一种基于可训练联合双边滤波器的数字X射线图像去噪方法技术

本发明专利技术公开了一种即插即用的，可训练的联合双边滤波处理方法，用于低剂量数字X射线成像。首先通过深度神经网络，生成联合双边滤波器的引导图像，然后用得到的引导图像和原噪声图像共同训练联合双边滤波器，最终得到去噪后的图像。通过本发明专利技术能够实现在大幅降低X射线剂量的情况下，快速的生成出高质量图像，为低剂量数字X射线图像提供了一种有效的去噪方法。法。法。

【技术实现步骤摘要】
一种基于可训练联合双边滤波器的数字X射线图像去噪方法


[0001]本专利技术涉及一种基于可训练联合双边滤波器的数字X射线图像去噪方法，属于计算机图像处理领域。

技术介绍

[0002]数字X射线成像(DR)是计算机数字图像处理技术与X射线放射技术相结合而形成的一种先进的X线摄影技术。X射线属于电离辐射，它的过度或不恰当的使用也存在损伤正常器官的可能性。X射线成像的使用的合理化和相关辐射剂量的优化对于保护患者的健康至关重要。然而，成像质量与辐射剂量之间呈明显的正相关，辐射剂量的减少通常会引入噪声和伪影，降低成像质量；此外，这些噪声还会影响DR图像的后续处理，比如图像的分割、识别等。
[0003]常用的DR图像去噪方法，如最小二乘滤波、均值滤波和双边滤波等，虽然能够在低剂量条件下保持图像的整体质量，但对于局部的外观、纹理等细节难以起到实质性的改观。
[0004]近期随着深度学习技术在各领域都显示出了强大的特征学习能力，本专利技术针对现有问题，将传统的联合双边滤波与深度学习相结合，提出一种基于可训练联合双边滤波器的数字X射线图像去噪方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于可训练联合双边滤波器的数字X射线图像去噪方法，其特征在于，所述方法具体步骤如下：步骤1，随机读取128
×
128大小的低剂量图像与对应的正常剂量图像，其中，低剂量图像作为卷积神经网络EDCNN的输入，正常剂量图像作为标签，共同训练EDCNN网络；步骤2，使用训练好的EDCNN网络去除低剂量图像中的噪声，得到较为清晰的图像，即联合双边滤波器的引导图；步骤3，将得到的引导图像和原低剂量图像作为所述可训练联合双边滤波器的输入，正常剂量图像作为标签，共同训练联合双边滤波器；步骤4，使用训练好的联合双边滤波器去除低剂量图像中的噪声，最终得到去噪后的高质量图像。2.根据权利要求1所述的一种基于可训练联合双边滤波器的数字X射线图像去噪方法，其特征在于，步骤1中需要训练的EDCNN网络包括1个边缘增强模块，8个卷积块，其中，卷积块由“1*1卷积+LeakyReLU激活层+3*3卷积+LeakyReLU激活层”的顺序组成；边缘增强模块由4个Sobel算子组成，包括垂直、水平和2个对角方向。3.根据权利要求1所述的一种基于可训练联合双边滤波器的数字X射线图像去噪方法，其特征在于，步骤1中需要训练的EDCNN网络的损失函数为：其中，F(x
i
,θ)为EDCNN模型的运算操作；x
i
为当前低剂量图像第i个...

【专利技术属性】
技术研发人员：陈阳，吴钱御，
申请(专利权)人：东南大学，
类型：发明
国别省市：