[0001] 本申请涉及图像处理相关领域，尤其涉及荧光图像自适应增强降噪方法及荧光内窥镜成像系统。

[0002] 荧光导航内窥镜系统是一种利用荧光技术辅助医生进行诊断和手术的医疗设备。然而，由于系统灵敏度不足，荧光成像常出现信噪比低的问题，即前景信号与背景噪声难以有效区分，从而影响了图像质量，进而可能降低医生诊断的准确性和手术操作的精确度。现有的方法主要侧重于图像的滤波和降噪处理，但往往由于算法不够精细或针对性不强，难以有效区分前景信号和背景噪声，导致降噪效果不理想，同时由于缺乏统一的降噪和验证流程，使得最终的降噪图像质量参差不齐。

[0003] 现阶段相关技术中，荧光内窥镜图像降噪方法由于降噪效果不理想和缺乏统一的验证流程，导致荧光内窥镜降噪图像存在质量参差不齐的技术问题。

[0061] 上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

[0062] 为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步的详细描述，所描述的实施例不应视为对本申请的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。

[0063] 在以下的描述中，涉及“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块，除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的。

[0064] 本申请实施例提供了荧光图像自适应增强降噪方法，如图1所示，所述方法包括：

[0065] 步骤S100，加载荧光内窥镜图像。具体而言，启动荧光内窥镜成像系统，并与图像处理设备进行连接，在图像处理设备上选择或指定要加载的荧光内窥镜图像文件，将荧光内窥镜图像加载到图像处理设备的内存中，准备进行图像处理。

[0066] 步骤S200，根据预设图像窗口对所述荧光内窥镜图像进行划分，获得D个窗口荧光图像，其中，D为所述荧光内窥镜图像对应的窗口荧光图像总数。具体而言，根据图像大小和处理需求，设定预设图像窗口的大小和数量，将荧光内窥镜图像按照预设图像窗口大小进行划分，得到多个窗口荧光图像，计算并记录窗口荧光图像的总数D，通过将整幅图像划分为多个小窗口用于提高处理效率和准确性。

[0067] 将步骤S300，根据所述D个窗口荧光图像，提取第d窗口荧光图像，其中，d为正整数，d属于D。具体而言，设定一个循环变量d，初始值为1，在循环中，根据d的值从D个窗口荧光图像中提取第d个窗口荧光图像，实现对每个窗口荧光图像的逐一处理。

[0068] 步骤S400，根据自适应增强降噪算法对所述第d窗口荧光图像进行滤波降噪，生成第d窗口降噪图像。其中，所述自适应增强降噪算法是一种能够根据图像内容自适应调整降噪策略的方法，自适应增强降噪算法通过对输入图像进行分析，自动估计噪声的统计特性，并利用这些统计特性来抑制或减小噪声成分，同时尽可能保留图像中的有用信息，具体而言，根据自适应增强降噪算法要求，根据经验或实验等方法确定初始化相关的参数和变量，例如滤波器系数、迭代次数等，通过对图像进行频率分析等方法对第d窗口荧光图像进行分析，估计噪声的统计特性，确定噪声的分布和强度，根据噪声特性，将自适应滤波器应用到第d窗口荧光图像上，进行滤波处理，所述自适应滤波器通过空间域滤波或频域滤波等方法根据图像的局部特性对像素值进行调整，减小噪声的影响，经过滤波处理后，得到降噪后的第d窗口降噪图像，通过降噪处理，在保留原始图像的主要特征和细节信息的同时，对噪声成分进行抑制。

