一种基于加权编码的低剂量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CN115170425A(43)申请公布日2022.10.11(21)申请号202210814526.8(22)申请日2022.07.11(71)申请人杨典建地址276000山东省临沂市兰山区工业大道102号17号楼1单元301室(72)发明人袁泉(51)Int.Cl.G06T5/00(2006.01)G06T5/20(2006.01)G06T11/00(2006.01)G06V10/77(2022.01)G06V10/772(2022.01)权利要求书2页说明书7页附图2页(54)发明名称一种基于加权编码的低剂量CT图像去噪方法(57)摘要本发明涉及图像处理技术领域，特别涉及一种基于加权编码的低剂量CT图像去噪方法。本发明首先利用灰色绝对关联度使噪点与边缘点、平滑区域的点进行分离并对噪点进行滤波处理，再通过稀疏非局部正则化加权编码的方法对每个噪声污染的块进行编码，利用适当的正则化同时去除混合噪声中的脉冲噪声和高斯噪声。本发明的去噪方法在噪声去除的效果和图像细节的保留均优于原方法，数值对比也说明该方法的去噪结果与原始图像的相似度更高，图像重建效果更好。CN115170425ACN115170425A权利要求书1/2页1.一种基于加权编码的低剂量CT图像去噪方法，其特征在于，所述去噪方法主要包括如下步骤为：(1)首先对含噪图像y，将图像y中心区域的点进行分类，分为平坦区域的点、边缘点和噪点，对中心区域中平坦区域的点、边缘点以及中心区域外的点不进行替换，中心区域的噪点用其和周围共13个像素的灰度值的均值替换，得到第一步处理后的图像y′；(2)然后将y′作为含噪图像输入稀疏非局部正则化加权编码方法，选用局部PCA字典，对目标问题与子问题及参数进行迭代，当满足预设的终止条件时，图像y″即为基于灰色关联度和稀疏非局部正则化加权编码的去噪方法的结果。2.如权利要求1所述的基于加权编码的低剂量CT图像去噪方法，其特征在于，所述的基于灰色关联度的方法与稀疏非局部正则化加权编码方法的具体流程步骤为：3.如权利要求1所述的基于加权编码的低剂量CT图像去噪方法，其特征在于，所述基于灰色关联度的方法与稀疏非局部正则化加权编码方法的评价指标为PSNR和SSIM。2CN115170425A权利要求书2/2页4.如权利要求1所述的基于加权编码的低剂量CT图像去噪方法，其特征在于，所述基于灰色关联度的方法与稀疏非局部正则化加权编码方法可选用256*256的Shepp‑Logan头模型作为实验对象。5.如权利要求4所述的一种基于加权编码的低剂量CT图像去噪方法，其特征在于，所述Shepp‑Logan头模型中的图像是由10个位置、大小、方向、密度各不同的椭圆组成。6.如权利要求5所述的一种基于加权编码的低剂量CT图像去噪方法，其特征在于，所述椭圆的不同的灰度值可以模拟不同组织的衰减系数。7.如权利要求4所述的一种基于加权编码的低剂量CT图像去噪方法，其特征在于，所述Shepp‑Logan的图像上分别添加不同比例的高斯噪声与椒盐脉冲噪声的混合噪声，分别用EPmedianfilter方法、WESNR方法和本发明方法对图像进行去噪。8.如权利要求1所述的基于加权编码的低剂量CT图像去噪方法，其特征在于，所述基于灰色关联度的方法与稀疏非局部正则化加权编码方法还可选用512*512像素的颅脑CT图像为实验对象。9.如权利要求1‑8任一项所述的基于加权编码的低剂量CT图像去噪方法，其特征在于，所述基于灰色关联度的方法与稀疏非局部正则化加权编码方法的混合噪声模型为：对于尺寸为m×n图像x，记xi,j为位于(i,j)处的灰度值，设y为图像x的观测图像，对于添加了高斯噪声，y中的像素点yi,j被定义为yi,j＝xi,j+vi,j，其中vi,j是独立同分布的噪声；对于添加了椒盐脉冲噪声，由[dmin,dmax]表示观测图像y像素的动态范围，对于椒盐脉冲噪声的概率为s，0≤s≤1，那么yi,j＝dmin的概率为s/2，yi,j＝dmax的概率为s/2，因此混合了高斯噪声和椒盐脉冲噪声后的观测图像可以描述为：10.如权利要求9所述的基于加权编码的低剂量CT图像去噪方法，其特征在于，所述基于灰色关联度的方法与稀疏非局部正则化加权编码方法用于低剂量CT图像去噪。3CN115170425A说明书1/7页一种基于加权编码的低剂量CT图像去噪方法技术领域[0001]本发明涉及图像处理技术领域，特别涉及一种基于加权编码的低剂量CT图像去噪方法。背景技术[0002]CT是X射线照相技术与计算机信号处理结合的产物，其基本原理是利用X射线机提供的一维射线信息重建二维断层影像。CT使用率的提高给医疗诊断带来了便捷，但需要付出的代价是使患者被暴露在