一种基于系数分类的CBCT图像去噪方法技术

本发明专利技术公开了一种基于系数分类的CBCT图像去噪方法，包括如下步骤：步骤一、对一幅CBCT图像做二进小波变换，得到不同尺度下的水平子带和竖直子带；步骤二、对各尺度下的水平子带和竖直子带做系数分类，分为规则系数和不规则系数；步骤三、用噪声方差估计公式做逐层方差估计；步骤四、根据系数类型使用不同参数的维纳滤波做小波域去噪处理；步骤五、进行小波逆变换，得到去噪后的CBCT图像。本发明专利技术能够有效去除CBCT图像噪声，且可直接对重建切片后的CBCT图像进行去噪处理,提高了临床应用的可能性。

A CBCT image denoising method based on coefficient classification

The invention discloses a method for CBCT image denoising based on coefficient classification, comprising the following steps: first, to a CBCT image to do wavelet transform into two levels, get the subbands of different scale and vertical sub zone; step two, the level of the scale of the belt and the vertical subband coefficients do the classification, divided into regular and irregular coefficient coefficient; step three, the noise variance estimation formula layered variance estimation; step four, according to the Wiener filter coefficients using different types of parameters of the wavelet domain denoising; step five, inverse wavelet transform, CBCT image after denoising. The invention can effectively remove the noise of the CBCT image, and can directly denoise the CBCT images after the reconstructed slice, thereby improving the possibility of clinical application.

