基于字典算法的OCT图像散斑稀疏降噪

光学相干层析扫描(OCT)作为一种新型无创高分辨率扫描方式,在临床上得到广泛应用,但是OCT图像本身存在严重的散斑噪声,这大大影响了疾病的诊断。本文针对OCT图像中的乘性散斑噪声,改进了两种原始字典降噪算法。该算法首先对OCT图像进行对数变换,采用正交匹配追踪算法进行稀疏编码,以及K奇异值分解学习算法进行自适应字典的更新,最后通过加权平均以及指数变换回到空域。实验结果表明,本文改进的两种字典算法能有效降低OCT图像中的散斑噪声,获得良好的视觉效果。并通过均方误差(MSE)、峰值信噪比(PSNR)、结构相似性(SSIM)以及边缘保持指数(EPI)四个指标评价降噪效果,与两种原始字典降噪算法和传统滤波算法相比,两种改进字典算法降噪效果优于其他算法,其中自适应字典算法表现更好。