低劑量X-射線透視圖像降噪研究.pdf

1、X-射線自發(fā)現以來因其具有很強的穿透本領而被廣泛應用于醫(yī)學成像診斷，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。本文處理的實驗數據是連續(xù)旋轉的一系列低劑量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、中產生成果，就可以不更換采用了正常劑量X-射線技術的硬件設備，而只用降低進入球管的電流量，這大大降低了設備采購成本。因此對退化嚴重的低劑量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據中的噪聲特性，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。其次根據噪聲特性探究了

3、基于統(tǒng)計、學習的降噪算法: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據進行特征提取，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，一部分圖像的細節(jié)信息也被濾除?；谧值鋵W習的算法，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練，本文采用了含噪圖像進行訓練，所以得到的實驗結果不是很好。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，將查找的結果用來構造訓練集。在改進的算法中根據實驗數據（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角度）中相鄰圖像之間相似程度高的特點，將訓練樣本集的選取擴展到所有相似圖像中，最終的訓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成。擴大后的訓練樣本集大大增加了提出主要特征分量的可能性，并將算法的時間復雜度控制在一定的范圍內。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變換轉換到對數域中，這樣就可以將低劑量透視圖像中的乘性噪聲轉換成加性噪聲進行處理。第二部分將訓練樣本集的構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方差矩陣具有同樣的特征向量。實驗結果說明了該

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構信息的缺點，能夠在降噪的同時減少對圖像本身的平滑。作為經典非局部均值算法的重要參數，權重參數h值的設置也改進的算法中也被重新進行討論，由于引入了其它