[0069] 在一种可能的实现方式中，步骤S400进一步包括步骤S410，根据所述第d窗口荧光图像进行RGB通道分离，生成三元通道图像。具体地，读取第d窗口荧光图像的RGB像素数据，将RGB像素数据分离为R(红色)、G(绿色)、B(蓝色)三个独立的通道图像。步骤S420，根据亮度滤波函数，分别对所述三元通道图像内的各个通道图像进行亮度提纯，生成三通道图像亮度层。具体地，设计或选择亮度滤波函数，对R、G、B三个通道图像分别应用亮度滤波函数，提取每个通道中的亮度信息，生成包含提纯后亮度信息的R、G、B三通道图像亮度层。步骤S430，基于所述三通道图像亮度层，根据细节滤波函数，分别对所述各个通道图像进行细节提纯，生成三通道图像细节层。具体地，设计或选择细节滤波函数，利用三通道图像亮度层作为引导，对R、G、B三个通道图像应用细节滤波函数，提取图像中的边缘、纹理等细节信息，生成包含提纯后细节信息的R、G、B三通道图像细节层。步骤S440，基于所述三通道图像亮度层和所述三通道图像细节层，根据自适应增强降噪通道进行减噪优化，生成三通道减噪图像。具体地，设计或选择自适应增强降噪通道，结合三通道图像亮度层和三通道图像细节层，利用自适应增强降噪通道对R、G、B三个通道进行减噪处理，根据减噪处理后的结果，生成R、G、B三通道减噪图像。步骤S450，根据所述三通道减噪图像进行RGB通道融合，得到所述第d窗口降噪图像。具体地，将R、G、B三个通道的减噪图像进行合并，通过RGB通道融合算法，将三个通道的图像数据重新组合成一幅完整的彩色图像，输出第d窗口降噪图像。这一实现方式通过首先对第d窗口荧光图像进行RGB通道分离后，再进行后续处理，由于每个通道中的信息可能受到不同类型的噪声影响，或者对噪声的敏感程度不同，通过分离通道，可以对每个通道进行针对性的降噪处理，这样可以更精细地控制降噪效果，避免因为对某个通道过度处理或处理不足导致颜色失真或细节丢失，从而达到了尽可能地保留原始图像的颜色特征和细节的技术效果。

[0070] 在一种可能的实现方式中，步骤S420进一步包括步骤S421，所述亮度滤波函数为：

[0071] L(x,y)＝Fguidfilter(I(x,y))；

[0072] 其中，L(x,y)表征通道图像亮度层，Fguidfilter表征导向滤波函数，I(x,y)表征通道图像。这一实现方式利用导向滤波函数来提取通道图像的亮度层，导向滤波函数根据引导图像定义滤波过程中的像素权重，从而实现对亮度信息的提纯，在导向滤波中，滤波输出是输入图像和引导图像的局部线性变换的结果，这种局部线性关系保证了在滤波过程中，图像的边缘和细节信息能够被有效地保留下来，因此通过这种方式，达到了在保持图像边缘和细节的同时，有效地去除噪声和其他干扰因素的技术效果。

[0073] 在一种可能的实现方式中，步骤S430进一步包括步骤S431，所述细节滤波函数为：

[0074] D(x,y)＝I(x,y)‑L(x,y)；

[0075] 其中，D(x,y)表征通道图像细节层，I(x,y)表征通道图像，L(x,y)表征通道图像亮度层。这一实现方式通过从通道图像中减去通道图像亮度层来提取通道图像细节层，由于图像亮度层主要包含了图像的低频信息，即图像的整体亮度和缓慢变化的区域，而图像细节层则包含了图像的高频信息，即图像的边缘、纹理等快速变化的区域，因此通过将通道图像与通道图像亮度层相减，可以去除图像中的低频成分，从而达到了凸显出高频细节信息的技术效果。

