基于主成分分析的ct圖像去噪方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及醫(yī)學(xué)技術(shù)領(lǐng)域，具體涉及一種基于主成分分析的CT圖像去噪方法。
【背景技術(shù)】
[0002] 生物醫(yī)學(xué)圖像處理是數(shù)字圖像處理的一個重要方面。很多生物醫(yī)學(xué)信息是以圖像 形式表現(xiàn)出來的，如CT圖像，它使人類視覺從表面向內(nèi)部延伸，人們可以通過它們來獲取 人體內(nèi)部器官在解剖形態(tài)、生物化學(xué)和生理功能上的有用信息。由于CT圖像中的病灶部位 會在灰度和形狀上相似，用肉眼不易分辨。不同能力和背景的人對同一幅醫(yī)學(xué)圖像往往會 得出不同的結(jié)果來。要相對圖像有定量的評估就更是不可能的。因此，用計算機對CT圖像 作后處理，首要的任務(wù)就是對獲取的醫(yī)學(xué)圖像進行增強信噪比的工作。即濾處圖像的噪聲 和干擾，突出感興趣區(qū)域或邊緣從而為進一步分析（如圖像分割、三維重建）和計算奠定基 礎(chǔ)。對CT圖像處理的主要目的是要提高CT圖像的可懂度，即通過去除噪聲，增強對比度， 根據(jù)醫(yī)生的需要，盡可能突出有用的特征來，這樣來改善圖像的視覺效果。然而目前常見的 CT圖像去噪方法存在的主要問題是，在濾除噪聲的同時不能夠較好的保存圖像的邊緣、細 節(jié)信息。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明實施例所要解決的技術(shù)問題在于，提供一種基于主成分分析的CT圖像去 噪方法，能夠準確的去除CT圖像中的噪聲，并且保留完整的圖像邊緣、細節(jié)信息。
[0004] 為解決上述技術(shù)問題，本發(fā)明實施例提供了一種基于主成分分析的CT圖像去噪 方法，包括：
[0005] 構(gòu)建一個可自適應(yīng)調(diào)整大小的搜索窗口；
[0006] 以CT圖像中一個包含噪聲的像素為中心，構(gòu)建矩形參考模塊；
[0007] 在搜索窗口中，尋找與參考模塊相似的測試模塊，構(gòu)成測試模塊集；
[0008] 測試模塊集映射到CT圖像主成分的張量基底空間中；
[0009] 對包含噪聲的張量基底進行削減；
[0010] 將測試模塊映射回圖像空間中，重建去除噪聲后的CT圖像。
[0011] 在本發(fā)明的其他方案中，搜索窗口為矩形窗口。
[0012] 在本發(fā)明的其他方案中，搜索窗口的大小可以根據(jù)不同窗口的特征自動調(diào)整。
[0013] 在本發(fā)明的其他方案中，參考模塊是以CT圖像中一個包含噪聲的像素為中心的 矩形窗口，窗口的大小為固定值。
[0014] 在本發(fā)明的其他方案中，窗口大小為15x15。
[0015] 在本發(fā)明的其他方案中，兩個模塊相似的評測標(biāo)準為兩個模塊中相對應(yīng)位置的像 素的灰度值差異最小。
[0016] 在本發(fā)明的其他方案中，通過預(yù)設(shè)閾值，提取CT圖像的主成分，構(gòu)成張量基底空 間。
[0017] 在本發(fā)明的其他方案中，CT圖像主成分的張量為三階張量，參考模塊的大小為一 階和二階，測試模塊數(shù)目為三階。
[0018] 在本發(fā)明的其他方案中，削減包含噪聲的張量基底，保留包含CT圖像主要信息的 成分。
[0019] 本發(fā)明能夠準確的去除CT圖像中的噪聲，并且可以保留CT圖像中的邊緣和細節(jié) 信息。
【附圖說明】
[0020] 圖1是本發(fā)明所提出的基于主成分分析的CT圖像去噪方法的流程圖；
[0021] 圖2是本發(fā)明所提出的基于主成分分析的CT圖像去噪方法的搜索窗口構(gòu)建示意 圖。
【具體實施方式】
[0022] 下面結(jié)合附圖和具體實施例對本發(fā)明作進一步詳細描述，但不作為對本發(fā)明的限 定。
[0023] 圖1是本發(fā)明的基于主成分分析的CT圖像去噪方法的流程圖，包括以下幾個步 驟：
[0024] 步驟 S1，
[0025] 構(gòu)建一個可自適應(yīng)調(diào)整大小的搜索窗口。
