一种低剂量CT图像去噪方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115293990A(43)申请公布日2022.11.04(21)申请号202211037761.5(22)申请日2022.08.26(71)申请人山西大学地址030006山西省太原市坞城路92号(72)发明人贾丽娜刘卓王耀鹏(74)专利代理机构太原申立德知识产权代理事务所(特殊普通合伙)14115专利代理师程园园(51)Int.Cl.G06T5/00(2006.01)G06T3/60(2006.01)G06T7/42(2017.01)G06F17/10(2006.01)权利要求书3页说明书8页附图3页(54)发明名称一种低剂量CT图像去噪方法(57)摘要本发明属于图像去噪技术领域，具体涉及一种低剂量CT图像去噪方法。低剂量CT扫描技术能有效减少患者所受到的辐射，但同时也导致了图像质量的降低，尤其是图像中的条形噪声，给去噪工作带来了不小的挑战。针对这个问题，本发明首先利用加权核范数最小化对图像初步去噪，去除斑点噪声；然后将初步去噪后的图像进行旋转，引入方向总变分正则项，并结合利用低秩的方法，提取条纹伪影噪声，然后将初步去噪图像减去条纹伪影噪声进行旋转逆变换后的图像，得到最终的去噪结果。实验结果表明，该算法能够有效的去除低剂量CT图像的条形噪声，并且较好地保留图像细节。CN115293990ACN115293990A权利要求书1/3页1.一种低剂量CT图像去噪方法，其特征在于，包括以下步骤：步骤1，将低剂量CT图像的噪声分为两层，一层是不具有低秩特性的斑点噪声，一层是具有结构纹理特性的条纹噪声，且认为其具有旋转低秩特性；步骤2，利用加权核范数最小化算法去除斑点噪声得到初步去噪的图像；步骤3，将初步去噪的图像进行旋转，同时引入方向总变分正则项，再利用低秩方法，在变换域对条纹噪声进行提取，得到旋转后的条形伪影图像；步骤4，对旋转后的条形伪影图像进行旋转逆变换，用初步去噪的图像减去旋转逆变换后的条形伪影图像，即可得到最终的去噪图像。2.根据权利要求1所述的一种低剂量CT图像去噪方法，其特征在于，所述步骤2中利用加权核范数最小化算法去除斑点噪声得到初步去噪的图像，具体步骤为：步骤2.1，对于低剂量CT图像Y中的一个图像块yj，yj∈Y，首先在图像块yj的非局部范围内搜索相似块，将每个相似块重排列成一个列向量，然后将所有列向量组合得到相似块组矩阵Yj，得到如下等式：Yj＝Xj+Nj(1)其中，Yj为含噪图像矩阵，Xj是Yj的近似低秩矩阵，即恢复图像矩阵，Nj为噪声矩阵；步骤2.2，利用加权核范数最小化算法来估计Xj，得到以下的优化公式：其中，为Xj的近似估计，||·||F表示矩阵的F范数，表示矩阵Xj的加权核范数，λi(Xj)是矩阵Xj的第i个奇异值，为含噪图像Y的方差，β为系数，ω＝[ω1,ω2,…,ωn](ωi≥0)是权重向量，定义如下：ωi＝C/(λi(Xj)+ε)(3)其中，c为非零正常数，m为相似块的数量，即矩阵Xj的列数，ε为一个小的正的常数因子；假设斑点噪声在U和V两个基空间中均匀分布，得到λi(Xj)的估算初始值，如下：其中，λi(Yj)是矩阵Yj的第i个奇异值；为含噪图像Y的方差，n表示矩阵Yj的行数，即组成低秩矩阵的每个图像块中的像素的个数；得到全局解，如下：T其中，Yj＝UΣV是矩阵Yj的奇异值分解，Sω(Σ)是对奇异值进行不同程度的软阈值收缩，如下：Sω(Σ)ii＝max(Σii‑ωi,0)(6)其中，Σ为对角矩阵，Σii为矩阵Σ第i行第i列的对角线元素，Sω(Σ)ii为矩阵Sω(Σ)第i行第i列的对角线元素，ωi为第i个权重系数；2CN115293990A权利要求书2/3页步骤2.3，对含噪声图像Y中的所有图像块进行步骤2.1～步骤2.2，然后把所有经过处理的图像块聚合到一起，得到初步去噪的图像I。3.根据权利要求1所述的一种低剂量CT图像去噪方法，其特征在于，所述步骤3中将初步去噪的图像进行旋转，同时引入方向总变分正则项，结合低秩方法，在变换域对条纹噪声进行提取，得到旋转后的条形伪影图像，具体步骤为：步骤3.1，将初步去噪的图像看作两层，表示为：I＝X+R(7)其中，I为初步去噪的图像，X为干净图像，R表示条纹噪声图像；步骤3.2，将初步去噪的图像I进行旋转变换，公式(7)演变为：其中，τ为旋转算子，X'为旋转后的干净图像，R'为旋转后的条纹噪声图像；步骤3.3，在变换域对其进行图像信息去除，通过引入方向总变分作为一个约束项，得到整体的旋转低秩模型：其中，λ，ρ为约束系数，分别表示水平和垂直方向上的导数算子，||·||*表示核范数；步骤3.4，通过交替迭代求得R'，即旋转后的条形伪影图像。4.根据权利要求3所述的一种低剂量CT图像去噪方法，其特征在