[0076] 在一种可能的实现方式中，步骤S440进一步包括步骤S441，根据所述三元通道图像进行信噪比计算，获得三元信噪比系数。具体地，分别读取R、G、B三个通道的图像数据，对每个通道的图像数据应用信噪比计算公式，计算每个通道的信噪比，将得到的三个通道的信噪比作为三元信噪比系数，三元信噪比系数反映了图像中信号与噪声的比例，描述了每个通道中噪声的强度和分布情况。步骤S442，所述自适应增强降噪通道包括信噪比偏差解析分支、降噪增益解析分支和降噪自适应分支；步骤S443，将所述三元信噪比系数输入所述信噪比偏差解析分支，获得三元信噪比偏差，其中，所述信噪比偏差解析分支包括内窥镜图像信噪比阈值。具体地，初始化自适应增强降噪通道的三个分支，将步骤S441中计算得到的三元信噪比系数输入信噪比偏差解析分支，在信噪比偏差解析分支中，与预设的内窥镜图像信噪比阈值进行比较，根据比较结果，计算每个通道的信噪比偏差，信噪比偏差是指实际信噪比与期望或理想信噪比之间的差异，通过比较三元信噪比系数与预设的内窥镜图像信噪比阈值，用于评估每个通道信噪比的偏离程度。步骤S444，将所述三元信噪比偏差输入所述降噪增益解析分支，获得三元增益解析结果，其中，所述降噪增益解析分支包括亮度增益解析表和细节增益解析表，所述三元增益解析结果中的每个增益解析结果包括亮度增益系数和细节增益系数。具体地，将步骤S443中计算得到的三元信噪比偏差输入降噪增益解析分支，降噪增益解析分支根据信噪比偏差确定每个通道在降噪过程中应该应用的增益系数，根据信噪比偏差，在亮度增益解析表和细节增益解析表中查找对应的增益系数，获得每个通道的亮度增益系数和细节增益系数，作为三元增益解析结果，这些增益系数用于调整图像亮度层和图像细节层在降噪处理中的权重，以达到最佳的降噪效果。步骤S445，基于所述三通道图像亮度层、所述三通道图像细节层和所述三元增益解析结果，根据所述降噪自适应分支进行降噪处理，获得所述三通道减噪图像，其中，所述降噪自适应分支包括降噪自适应函数，所述降噪自适应函数为：

[0077] NRI(x,y)＝LGC*L(x,y)+DGC*D(x,y)；

[0078] 其中，NRI(x,y)表征通道减噪图像，LGC表征亮度增益系数，L(x,y)表征通道图像亮度层，DGC表征细节增益系数，D(x,y)表征通道图像细节层。具体地，将步骤S444中得到的三元增益解析结果(包括亮度增益系数和细节增益系数)与步骤S420和S430中得到的三通道图像亮度层和三通道图像细节层进行对应，在降噪自适应分支中，根据降噪自适应函数，结合亮度增益系数、通道图像亮度层、细节增益系数和通道图像细节层，进行降噪处理，输出每个通道的降噪结果，即三通道减噪图像。这一实现方式中，降噪自适应分支根据三元增益解析结果和三通道图像的亮度层、细节层，应用降噪自适应函数进行降噪处理，降噪自适应函数综合考虑了亮度信息和细节信息，并根据信噪比偏差调整降噪强度，实现了根据图像的特性和噪声情况自适应地调整降噪策略，达到了获得更好的降噪效果的技术效果。

[0079] 步骤S500，根据增强降噪验证通道对所述第d窗口降噪图像进行降噪验证，生成第d窗口降噪验证图像。具体而言，为了确保降噪处理不会过度或不足，保证处理后的图像质量，使用增强降噪验证通道对第d窗口降噪图像进行质量评估，增强降噪验证通道对第d窗口降噪图像进行一系列质量评估操作，例如计算图像的SNR(信噪比)、PSNR(峰值信噪比)、对比度、清晰度等指标，以量化评估降噪效果，基于降噪质量评估的结果，增强降噪验证通道生成第d窗口降噪验证图像。

