光学相干层析成像的高阶散斑降噪方法

光学相干层析成像(Optical coherence tomography,OCT)图像经常受到散斑噪声的污染,而散斑噪声会降低临床检查的精确性.为了解决该问题,提出一个低秩张量逼近框架下的自适应高阶奇异值分解(Higher-order singular value decomposition,HOSVD)方法.首先,利用局部鲁棒统计滤波平滑噪声图像,以降低散斑噪声对非局部相似图像块抽取的影响;其次,利用Eckart-Young-Mirsky定理自适应地估计三阶张量的Tucker秩;最后,利用HOSVD分解噪声张量,并且利用截尾后的核张量构建潜在的干净图像.实验结果表明,本文所提出的方法能有效地去除OCT图像中的散斑噪声且能保持图像的细节结构.