低劑量X-射線透視圖像降噪研究.pdf

1、X-射線自發(fā)現(xiàn)以來因其具有很強的穿透本領(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)生對于病灶診斷的正確率。然而X-射線照射到機體成像的同時，對機體也有一定的損傷作用，長時間高劑量的X-射線輻射可大大增高癌癥的患病率，因此降低X-射線的輻射劑量可以有效降低X-射線對人體的傷害。
　　目前國內(nèi)外對低劑量X-射線透視圖像的降噪研究比較少。本文處理的實驗數(shù)據(jù)是連續(xù)旋轉(zhuǎn)的一系列低劑量X-射線透視圖像，如果可以在低劑量X-射線透視圖像降噪研究

2、中產(chǎn)生成果，就可以不更換采用了正常劑量X-射線技術(shù)的硬件設(shè)備，而只用降低進入球管的電流量，這大大降低了設(shè)備采購成本。因此對退化嚴(yán)重的低劑量X-射線透視圖像進行降噪就具有了重要的實際價值。本文的主要工作是對低劑量X-射線透視圖像中的噪聲進行了分析，探究并改進了一些降噪算法。
　　本文首先研究了實驗數(shù)據(jù)中的噪聲特性，通過對不同厚度有機玻璃的圖像分析，得出低劑量X-射線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、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對圖像數(shù)據(jù)進行特征提取，在此過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程中，一部分圖像的細(xì)節(jié)信息也被濾除。基于字典學(xué)習(xí)的算法，通過不斷的對字典進行迭代以得到對圖像的更好表示，但由于沒有不含噪聲的原始圖像對字典進行訓(xùn)練，本文采用了含噪圖像進行訓(xùn)練，所以得到的實驗結(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行降噪。本文基于LPGPCA算法消除加性噪聲的過程，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，對于每個像素的處理都是構(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)果用來構(gòu)造訓(xùn)練集。在改進的算法中根據(jù)實驗數(shù)據(jù)（100連續(xù)低劑量X-射線透視圖像，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，將訓(xùn)練樣本集的選取擴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，并將算法的時間復(fù)雜度控制在一定的范圍內(nèi)。改進的算法主要分成兩個部分，第一個部分是將圖像通過對數(shù)變換轉(zhuǎn)換到對數(shù)域中，這樣就可以將低劑量透視圖像中的乘性噪聲轉(zhuǎn)換成加性噪聲進行處理。第二部分將訓(xùn)練樣本集的構(gòu)造擴展到相似圖像集（一般選擇上下兩幅圖像）中進行主成分分解，在此過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。實驗結(jié)果說明了該

6、算法在降低噪聲的同時還可有效保護圖像的細(xì)節(jié)信息。
　　此外本文還改進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的改進方法類似，將相似塊的尋找擴展到其它相似圖像中，該改進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度依賴圖像本身結(jié)構(gòu)信息的缺點，能夠在降噪的同時減少對圖像本身的平滑。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)置也改進的算法中也被重新進行討論，由于引入了其它