[0080] 在一种可能的实现方式中，步骤S500进一步包括步骤S510，所述增强降噪验证通道包括图像韦伯质量计算分支和韦伯验证判断分支。具体地，图像韦伯质量计算分支用于计算第d窗口降噪图像的韦伯质量特征系数，韦伯验证判断分支用于根据预设的图像韦伯质量特征约束来判断图像是否满足质量要求。步骤S520，基于所述图像韦伯质量计算分支对所述第d窗口降噪图像进行韦伯质量分析，生成第d图像韦伯质量特征系数。具体地，所述韦伯质量分析是一种基于人眼视觉系统的图像质量评估方法，通过分析图像的对比度、亮度、颜色等特征，得到与人眼感知相近的图像质量评估结果，将第d窗口降噪图像输入到图像韦伯质量计算分支，应用韦伯质量分析算法，计算图像的韦伯质量特征系数，输出第d图像韦伯质量特征系数，第d图像韦伯质量特征系数反映了图像在视觉感知上的质量水平。步骤S530，将所述第d图像韦伯质量特征系数输入所述韦伯验证判断分支，其中，所述韦伯验证判断分支包括预设图像韦伯质量特征约束。具体地，所述图像韦伯质量特征约束是一组用于判断图像质量是否合格的阈值或条件，将计算得到的第d图像韦伯质量特征系数输入到韦伯验证判断分支，韦伯验证判断分支根据预设的图像韦伯质量特征约束，对输入的韦伯质量特征系数进行判断，判断图像是否满足质量要求。步骤S540，若所述第d图像韦伯质量特征系数满足所述预设图像韦伯质量特征约束，获得验证通过指令，并基于所述验证通过指令将所述第d窗口降噪图像添加至所述第d窗口降噪验证图像。具体地，如果第d图像韦伯质量特征系数满足预设的约束条件，说明降噪处理后的图像在视觉感知上达到了预期的质量水平，因此生成验证通过指令，将第d窗口降噪图像标记为验证通过，并添加到第d窗口降噪验证图像集合中。步骤S550，若所述第d图像韦伯质量特征系数不满足所述预设图像韦伯质量特征约束，获得验证预警指令，并基于所述验证预警指令对所述第d窗口降噪图像进行深度优化，得到所述第d窗口降噪验证图像。具体地，如果第d图像韦伯质量特征系数不满足预设的约束条件，说明降噪处理后的图像在视觉感知上仍存在问题，需要通过深度优化来进一步改善质量，此时生成验证预警指令，根据验证预警指令，对第d窗口降噪图像进行深度优化处理，以改善其质量，深度优化可以包括调整降噪算法的参数、应用其他降噪技术或结合其他图像增强方法，将深度优化后的图像作为第d窗口降噪验证图像。这一实现方式采用韦伯质量分析对第d窗口降噪图像进行降噪验证，由于韦伯质量分析利用了人眼的视觉感知特性来评估图像质量，因此可以更准确地评估降噪处理后的图像质量，从而达到获得更准确的质量评估结果的技术效果。

[0081] 在一种可能的实现方式中，步骤S520进一步包括步骤S521，根据所述第d窗口降噪图像进行语义分割，生成第d背景分区图像和第d目标分区图像。具体地，加载第d窗口降噪图像，应用语义分割算法，将第d窗口降噪图像划分为背景和目标两个区域，提取出背景区域的图像，生成第d背景分区图像，提取出目标区域的图像，生成第d目标分区图像。步骤S522，基于所述第d背景分区图像进行灰度集中值计算，生成第d背景灰度集中系数。具体地，读取第d背景分区图像，计算背景区域的灰度直方图，根据灰度直方图，计算灰度集中值，即灰度值出现频率最高的点，灰度集中值反映了图像中某个灰度级别出现的频率，是评估图像灰度分布均匀性的指标，将灰度集中值归一化，得到第d背景灰度集中系数。步骤S523，基于所述第d目标分区图像进行灰度集中值计算，生成第d目标灰度集中系数。具体地，读取第d目标分区图像，计算目标区域的灰度直方图，根据灰度直方图，计算灰度集中值，将灰度集中值归一化，得到第d目标灰度集中系数，第d目标灰度集中系数反映了目标对象的亮度分布特性，用于评估图像中目标对象的可见性和清晰度。步骤S524，将所述第d背景灰度集中系数和所述第d目标灰度集中系数输入所述图像韦伯质量计算分支，获得所述第d图像韦伯质量特征系数，其中，所述图像韦伯质量计算分支包括图像韦伯质量计算函数，所述图像韦伯质量计算函数为：

