基于低秩分解的ct序列图像复原方法
【专利摘要】本发明公开了一种基于低秩分解的CT序列图像复原方法。主要解决现有技术对于CT序列图像复原的不稳定性，容易出现噪声放大而导致图像失真的问题。其实现步骤是：（1）先将CT序列图像转化为灰度图像；（2）选择低秩模型对CT序列进行稀疏低秩分解：根据CT图像含噪量的大小，选择对应的低秩模型对其进行稀疏低秩分解；（3）求出低秩序列的平均图像，并用二维高斯模糊核对其进行维纳滤波复原；（4）用扰动模糊核对稀疏序列中的每一幅图像进行维纳滤波复原；（5）将稀疏复原序列中的每一幅图像与复原低秩图像合并，得到复原CT序列图像。本发明与传统的CT复原方法相比，具有准确度高，适应性好，复原效果不受CT图像噪声大小的限制等优点。
【专利说明】基于低秩分解的CT序列图像复原方法
【技术领域】
[0001]本发明属于图像处理【技术领域】，特别是一种对CT序列图像的复原，可用于对医学图像的处理。
【背景技术】
[0002]随着医学成像技术的飞速发展，大量高分辨率图像纷纷涌现，比如磁共振造影MR1、计算机断层扫描CT、脑磁图MEG、三维超声成像，解正电子发射断层照相PET、单光子发射计算机断层SPECT、漫射加权成像DW1、功能磁共振FMRI等，这些成像技术各有特点，它们分别能在不同的时空分辨率下给人们提供各种解剖信息和功能信息。但仅仅依靠这些设备所提供的信息远远达不到人们的要求，必须进一步通过图像处理手段来对图像进行分析和解译。医学图像处理技术包括图像复原、图像增强，图像分割和图像重建等，其中，在医学图像获取过程中引起的模糊大大降低了图像的质量，严重影响了图像的视觉效果，为了获取高清晰度的医学图像，有必要对医学图像进行复原处理。
[0003]图像复原技术用于提高模糊图像的质量，其目的是从获取到的模糊图像中重构出隐藏的清晰图像。图像去复原可分两大类，一类是在图像复原之前，退化函数已知，则称该类图像复原为非盲复原；另一类是在图像复原之前，退化函数未知，需要从模糊图像中获取后验知识，则称该类图像复原为盲复原。现实问题中，图像退化函数一般是未知的，因此图像盲复原技术一直是图像处理【技术领域】研究的一个热点。医学CT图像成像过程中，图像质量下降通常是由以下两个原因造成的:首先是成像系统分别率不理想而造成图像模糊，其次是信号强度随机波动使图像被噪声污染，为了恢复高清晰度的图像，降质函数的先验知识和逆滤波方法是必需的。
[0004]现有的CT图像复原方法都是针对单一的CT图像，将CT图像的点扩散函数估计为二维的高斯函数，然后用逆滤波方法进行复原。这种方法的优势是运算简单，运行速度快，对于那些噪声含量较少的CT图像复原效果较好。但对于噪声含量较大的CT图像，该方法的复原效果较差。因为逆滤波将图像变得尖锐的同时将无用的噪声也放大，严重得影响了CT图像的视觉效果。
【发明内容】
[0005]本发明的目的在于针对上述CT图像复原的缺陷，提出一种基于低秩分解的CT序列图像复原方法，以提高复原的有效性和准确性。
[0006]为实现上述目的，本发明包括如下步骤:
[0007](I)输入CT序列图像Ii, i = l，...，k，k为大于I的整数，若序列图像Ii为彩色图像，则将其转化为灰度图像，否则直接进行步骤(2)的操作；
[0008](2)利用低秩|吴型对序列图像Ii进行稀疏低秩分解，得低秩序列Li和稀疏序列Si;
[0009](3)求出低秩序列Li的平均图像,利用二维高斯模糊核对平均图像进行维纳滤波复原，得复原低秩图像L,；
[0010](4)定义扰动模糊核为
【权利要求】
1.ー种基于低秩分解的CT序列图像复原方法，包括如下步骤: (1)输入CT序列图像Ii,i = l，...，k，k为大于I的整数，若序列图像Ii为彩色图像，则将其转化为灰度图像，否则直接进行步骤(2)的操作； (2)利用低秩ネ旲型对序列图像Ii进行稀疏低秩分解，得低秩序列L,_和稀疏序列Si； (3)求出低秩序列Li的平均图像r,利用ニ维高斯模糊核对平均图像r进行维纳滤波复原，得复原低秩图像L'； (4)定义扰动模糊核为
2.根据权利要求1所述的方法，其中步骤(2)所述的选择低秩模型对序列图像Ii进行稀疏低秩分解，按如下步骤进行: 2a)将CT序列图像Ii中的所有图像矩阵合成ー个高维矩阵，高维矩阵中的每一列表示序列中的一幅CT图像； 2b)根据CT序列图像噪声的大小，选择对应的低秩模型，对步骤2a)构造的高维矩阵进行稀疏低秩矩阵分解； 2c)将分解后得到的高维低秩矩阵和高维稀疏矩阵还原为低秩序列图像Li和稀疏序列图像S”
3.根据权利要求1所述的方法，其中步骤(3)所述的利用ニ维高斯模糊核对平均图像r进行维纳滤波复原，得到复原低秩图像じ，按如下步骤进行: 3a)求出低秩序列Li的平均图像
4.根据权利要求2所述的方法，其中步骤(2b)所述的根据CT序列图像噪声的大小，选择对应的低秩模型对序列图像Ii进行稀疏低秩分解，按如下规则进行: 如果CT图像噪声含量n≥4.3HU，则用RPCA模型进行稀疏低秩分解，得到稀疏矩阵和低秩矩阵，其中，RPCA模型表示为X = L+S, X表示输入数据矩阵，L表示低秩矩阵，S表示稀疏矩阵， 如果CT图像噪声含量n > 4.3HU，则用GoDec模型进行稀疏低秩分解，得到稀疏矩阵、低秩矩阵和噪声矩阵，其中，GoDec模型表示为X = L+S+G, G表示噪声矩阵，HU是CT图像噪声的 度量单位。
【文档编号】G06T5/00GK103440631SQ201310393616
【公开日】2013年12月11日 申请日期:2013年9月2日 优先权日:2013年9月2日
【发明者】缑水平, 焦李成, 王越越, 刘芳, 张晓鹏, 王之龙, 唐磊, 周治国 申请人:西安电子科技大学