[0026] 搜索窗口可以為矩形窗口，搜索窗口的大小可以根據(jù)不同窗口的特征自動調(diào)整。 例如，構(gòu)建一個大小為LXL的搜索窗口，引入兩個評估標(biāo)準來描述不同大小搜索窗口的權(quán) 重：中位數(shù)絕對偏差和四分位間距絕對偏差，定義兩個窗口 KXK和!^父匕且K > L，通過比 較[P+1，K]范圍內(nèi)所有窗口的權(quán)重可得最優(yōu)搜索窗口 B。將所有比較窗口展成向量Id1 = [1^，132，···ΛΧι]，其中 i e (Ρ+1，Κ]，那么 MAD可表示為：
[0027] MAD (bj = median I bi-median (bj I
[0028] 其中，median(b,_)表示按窗口像素灰度平均值排序后的中位數(shù)。IQRAD可表示為：
[0030] 其中，％和&表示按窗口中像素灰度平均值排序后位于第一個和第三個四分位 數(shù)的灰度值。最優(yōu)搜索窗口 B可通過下式得到：
[0032] 其中，median(X。）表示像素 X?；叶戎?，L = i為最優(yōu)搜索窗口大小。
[0033] 步驟 S2，
[0034] 以CT圖像中一個包含噪聲的像素為中心，構(gòu)建矩形參考模塊。
[0035] 參考模塊可以是以CT圖像中一個包含噪聲的像素為中心的矩形窗口，窗口的大 小為固定值，優(yōu)選15x15。
[0036] 步驟 S3，
[0037] 在搜索窗口中，尋找與參考模塊相似的測試模塊，構(gòu)成測試模塊集。
[0038] 在大小為1^\1^的搜索窗口中包含（仏-?+1)2-1)個與參考模塊\相同的觀測模 塊，采用塊匹配法尋找與Xe相似的測試模塊，定義與參考模塊的相似性測度小于預(yù)設(shè)閾值 的觀測模塊為詳細模塊，其中相似性測度計算公式為：
[0040] 其中，PXP表示模塊大小，X。(p)和X1 (p)表示X。和X i中第p個像素。
[0041] 上述中，兩個模塊相似的評測標(biāo)準可以為兩個模塊中相對應(yīng)位置的像素的灰度值 差異最小。當(dāng)然，還可以采用其他評測標(biāo)準。
[0042] 步驟 S4，
[0043] 測試模塊集映射到CT圖像主成分的張量基底空間中。
[0044] 在步驟S4,可以通過預(yù)設(shè)閾值，提取CT圖像的主成分，構(gòu)成張量基底空間。例如， CT圖像主成分的張量為三階張量，參考模塊的大小為一階和二階，測試模塊數(shù)目為三階。
[0045] 將與X。相似性測度差異最小的（N-I)個模塊[X η ...，Xn J映射到三階張量 s 中，其中，模塊大小為一階和二階，訓(xùn)練樣本為三階。
[0046] 在獲得與參考模塊X。相似的一定數(shù)量訓(xùn)練模塊后，采用基于張量的主成
分分析法完成張量基底訓(xùn)練。定義％&為η階張量基底展開矩陣： 中第in行第（i n+1_l) In i+in i列的元素 ，I i，12, I3表示展開矩陣中張量的維數(shù)，那么
根據(jù)三階奇異值分解原理，X可分解為：
表示酉矩陣，f 表示核張 量。每一階正交矩陣可表示為I
[0049] 步驟 S5，
[0050] 對包含噪聲的張量的基底進行削減。
[0051] 例如，可以削減包含噪聲的張量基底，保留包含CT圖像主要信息的成分。
[0052] 將（N-I)個相似模塊映射到張量基底空間中，那么不包含噪聲的能量主要集中在 幾個主要成分中，而噪聲能量均勻的分布在所有成分中，本節(jié)節(jié)引入LMMSE完成張量基底 肖IJ減。定義η = 1，2是Yw的第i列，那么線性最小均方差可表示為：
[0056] 其中，
分別表不信號和噪聲的方差，表不X(n)的 第i列。根據(jù)Daubechies二階小波變換，噪聲可表示為：
「00581 其中，HH表示高頗小波系數(shù)。伸用最太似然估計得到信號方差為：
[0060] 其中，M表示Yw的列數(shù)。圖像中紋理單一的區(qū)域，
通常 小于零，那么wn(p) = 〇, yw中的噪聲可被去除。
[0061] 步驟 S6，
[0062] 將測試模塊映射回圖像空間中，重建去除噪聲后的CT圖像。
[0063] 定義你? ei?Px/w每一列包含Wn個元素，那么收縮變換#可表示為：
[0064]