[0082]

[0083] 其中，IWMSC表征图像韦伯质量特征系数，BGC表征背景灰度集中系数，TGC表征目标灰度集中系数。具体地，将计算得到的第d背景灰度集中系数BGC和第d目标灰度集中系数TGC作为输入，应用图像韦伯质量计算函数，图像韦伯质量计算函数根据BGC和TGC计算图像韦伯质量特征系数IWMSC，输出第d图像韦伯质量特征系数IWMSC。这一实现方式基于图像的语义分割和灰度分布特性进行分析，通过量化评估背景和目标区域的亮度变化，结合人眼的视觉感知特性，更准确地评估了降噪处理后的图像质量，达到了全面反映图像的质量状况的技术效果。

[0084] 步骤S600，基于所述自适应增强降噪算法和所述增强降噪验证通道，继续对所述D个窗口荧光图像内的各个窗口荧光图像进行滤波降噪、降噪验证，结合所述第d窗口降噪验证图像，生成D个窗口降噪验证图像。具体而言，将循环变量d递增，直到d等于D，在每次循环中，重复步骤S300至S500，对每一个窗口荧光图像进行滤波降噪和降噪验证，从而得到D个窗口降噪验证图像。

[0085] 步骤S700，根据拉普拉斯金字塔融合算法对所述D个窗口降噪验证图像进行图像融合，生成荧光内窥镜降噪图像。具体而言，针对每一个窗口降噪验证图像，构建对应的拉普拉斯金字塔，拉普拉斯金字塔是一种多尺度、多分辨率的图像表示方法，通过一系列带通滤波器将原始图像分解为不同频段的子图像，每个子图像都反映了原始图像在不同尺度上的细节信息，由于不同窗口降噪验证图像可能存在尺寸或空间位置上的差异，因此在融合之前对不同窗口降噪验证图像的拉普拉斯金字塔进行层级对齐，确保不同图像在金字塔的各个层级上都准确对应。采用融合策略(如基于像素值、特征值或其他度量指标)，从拉普拉斯金字塔的顶层(低分辨率层级)开始，逐层向下进行融合，在每个层级上，根据融合策略计算融合后的像素值或特征值，生成该层级的融合结果，当所有层级的融合完成后，利用拉普拉斯金字塔的重构过程，将融合后的金字塔层级逐层合并，最终生成荧光内窥镜降噪图像。拉普拉斯金字塔融合算法能够有效处理不同窗口降噪验证图像之间的尺度差异和空间位置差异，通过构建金字塔并逐层融合，拉普拉斯金字塔融合算法充分保留了原始图像中的细节信息，同时减少了噪声干扰，从而生成了高质量的荧光内窥镜降噪图像。本申请实施例采用通过结合自适应增强降噪算法和增强降噪验证通道，对每一个窗口荧光图像进行精细化的滤波降噪和验证，利用拉普拉斯金字塔融合算法对处理后的图像进行融合，生成高质量的荧光内窥镜降噪图像等技术手段，达到了提高荧光内窥镜降噪图像质量的技术效果。

[0086] 在上文中，参照图1详细描述了根据本发明实施例的荧光图像自适应增强降噪方法。接下来，将参照图2描述根据本发明实施例的荧光内窥镜成像系统。

[0087] 根据本发明实施例的荧光内窥镜成像系统用于解决现有荧光内窥镜图像降噪方法由于降噪效果不理想和缺乏统一的验证流程，导致荧光内窥镜降噪图像存在质量参差不齐的技术问题，达到提高荧光内窥镜降噪图像质量的技术效果。荧光内窥镜成像系统包括：荧光内窥镜图像加载模块10、D个窗口荧光图像获取模块20、第d窗口荧光图像提取模块30、第d窗口降噪图像生成模块40、第d窗口降噪验证图像生成模块50、D个窗口降噪验证图像生成模块60、荧光内窥镜降噪图像生成模块70。

