基于DNST的医学CT图像去噪方法技术

基于DNST医学CT图像去噪方法，包括如下步骤：步骤1)建立医学CT图像模型；步骤2)建立DNST的系统框架；步骤3)对高频子带低频子带的剪切波系数进行自适应阈值收缩处理；步骤4)对处理后的系数进行DNST逆变换。本发明专利技术通过实验分析与最新的去噪领域算法进行了对比，有效的应用在医学CT去噪领域；通过自适应阈值算法更好的应用在CT图经过DNST分解的高频子带和低频子带中。通过了大量的实验数据对比，提出了基于DNST的医学CT图像去噪方法，能够更好的有利于医师的分析诊断。

Medical CT image denoising method based on DNST

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富的医生造成的影响更大。因此，从临床应用的角度出发，需要研究对CT医学图像去噪方法，为医生做出更准确的诊断提供技术支持，降低人工诊断的风险。综上所述，研究医学CT图像去噪方法具有非常重要的意义。
技术实现思路
为了克服小波分析处理高维数据稀疏能力的不足和离散剪切波框架界效应差的不足，本专利技术提供了一种离散不可分离剪切波(DNST)医学CT图像去噪算法,用于解决医学CT图像去噪。现有技术中，小波变化能很好的用于图像去噪并且有效的抓住一维奇点，但不能反映直线和曲线的突变。脊波变换可以很好的捕捉线的奇异性，弥补小波的不足，但是仍然不能有效的捕捉曲线的奇异性。近些年来，通过离散剪切波算法对医学图像的处理，使得对医学图像去噪
有一定的突破。DNST算法相比较于离散剪切波算法拥有更好的框架界和更好的定向选择，意味着DNST拥有更好的去噪效果。本专利技术上将离散不可分离剪切波工具包用到医学CT噪声图像中，专利技术了具有速度快、去噪明显的DNST的医学CT图像去噪声方法，最后通过仿真验证了方法的可行性与优化的效果。与现有技术相比，本专利技术的创造性与优点：提出了一种DNST的医学CT图像去噪方法，DNST变换克服了小波分析处理高维数据稀疏能力的不足，离散剪切波框架界的不足。并且此方法具有多分辨、多尺度、多方向性和时频局部性，将其应用于CT图像去噪能更好的保护图像边缘信息，给医师的诊断提供了方便。为使本专利技术的目的、技术方案和优点更加清晰，下面就对本专利技术的技术方案作进一步描述，分别分为以下四个步骤。步骤1)建立医学CT图像模型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。对于CT电信号的通用模型模型如下：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。为了有利于对CT图像信号进行噪声分离，本专利技术将采集的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。我们采用了一种不可分离的剪切发生器，它的基本的频率支撑提供了更好的框架边界和更好的定向选择性。本专利技术中介绍的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ψnon相关联的离散化不可分离的剪切波变换(DNST)定义：式中，n为离散二维平移参数，如果用可分离的可分离滤波器Wj去代替pj*Wj可以推导出可分离的剪切波发生器ψ相关联的可分离的剪切波变换(DiscreteSeparableShearletTransform)。离散不可分离剪切波变换的具体算法过程为：S1：输入一个二维CT图像信号f∈RX*Y，尺度参数J∈N，一个剪切向量参数k∈NJ，以及选择方向滤波器DirectionFilter、低通滤波器QuadratureMirrorFilter。S2：计算输入信号的频率谱ffreq＝FFT(f)。S3：计算不同尺度子带i∈[0,nth]下的剪切波正向变换系数shearletCoeffs(i)∈RX*Y*nth，根据卷积理论和框架理论:S4：输出离散不可分离剪切波系数shearletCoeffs(i)。其中第3步中nth代表了整个紧支撑DNST系统的冗余度，其计算如下:nth＝2*((2*2k[0]+1))+2*((2*2k[1]+1))+...+2*((2*2k[J]+1)(11)实验表明当DNST和离散可分离剪切波(DSST)在根据支撑的尺寸选择滤波器时，DNST能够得到更好的框架界。除此之外，由不可分离的剪切波发生器生成的剪切波的一个主要优点是扇形滤波器P在频域的每一个尺寸都提高了方向选择性。通过DNST分解，将医学CT图像在频域内分解成f1,f2,...,fnth-1张大小相等的高频CT图像和一张低频CT图像fnth。步骤3)对高频子带和低频子带的剪切波系数进行自适应阈值收缩处理在医学去噪领域，阈值函数的选取对图像去噪效果有着很大的影响。常用的阈值算法有软阈值和硬阈值算法，但是都在多尺度多方向的剪切波系数中效果不能很好的展现。本专利技术提出一种新型的自适应阈本文档来自技高网...

【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：...

【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