[0065] 其中，（·）表示向量內(nèi)積。通過收縮變換f可將相似模塊從張量基底空間映射回 圖像空間，得到去除噪聲的結(jié)果X，可表示為：
[0066]
[0067] 定義先為X。去除噪聲的模塊。對整幅CT圖像；[e 7? 中的M1X M2個像素都采 用上述方法完成去噪，得到去噪后的圖像。由于每個像素可包含在多個參考模塊 而得到多組去除噪聲后的值，本節(jié)通過計算其灰度平均值得到去噪后的圖像，計算公式如 下：
[0069] 其中，E1表示笨的數(shù)目，xR表示X。的多組去噪后的值。
[0070] 當(dāng)然，以上所述是本發(fā)明的優(yōu)選實施方式。為方便說明起見，使用了步驟SI、S2等 序號，但是應(yīng)該認識到的是，這些步驟本身還可以包括其他過程，這些步驟之間還可以有其 他步驟，這也在本發(fā)明的保護范圍之內(nèi)。應(yīng)當(dāng)指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說， 在不脫離本發(fā)明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也視為本發(fā) 明的保護范圍。
【主權(quán)項】
1. 一種基于主成分分析的CT圖像去噪方法，其特征在于，包括： 步驟S1，構(gòu)建一個可自適應(yīng)調(diào)整大小的搜索窗口； 步驟S2,以CT圖像中一個包含噪聲的像素為中心，構(gòu)建矩形參考模塊； 步驟S3,在搜索窗口中，尋找與參考模塊相似的測試模塊，構(gòu)成測試模塊集； 步驟S4,測試模塊集映射到CT圖像主成分的張量基底空間中； 步驟S5,對包含噪聲的張量基底進行削減； 步驟S6,將測試模塊映射回圖像空間中，重建去除噪聲后的CT圖像。2. 根據(jù)權(quán)利要求1所述的基于主成分分析的CT圖像去噪方法，其特征在于，在步驟 Sl，搜索窗口為矩形窗口。3. 根據(jù)權(quán)利要求1所述的基于主成分分析的CT圖像去噪方法，其特征在于，在步驟 Sl，搜索窗口的大小可以根據(jù)不同窗口的特征自動調(diào)整。4. 根據(jù)權(quán)利要求1所述的基于主成分分析的CT圖像去噪方法，其特征在于，在步驟 52, 參考模塊是以CT圖像中一個包含噪聲的像素為中心的矩形窗口，窗口的大小為固定 值。5. 根據(jù)權(quán)利要求4所述的基于主成分分析的CT圖像去噪方法，其特征在于，窗口大小 為 15x15。6. 根據(jù)權(quán)利要求1所述的基于主成分分析的CT圖像去噪方法，其特征在于，在步驟 53, 兩個模塊相似的評測標(biāo)準為兩個模塊中相對應(yīng)位置的像素的灰度值差異最小。7. 根據(jù)權(quán)利要求1所述的基于主成分分析的CT圖像去噪方法，其特征在于，在步驟 54, 通過預(yù)設(shè)閾值，提取CT圖像的主成分，構(gòu)成張量基底空間。8. 根據(jù)權(quán)利要求1所述的基于主成分分析的CT圖像去噪方法，其特征在于，在步驟 54, CT圖像主成分的張量為三階張量，參考模塊的大小為一階和二階，測試模塊數(shù)目為三 階。9. 根據(jù)權(quán)利要求1所述的基于主成分分析的CT圖像去噪方法，其特征在于，在步驟 55, 削減包含噪聲的張量基底，保留包含CT圖像主要信息的成分。
【專利摘要】本發(fā)明公開一種基于主成分分析的CT圖像去噪方法。該方法包括：構(gòu)建一個可自適應(yīng)調(diào)整大小的搜索窗口；以CT圖像中一個包含噪聲的像素為中心，構(gòu)建矩形參考模塊；在搜索窗口中，尋找與參考模塊相似的測試模塊，構(gòu)成測試模塊集；測試模塊集映射到CT圖像主成分的張量基底空間中；對包含噪聲的張量的基底進行削減；將測試模塊映射回圖像空間中，重建去除噪聲后的CT圖像。本發(fā)明能夠準確的去除CT圖像中的噪聲，并且可以保留CT圖像中的邊緣和細節(jié)信息。
【IPC分類】G06T5/00
【公開號】CN105046662
【申請?zhí)枴緾N201510393426
【發(fā)明人】鄭重, 吳文波, 楊文暉, 賴暖翔
【申請人】嘉恒醫(yī)療科技（上海）有限公司
【公開日】2015年11月11日
【申請日】2015年7月6日