 SDN-BM3D算法實施

通過上述分析可知BM3D算法可以很好處理平穩噪聲。在全面應用BM3D處理信號無關噪聲特點，進一步提出了基于BM3D算法的信號有關噪聲去除算法，即SDN-BM3D算法：

信號有關噪聲的噪聲方差并不是一個常數，可以添加相應的可變方差。在聚類步驟中，對體現出非平穩噪聲的圖像來講，通過傳統歐式距離對兩個小塊相似度有效度量，發現其穩定性與準確性中的不足，為了對這一問題有效解決，可以采用一個相似系數。

綜合來講：參數值較大可以較好地去除偽影，若參數值較大，圖像一部分細節反而會變得模糊。所以，為了盡量對圖像細節進行保留，實驗中可以選擇相對較小的參數值。采取NLM強化處理以后，增加了圖像的PSNR數值，表明強化處理之后圖像噪聲迅速減少，而基本上保持了SSIM數值不變，進一步說明強化處理算法可以對圖像細節很好進行保存。

3 結語

本文基于去除信號有關噪聲的需求出發，在BM3D算法的基礎上提出了SDN-BM2D算法。其主要牽涉到DCT閾值去噪，經驗維納濾波等。通過大量模擬實驗說明，這一算法對BM3D算法在解決信號方面噪聲問題有效解決。對于相對嚴重的噪聲圖像，可以借助于相似算法強化處理，對收縮頻域系數形成的人工偽影進行去除。

參考文獻：

[1] 黃牧， 黃文清， 李俊柏，等. 基于BM3D圖像去噪算法的參數研究[J].工業控制計算機， 2014（10）：99-101.

[2] 徐丹， 周心悅. 基于三維塊匹配（BM3D）算法的圖像去噪研究[J]. 經營管理者， 2017（22）：250.

【通聯編輯：唐一東】