[0088] 荧光内窥镜图像加载模块10用于加载荧光内窥镜图像；

[0089] D个窗口荧光图像获取模块20用于根据预设图像窗口对所述荧光内窥镜图像进行划分，获得D个窗口荧光图像，其中，D为所述荧光内窥镜图像对应的窗口荧光图像总数；

[0090] 第d窗口荧光图像提取模块30用于根据所述D个窗口荧光图像，提取第d窗口荧光图像，其中，d为正整数，d属于D；

[0091] 第d窗口降噪图像生成模块40用于根据自适应增强降噪算法对所述第d窗口荧光图像进行滤波降噪，生成第d窗口降噪图像；

[0092] 第d窗口降噪验证图像生成模块50用于根据增强降噪验证通道对所述第d窗口降噪图像进行降噪验证，生成第d窗口降噪验证图像；

[0093] D个窗口降噪验证图像生成模块60用于基于所述自适应增强降噪算法和所述增强降噪验证通道，继续对所述D个窗口荧光图像内的各个窗口荧光图像进行滤波降噪、降噪验证，结合所述第d窗口降噪验证图像，生成D个窗口降噪验证图像；

[0094] 荧光内窥镜降噪图像生成模块70用于根据拉普拉斯金字塔融合算法对所述D个窗口降噪验证图像进行图像融合，生成荧光内窥镜降噪图像。

[0095] 下面，将详细描述第d窗口降噪图像生成模块40的具体配置。如上文中所述，根据自适应增强降噪算法对所述第d窗口荧光图像进行滤波降噪，生成第d窗口降噪图像，第d窗口降噪图像生成模块40可以进一步包括：RGB通道分离单元用于根据所述第d窗口荧光图像进行RGB通道分离，生成三元通道图像；亮度提纯单元用于根据亮度滤波函数，分别对所述三元通道图像内的各个通道图像进行亮度提纯，生成三通道图像亮度层；细节提纯单元用于基于所述三通道图像亮度层，根据细节滤波函数，分别对所述各个通道图像进行细节提纯，生成三通道图像细节层；减噪优化单元用于基于所述三通道图像亮度层和所述三通道图像细节层，根据自适应增强降噪通道进行减噪优化，生成三通道减噪图像；RGB通道融合单元用于根据所述三通道减噪图像进行RGB通道融合，得到所述第d窗口降噪图像。

