【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。设计一种基于剪切波域双变量收缩和旋转不变双边非局部均值滤波结合的医学CT图像去噪方法。
技术介绍
在人类发展史上,医学一直是人们极度重视和不断发展的学科。医学图像数字化的普及和发展极大的提高了医疗诊断的效率性和准确性。其中,计算机断层扫描(ComputedTomography,CT)在放射诊断方面具有很强的能力,它是第一种在不打开人体的情况下获得人体内部结构的轴向切片图,并且其具备组织结构密度分辨率高,对人体损害小,操作简便等优点广泛的应用在诊断诸如癌症,心血管疾病,传染病,阑尾炎,创伤和肌肉骨骼疾病等领域。医学CT的专利技术史造就了三位诺贝尔奖从侧面反映CT成像技术的重要性。CT是一种采用断层扫描的医学成像方法,能够很简单的获取物体的内部结构特征,如尺寸、形状、内部缺陷和密度,它是一种强大的非破坏性评估技术,广泛的用于生成人体的二维和三位横截面图像。CT成像运用物理技术,通过测量X射线在人体内的衰减系数为基础,充分利用X射线在人体内被吸收的特性。通过医学仪器中探测器将接收到射线变成电信号,这些电信号通过模拟数字转换得到射线衰减系数值。采用优秀的数学算法,根据得到的射线衰减系数值的二维分布矩阵,经过计算机求解出在人体某个剖面的图像画面的灰度值,从而得到人体某部分截面图。但由于CT定位、定性诊断的准确性仍然收到病变部位、大小、性质、病程长短等因素的影响,不能反映脏器的功能信息。图像也容易收到噪声干扰、被照物细节等因素的影响,从而观察到图像中有斑点和细粒,进一步影响到 ...
【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中的噪声来源分析,对抽象的噪声进行统计,建立医学CT模型,具体包括:X射线的能量以量子的单个能量块的方式进行传输,因此,这些无限量的X射线量子被X射线探测器检测到;由于统计错误,检测到的X射线量子可能因为再一次测量而不同;CT图像中的统计噪声由于在检测少量X射线量子点可能出现的波动而产生,因此统计噪声也可以称为量子噪声;从数学模型上来说这是一种高斯加性噪声,其数学模型如下:Inoisy(x,y)=uorignal(x,y)+ηnoisy(x,y) (1)其中(x,y)表示图像中的像素点,Inosiy表示含有噪声CT图像即观察到的CT图像,uorignal表示无噪声CT图像,ηnoisy表示噪声,其分布符合高斯分布;步骤2)通过离散不可分离剪切波对CT图像进行分解;并计算分解后子带的剪切波系数,具体包括:S1:输入一个二维CT图像信号f∈RX*Y,尺度参数J∈N,一个方向参数k∈NJ,以及选择方向滤波器Direction Filter、低通滤波器Quadrature Mirror Filter;S ...
【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中的噪声来源分析,对抽象的噪声进行统计,建立医学CT模型,具体包括:X射线的能量以量子的单个能量块的方式进行传输,因此,这些无限量的X射线量子被X射线探测器检测到;由于统计错误,检测到的X射线量子可能因为再一次测量而不同;CT图像中的统计噪声由于在检测少量X射线量子点可能出现的波动而产生,因此统计噪声也可以称为量子噪声;从数学模型上来说这是一种高斯加性噪声,其数学模型如下:Inoisy(x,y)=uorignal(x,y)+ηnoisy(x,y)(1)其中(x,y)表示图像中的像素点,Inosiy表示含有噪声CT图像即观察到的CT图像,uorignal表示无噪声CT图像,ηnoisy表示噪声,其分布符合高斯分布;步骤2)通过离散不可分离剪切波对CT图像进行分解;并计算分解后子带的剪切波系数,具体包括:S1:输入一个二维CT图像信号f∈RX*Y,尺度参数J∈N,一个方向参数k∈NJ,以及选择方向滤波器DirectionFilter、低通滤波器QuadratureMirrorFilter;S2:转换CT图像的频率谱ffreq=FFT(f);S3:计算不同尺度不同方向下的子带i∈[0,nth]下的剪切波系数shearletCoeffs(i)∈RX*Y*nth,根据剪切波域的卷积理论可得:S4:通过计算得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)(3)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)对高频剪切波系数f1,f2,...,fnth-1进行双变量收缩处理;通过剪切波系数模型之间系数的相互联系,通过双变量收缩函数进行处理,具体包括:利用非高斯双变量函数统计剪切波系数模型;首先定义了更精细尺度和粗糙尺度的关系,然后对剪切波系数进行有效的建模,每个系数取决于称为CS的较粗尺度中的相同空间位置处的系数,并且每个CS取决于称为FS的即时更精细尺度中的相同空间位置中的系数;因此,剪切波域中的每个CS有一个CS,每个CS有四个FS;该模型能有效地捕捉框架系数与其CS之间的依赖关系;通常,对于给定的原始无噪声图像,如果它受到加性高斯白噪声的干扰,则降级后的图像在剪切波域表示如下所示:g=f+ε(4)其中,g,f,ε分别表示观察到的剪切波系数,原始无噪声剪...
【专利技术属性】
技术研发人员:程芸,周俊,田峥,赵恺伦,张聚,
申请(专利权)人:浙江医院,
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。