低劑量X-射線(xiàn)透視圖像降噪研究.pdf

1、X-射線(xiàn)自發(fā)現(xiàn)以來(lái)因其具有很強(qiáng)的穿透本領(lǐng)而被廣泛應(yīng)用于醫(yī)學(xué)成像診斷，極大的提高了醫(yī)生對(duì)于病灶診斷的正確率。然而X-射線(xiàn)照射到機(jī)體成像的同時(shí)，對(duì)機(jī)體也有一定的損傷作用，長(zhǎng)時(shí)間高劑量的X-射線(xiàn)輻射可大大增高癌癥的患病率，因此降低X-射線(xiàn)的輻射劑量可以有效降低X-射線(xiàn)對(duì)人體的傷害。
　　目前國(guó)內(nèi)外對(duì)低劑量X-射線(xiàn)透視圖像的降噪研究比較少。本文處理的實(shí)驗(yàn)數(shù)據(jù)是連續(xù)旋轉(zhuǎn)的一系列低劑量X-射線(xiàn)透視圖像，如果可以在低劑量X-射線(xiàn)透視圖像降噪研究

2、中產(chǎn)生成果，就可以不更換采用了正常劑量X-射線(xiàn)技術(shù)的硬件設(shè)備，而只用降低進(jìn)入球管的電流量，這大大降低了設(shè)備采購(gòu)成本。因此對(duì)退化嚴(yán)重的低劑量X-射線(xiàn)透視圖像進(jìn)行降噪就具有了重要的實(shí)際價(jià)值。本文的主要工作是對(duì)低劑量X-射線(xiàn)透視圖像中的噪聲進(jìn)行了分析，探究并改進(jìn)了一些降噪算法。
　　本文首先研究了實(shí)驗(yàn)數(shù)據(jù)中的噪聲特性，通過(guò)對(duì)不同厚度有機(jī)玻璃的圖像分析，得出低劑量X-射線(xiàn)透視圖像中的噪聲是近似符合高斯分布的乘性噪聲。其次根據(jù)噪聲特性探究了

3、基于統(tǒng)計(jì)、學(xué)習(xí)的降噪算法:主成分分析算法(PCA)，K均值奇異值分解(K-SVD)算法。主成分分析算法通過(guò)對(duì)圖像數(shù)據(jù)進(jìn)行特征提取，在此過(guò)程中將圖像中的大部分噪聲被濾除，但該算法在抑制噪聲的過(guò)程中，一部分圖像的細(xì)節(jié)信息也被濾除?；谧值鋵W(xué)習(xí)的算法，通過(guò)不斷的對(duì)字典進(jìn)行迭代以得到對(duì)圖像的更好表示，但由于沒(méi)有不含噪聲的原始圖像對(duì)字典進(jìn)行訓(xùn)練，本文采用了含噪圖像進(jìn)行訓(xùn)練，所以得到的實(shí)驗(yàn)結(jié)果不是很好。此外還探究了非局部均值算法(NLM)，該算法利

4、用圖像的冗余信息進(jìn)行降噪。本文基于LPGPCA算法消除加性噪聲的過(guò)程，該算法引入了局部分組的概念，以塊作為圖像處理的基本單位，對(duì)于每個(gè)像素的處理都是構(gòu)造以待處理像素為中心的像素塊，并在局部圖像塊中查找其它相似圖像塊，將查找的結(jié)果用來(lái)構(gòu)造訓(xùn)練集。在改進(jìn)的算法中根據(jù)實(shí)驗(yàn)數(shù)據(jù)（100連續(xù)低劑量X-射線(xiàn)透視圖像，相鄰圖像之間有一定的旋轉(zhuǎn)角度）中相鄰圖像之間相似程度高的特點(diǎn)，將訓(xùn)練樣本集的選取擴(kuò)展到所有相似圖像中，最終的訓(xùn)練樣本集是由所有相似圖像

5、集局部圖像塊中的相似像素塊構(gòu)成。擴(kuò)大后的訓(xùn)練樣本集大大增加了提出主要特征分量的可能性，并將算法的時(shí)間復(fù)雜度控制在一定的范圍內(nèi)。改進(jìn)的算法主要分成兩個(gè)部分，第一個(gè)部分是將圖像通過(guò)對(duì)數(shù)變換轉(zhuǎn)換到對(duì)數(shù)域中，這樣就可以將低劑量透視圖像中的乘性噪聲轉(zhuǎn)換成加性噪聲進(jìn)行處理。第二部分將訓(xùn)練樣本集的構(gòu)造擴(kuò)展到相似圖像集（一般選擇上下兩幅圖像）中進(jìn)行主成分分解，在此過(guò)程中還證明了含有噪聲的圖像與不含噪聲圖像的協(xié)方差矩陣具有同樣的特征向量。實(shí)驗(yàn)結(jié)果說(shuō)明了該

6、算法在降低噪聲的同時(shí)還可有效保護(hù)圖像的細(xì)節(jié)信息。
　　此外本文還改進(jìn)了基于非局部均值的降噪算法:基于相似圖像的非局部均值算法(SINLM)。與基于PCA的改進(jìn)方法類(lèi)似，將相似塊的尋找擴(kuò)展到其它相似圖像中，該改進(jìn)算法大大提高了找到相似塊的可能性，并克服了非局部均值算法過(guò)度依賴(lài)圖像本身結(jié)構(gòu)信息的缺點(diǎn)，能夠在降噪的同時(shí)減少對(duì)圖像本身的平滑。作為經(jīng)典非局部均值算法的重要參數(shù)，權(quán)重參數(shù)h值的設(shè)置也改進(jìn)的算法中也被重新進(jìn)行討論，由于引入了其它