[0096] 其中，亮度提纯单元可以进一步包括：亮度滤波函数构建子单元用于所述亮度滤波函数为：

[0097] L(x,y)＝Fguidfilter(I(x,y))；

[0098] 其中，L(x,y)表征通道图像亮度层，Fguidfilter表征导向滤波函数，I(x,y)表征通道图像。

[0099] 其中，细节提纯单元可以进一步包括：细节滤波函数构建子单元用于所述细节滤波函数为：

[0100] D(x,y)＝I(x,y)‑L(x,y)；

[0101] 其中，D(x,y)表征通道图像细节层，I(x,y)表征通道图像，L(x,y)表征通道图像亮度层。

[0102] 其中，基于所述三通道图像亮度层和所述三通道图像细节层，根据自适应增强降噪通道进行减噪优化，生成三通道减噪图像，减噪优化单元可以进一步包括：信噪比计算子单元用于根据所述三元通道图像进行信噪比计算，获得三元信噪比系数；自适应增强降噪通道构建子单元用于所述自适应增强降噪通道包括信噪比偏差解析分支、降噪增益解析分支和降噪自适应分支；信噪比偏差解析子单元用于将所述三元信噪比系数输入所述信噪比偏差解析分支，获得三元信噪比偏差，其中，所述信噪比偏差解析分支包括内窥镜图像信噪比阈值；降噪增益解析子单元用于将所述三元信噪比偏差输入所述降噪增益解析分支，获得三元增益解析结果，其中，所述降噪增益解析分支包括亮度增益解析表和细节增益解析表，所述三元增益解析结果中的每个增益解析结果包括亮度增益系数和细节增益系数；降噪处理子单元用于基于所述三通道图像亮度层、所述三通道图像细节层和所述三元增益解析结果，根据所述降噪自适应分支进行降噪处理，获得所述三通道减噪图像，其中，所述降噪自适应分支包括降噪自适应函数，所述降噪自适应函数为：

[0103] NRI(x,y)＝LGC*L(x,y)+DGC*D(x,y)；

[0104] 其中，NRI(x,y)表征通道减噪图像，LGC表征亮度增益系数，L(x,y)表征通道图像亮度层，DGC表征细节增益系数，D(x,y)表征通道图像细节层。

[0105] 下面，将详细描述第d窗口降噪验证图像生成模块50的具体配置。如上文中所述，根据增强降噪验证通道对所述第d窗口降噪图像进行降噪验证，生成第d窗口降噪验证图像，第d窗口降噪验证图像生成模块50可以进一步包括：增强降噪验证通道构建单元用于所述增强降噪验证通道包括图像韦伯质量计算分支和韦伯验证判断分支；韦伯质量分析单元用于基于所述图像韦伯质量计算分支对所述第d窗口降噪图像进行韦伯质量分析，生成第d图像韦伯质量特征系数；韦伯验证判断单元用于将所述第d图像韦伯质量特征系数输入所述韦伯验证判断分支，其中，所述韦伯验证判断分支包括预设图像韦伯质量特征约束；验证通过指令获取单元用于若所述第d图像韦伯质量特征系数满足所述预设图像韦伯质量特征约束，获得验证通过指令，并基于所述验证通过指令将所述第d窗口降噪图像添加至所述第d窗口降噪验证图像；验证预警指令获取单元用于若所述第d图像韦伯质量特征系数不满足所述预设图像韦伯质量特征约束，获得验证预警指令，并基于所述验证预警指令对所述第d窗口降噪图像进行深度优化，得到所述第d窗口降噪验证图像。

[0106] 其中，基于所述图像韦伯质量计算分支对所述第d窗口降噪图像进行韦伯质量分析，生成第d图像韦伯质量特征系数，韦伯质量分析单元可以进一步包括：语义分割子单元用于根据所述第d窗口降噪图像进行语义分割，生成第d背景分区图像和第d目标分区图像；灰度集中值计算子单元用于基于所述第d背景分区图像进行灰度集中值计算，生成第d背景灰度集中系数，基于所述第d目标分区图像进行灰度集中值计算，生成第d目标灰度集中系数；第d图像韦伯质量特征系数获取子单元用于将所述第d背景灰度集中系数和所述第d目标灰度集中系数输入所述图像韦伯质量计算分支，获得所述第d图像韦伯质量特征系数，其中，所述图像韦伯质量计算分支包括图像韦伯质量计算函数，所述图像韦伯质量计算函数为：

[0107]

[0108] 其中，IWMSC表征图像韦伯质量特征系数，BGC表征背景灰度集中系数，TGC表征目标灰度集中系数。

[0109] 本发明实施例所提供的荧光内窥镜成像系统可执行本发明任意实施例所提供的荧光图像自适应增强降噪方法，具备执行方法相应的功能模块和有益效果。

[0110] 虽然本申请对根据本申请的实施例的系统中的某些模块做出了各种引用，然而，任何数量的不同模块可以被使用并运行在用户终端和/或服务器上，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

[0111] 上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合和替代。任何在本申请的精神和原则之内所做的修改、等同替换和改进等，均应包含在本申请保护范围之内。在一些情况下，在本申请中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。