【技术实现步骤摘要】
一种基于系数分类的CBCT图像去噪方法
本专利技术涉及医学仪器成像领域，具体涉及一种基于系数分类的CBCT图像去噪方法。
技术介绍
医学图像去噪作为图像预处理的一部分，对图像的后续处理如分割、配准、融合起着相当重要的作用。现代医学图像的去噪方法可分为空间域方法和变换域方法。其中，空间域的去噪方法以经典的高斯滤波、维纳滤波和新兴的非局部均值滤波为代表，变换域的去噪方法则以傅里叶变换和小波变换为代表。CBCT成像系统因实时性好、灵敏度高、使用方便等特点而越来越受到重视，并广泛应用到肿瘤精确定位系统中。但是由于原子散射等原因的存在，使得CBCT图像中存在大量的噪声，降低了软组织的对比度，模糊了图像的边缘，以至于影响到医生对肿瘤区域的精确的勾画，增加了诊断的难度。如何改进现有的CBCT图像去噪方法，减少嗓声对图像精度的影响，具有很强的研究价值和现实意义。现有的CBCT图像去噪方法，一是根据CBCT图像的特点，通过将CBCT图像的嗓声近似为高斯嗓声；二是将代表量子噪声的泊松分布近似为高斯分布，这种方法的应用广泛见于大多数的CBCT图像去噪论文中将CBCT图像的噪声近似为高斯噪声和冲击噪声的复合噪声，然后分别对两种噪声进行去除。上述两种方法在进行去噪的时候，对于CBCT图像中存在的另外两种重要的噪声-量子噪声、平板检测噪声都没有进行考虑，所以这两种方法都是一种不准确的近似，虽然有一定的去噪效果，但是远远达不到使用的要求。根据CBCT系统的成像原理可知，CBCT切片序列图像质量受多方面影响，其中以噪声影响最为显著。因此，设计一种基于系数分类的CBCT图像去噪方法，能够有效去除CBCT图像噪声，保留临床诊断的有用信息、强化边缘和低对比度区域，且是直接对重建切片后的CBCT图像做去噪处理,这样可以直接利用医院现有的设备,省去了对重建前数百幅图像的提取、去噪、重建、切片等一系列繁杂工作,且不需要对设备做任何改进,操作简单,对一幅CBCT图像做去噪处理仅需1s左右,提高了临床应用的可能性，显然具有积极的现实意义。
技术实现思路
本专利技术的专利技术目的是提供一种基于系数分类的CBCT图像去噪方法。为达到上述专利技术目的，本专利技术采用的技术方案是：一种基于系数分类的CBCT图像去噪方法，包括如下步骤：步骤一、对一幅CBCT图像做二进小波变换，得到不同尺度下的水平子带和竖直子带；步骤二、对各尺度下的水平子带和竖直子带做系数分类，分为规则系数和不规则系数；步骤三、用噪声方差估计公式做逐层方差估计；步骤四、根据系数类型使用不同参数的维纳滤波做小波域去噪处理；步骤五、进行小波逆变换，得到去噪后的CBCT图像。优选地，所述步骤一中，将CBCT图像用二进离散小波变换做四层分解,得到概貌子带S4和一系列细节子带{W1jf(x,y),W2jf(x,y)}j=1,2,3,4，选择二次B样条作为小波分解和重构的母函数；所述步骤二中，将最低层细节子带系数都标记为不规则系数，对其余三层细节子带上的每一点(x,y),计算出Njf(x,y)，然后将系数分类标记为规则系数或不规则系数。进一步地，所述步骤四中，维纳滤波窗口的尺寸与子带类型相对应，且维纳滤波窗口的尺寸随着二进小波变换尺度增大而增大。本专利技术采用的二进小波变换是将一个二维信号变换到仅具有三个方向子带的小波域的方法，二进小波靠改变滤波器的长度实现多尺度分析,且在信号分解重构过程中不做采样处理,从而各个子带有大量系数冗余,有利于保留图像有用信息。二进小波变换具有平移不变性的优点,可以有效地避免非线性变换引起的视觉形变。由于上述技术方案运用，本专利技术与现有技术相比具有下列优点：本专利技术基于系数分类的去噪方法，对于不同类别的小波系数使用不同参数的维纳滤波做小波域去噪处理，取得了显著的去噪效果，能够保留临床诊断的有用信息、强化边缘和低对比度区域，且是直接对重建切片后的CBCT图像做去噪处理,提高了临床应用的可能性。附图说明图1是本专利技术实施例一的流程图。具体实施方式下面结合附图及实施例对本专利技术作进一步描述：实施例一：参见图1所示，一种基于系数分类的CBCT图像去噪方法，包括如下步骤：步骤一、对一幅CBCT图像做二进小波变换，得到不同尺度下的水平子带和竖直子带；步骤二、对各尺度下的水平子带和竖直子带做系数分类，分为规则系数和不规则系数；步骤三、用噪声方差估计公式做逐层方差估计；步骤四、根据系数类型使用不同参数的维纳滤波做小波域去噪处理；步骤五、进行小波逆变换，得到去噪后的CBCT图像。由于二进小波变换后噪声主要存在于最低分解层,所以，认为该层的小波细节子带系数都为不规则点。随着分解尺度的增加,噪声在细节子带中残存的越来越少,分解层数过少,会导致噪声去除不完全；分解层数过多,会导致运算复杂,浪费运算时间。经实验发现,对CBCT图像而言,第四层中绝大部分系数被标记为规则系数,第五层的两个细节子带几乎全部被标记为规则系数,所以综合考虑,采用四层小波分解效果最优。具体为：所述步骤一中，将CBCT图像用二进离散小波变换做四层分解,得到概貌子带S4和一系列细节子带{W1jf(x,y),W2jf(x,y)}j=1,2,3,4，选择二次B样条作为小波分解和重构的母函数；所述步骤二中，将最低层细节子带系数都标记为不规则系数，对其余三层细节子带上的每一点(x,y),计算出Njf(x,y)，然后将系数分类标记为规则系数或不规则系数。所述步骤四中，维纳滤波窗口的尺寸与子带类型相对应，对于规则系数使用较小的维纳滤波窗口，对于不规则系数使用较大维纳滤波窗口，且维纳滤波窗口的尺寸随着二进小波变换尺度增大而增大。本专利技术对于不同类别的小波系数使用不同参数的维纳滤波做小波域去噪处理，不论是在测试图像还是在临床CBCT图像中,基于系数分类的去噪方法都有较好的去噪效果,保留了临床诊断的有用信息,强化边缘和低对比度区域,为CBCT图像去噪提供了一种新的手段。本专利技术算法的另一个优势就是直接对重建切片后的CBCT图像做去噪处理,这样可以直接利用医院现有的设备,省去了对重建前数百幅图像的提取、去噪、重建、切片等一系列繁杂工作,且不需要对设备做任何改进,操作简单,对一幅CBCT图像做去噪处理仅需1s左右,提高了临床应用的可能性。实验证明，本专利技术的去噪算法相比于传统的去噪算法提高了0.189～3.154dB的峰值信噪比，即，去噪效果更好。本文档来自技高网...

【技术保护点】
一种基于系数分类的CBCT图像去噪方法，其特征在于，包括如下步骤：步骤一、对一幅CBCT图像做二进小波变换，得到不同尺度下的水平子带和竖直子带；步骤二、对各尺度下的水平子带和竖直子带做系数分类，分为规则系数和不规则系数；步骤三、用噪声方差估计公式做逐层方差估计；步骤四、根据系数类型使用不同参数的维纳滤波做小波域去噪处理；步骤五、进行小波逆变换，得到去噪后的CBCT图像。

【技术特征摘要】
1.一种基于系数分类的CBCT图像去噪方法，其特征在于，包括如下步骤：步骤一、对一幅CBCT图像做二进小波变换，得到不同尺度下的水平子带和竖直子带；步骤二、对各尺度下的水平子带和竖直子带做系数分类，分为规则系数和不规则系数；步骤三、用噪声方差估计公式做逐层方差估计；步骤四、根据系数类型使用不同参数的维纳滤波做小波域去噪处理；步骤五、进行小波逆变换，得到去噪后的CBCT图像。2.根据权利要求1所述的基于系数分类的CBCT图像去噪方法，其特征在于：所述步骤一中，将CBCT图像用二进离散小...

【专利技术属性】
技术研发人员：王燕妮，
申请(专利权)人：江苏美伦影像系统有限公司，
类型：发明
国别省市：江苏,32