Based on DNST medical CT image denoising method, the following steps are included: step 1) establishing medical CT image model; step 2) establishing DNST system framework; step 3) adaptive threshold shrinkage processing of shear wave coefficients of high-frequency subband low-frequency subband; step 4) DNST inverse transformation of the processed coefficients. The method is compared with the latest denoising algorithm through experimental analysis, and is effectively applied in the field of medical CT denoising; the adaptive threshold algorithm is better applied in the high-frequency and low-frequency subbands of CT images decomposed by DNST. By comparing a large number of experimental data, a denoising method of medical CT image based on DNST is proposed, which can be better conducive to the analysis and diagnosis of doctors.
【技术实现步骤摘要】
基于DNST的医学CT图像去噪方法
本专利技术涉及于医学图像去噪领域,特别是涉及医学CT图像。设计一种适用于医学CT图像的基于离散的不可分离的剪切波变换(DiscreteNonseparableShearletTransform,以下简称:DNST)的医学CT图像去噪方法。
技术介绍
及意义随着科技的发展,在医学成像领域,超声成像、CT、MRI等成像技术已应用于医学临床诊断中。CT扫描,也被称为计算机断层扫描,利用计算机处理许多的组合x射线测量了从不同角度产生的横断面的特定区域扫描对象,允许用户看到对象的内部并且没有削减。由于CT成像技术检查为横断面成像,可以通过图像重建,任意方位显示组织或器官,对病变显示更为全面,防止遗漏;具有高密度分辨率,对有密度改变的细微病变也能显示出来,可以明确病变的性质;此外,CT具有无创、成像快等优势已经成为一种广泛使用且高度安全的医疗诊断技术。均匀物体的影像中各象素的CT值参差不齐,图像呈颗粒性,影响密度分辨力,这种现象称CT的噪声。其来源有探测器方面的,如探测器的灵敏度,象素大小,层厚及X线量等。还有电子线路及机械方面的,重建方法及散乱射线等也会引起噪声。噪声与图像的质量成反比,因此要了解噪声产生的机制,尽量加以抑制。本专利技术使用医学CT为研究对象.由于CT成像不免受到各种物理因素的影响,斑点噪声的存在严重影响了CT图像的质量,导致了医学图像质量较差。斑点噪声在图像上表现为空间域内相关的形状各异的小斑点,它将掩盖那些灰度差别很小的图像特征。对于临床医生而言,斑点噪声对他们的准确诊断造成了很大的干扰,特别是对于经验不是很丰 ...
【技术保护点】
1.基于DNST的医学CT图像去噪方法,包括以下步骤:步骤1)建立医学CT图像模型,对CT图像信息进行对数压缩算法处理;通过对CT噪声模型估计,进行改进的对数压缩算法,使信号与噪声分离,具体是:CT是用X线束对人体层面进行扫描取得信息,经计算机处理后而获得的重建图像,是数字成像而不是模拟成像;但是在低强度发射电流情况下会产生的过量的高斯噪声,会使得CT投影图像质量产生严重的退化;建立的噪声模型通过对数压缩处理有利于对CT图像信号进行噪声分离;对CT含噪声图像信号进行对数压缩处理,从而达到信号和噪声分离;对于CT电信号的通用模型如下:s(x,y)=r(x,y)n(x,y) (1)其中,(x,y)分别代表图像的横纵坐标,r(x,y)表示无噪声信号,n(x,y)表示相乘噪声;为了对CT图像信号进行噪声分离,将采集的CT电信号进行对数压缩处理;此时相乘的式(1)模型将变为相加的模型,如下:log(s(x,y))=log(r(x,y))+log(n(x,y)) (2)步骤2)建立DNST的系统框架;通过有效的对CT图像进行不可分离的离散剪切波变换分解,并计算CT图像子带的剪切波系数;具体 ...
【技术特征摘要】
1.基于DNST的医学CT图像去噪方法,包括以下步骤:步骤1)建立医学CT图像模型,对CT图像信息进行对数压缩算法处理;通过对CT噪声模型估计,进行改进的对数压缩算法,使信号与噪声分离,具体是:CT是用X线束对人体层面进行扫描取得信息,经计算机处理后而获得的重建图像,是数字成像而不是模拟成像;但是在低强度发射电流情况下会产生的过量的高斯噪声,会使得CT投影图像质量产生严重的退化;建立的噪声模型通过对数压缩处理有利于对CT图像信号进行噪声分离;对CT含噪声图像信号进行对数压缩处理,从而达到信号和噪声分离;对于CT电信号的通用模型如下:s(x,y)=r(x,y)n(x,y)(1)其中,(x,y)分别代表图像的横纵坐标,r(x,y)表示无噪声信号,n(x,y)表示相乘噪声;为了对CT图像信号进行噪声分离,将采集的CT电信号进行对数压缩处理;此时相乘的式(1)模型将变为相加的模型,如下:log(s(x,y))=log(r(x,y))+log(n(x,y))(2)步骤2)建立DNST的系统框架;通过有效的对CT图像进行不可分离的离散剪切波变换分解,并计算CT图像子带的剪切波系数;具体包括:对步骤1)得到的经过对数变换后CT图像进行多尺度分解,分解成多张大小与原图相等的CT高频图像和一张大小相等的CT低频图像;采用剪切滤波器作用到各个CT子带,并用DNST算法计算子带的剪切波系数;采用一种不可分离的剪切发生器ψnon定义如下:式中,三角多项式P是一个二维的扇形滤波器,ψ是可分离的剪切波发生器,不可分离的剪切波发生器如果扇形滤波器P满足infξ∈Ω|P(ξ)|≥C1,C1>0,其中根据离散小波转换,可由ψnon通过以下公式求出:式中,采样矩阵是转化过程中的采样常数;m为二维平移参数,是抛物线尺度矩阵,该矩阵通过特定的生成函数改变尺度;剪切矩阵通过特定的生成函数改变方向;对于计算各个尺度j=0,...,J-1剪切波系数为了避免2j/2计算每一个剪切参数k和尺度参数j,从而导致计算量过大;将剪切运算符作用在并根据剪切波性质可做如下变换:通过结合二维可分离离散小波定理和公式(1)可以得到:式中,pj(n)是通过二维扇形滤波器P(2J-j-1ξ1,2J-j/2ξ2)的傅里叶系数;是pj*Wj的离散化;通过离散剪切运算符将在连续域中数字剪切滤波器的离散化,公式如下:然后推导与不可分离的剪切波发生器...
【专利技术属性】
技术研发人员:张聚,周俊,田峥,赵恺伦,
申请(专利权)人:浙江工业大学之江学院,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。