一种基于深度学习的散斑噪声抑制方法

摘要

散斑噪声是由一个分辨单元内众多散射体的反射波叠加形成的，广泛存在于光学检测和医学成像等领域的图像中。以散斑噪声为主的噪声干扰严重影响视网膜光学相干层析(optical coherence tomography, OCT)图像质量，降低了图像的灰度分辨率，模糊了图像相关结构信息。传统抑制散斑噪声方法在保留图像结构信息方面效果不是很好，有监督学习方法存在训练数据匮乏和难以获得作为标签的无噪声图像的难题。针对此，提出一种无监督学习抑制散斑噪声的方法，仅以单张有噪声的图像为训练样本，利用卷积神经网络强大的拟合能力来学习从图像到其相应的高质量图像的复杂映射。实验表明：所提方法的评价具有良好的降噪效果，验证了方法在数据不充分时，仍能较好地抑制图像噪声，有效地保留OCT图像中结构信息，且有很强的泛化能力，具有很强的实用性。

关键词

散斑噪声 / 深度学习 / 无监督学习 / 光学相干层析成像 / 图像降噪 / 卷积神经网络

基金资助

陕西省教育厅科学研究计划项目(25JU007);陕西省教育厅科学研究计划项目(20JK0475)