一种基于区别性字典的低剂量ct图像处理方法
【专利摘要】本发明公开了一种基于区别性字典的低剂量CT图像处理方法，首先使用静态小波变换对待处理的低剂量CT图像进行单层分解，然后对水平、垂直和对角方向的高频细节图像分别进行对应的区别性字典表达并去伪影，从而达到抑制星条状伪影在不同方向的高频细节图像中的信息强度；之后根据处理后的水平、垂直和对角方向的高频细节图像以及原来的低频图像进行逆静态小波变换来重建得到伪影抑制后的CT图像；最后利用现有的传统基于字典学习的稀疏表达方法对图像进行进一步处理，以去除残留的伪影和噪声。本发明可以有效抑制低剂量CT图像内的星条状伪影和噪声，提高低剂量CT图像质量，使其满足临床诊断的质量要求。
【专利说明】一种基于区别性字典的低剂量CT图像处理方法
【技术领域】
[0001]本发明涉及一种低剂量CT图像处理方法，尤其涉及一种基于区别性字典的低剂量CT图像处理方法，属于计算机断层显像【技术领域】。
【背景技术】
[0002]作为目前一种常规有效的临床医学诊断工具，X射线计算机断层成像(x-rayComputerized Tomography, CT)能够在毫米尺度上清晰的获得人体不同组织对于X射线的衰减信息，从而为临床医生的诊断和预防提供丰富的三维人体器官组织信息。今天，作为一种成熟的和在临床上普遍认可的检查方法，CT已经成为放射诊断领域内不可缺少的主要工具之一。然而，随着CT断层扫描在临床诊断尤其是常规检查中的普及，CT扫描中的辐射剂量问题已经引起了人们越来越多的关注，大量的临床研究表明超过正常范围的CT辐射剂量易诱发人体新陈代谢异常乃至癌症等疾病。然而，在目前的CT设备中，往往通过调节管电流和电压以减少CT扫描剂量，这样将增加重建图像的块状噪声和具有方向性的星条状伪影，降低CT重建的质量，从而影响临床医生对异常组织的确诊率。
[0003]当前提高低剂量CT图像质量的方法主要分为基于投影空间数据的和基于图像空间数据的两大类，基于投影空间数据的方法主要通过CT投影数据的恢复去噪来为重建提供噪声更少的投影数据，以提高低剂量条件下的图像重建质量，例如当前在临床CT重建中普遍使用的滤波反投影(Filtered Back projection, FBP)算法,就是通过内置的频域滤波处理来抑制伪影和噪声，还有一些学者提出在投影空间建立数据模型并基于此建立恢复算法来抑制低剂量条件下CT投影数据中的噪声。此类方法的研究由于受到商用CT投影数据无法获得的限制，现实中难以得到广泛应用。另一类方法是直接通过图像空间处理技术来提高已重建的低剂量图像质量，具有不依赖原始投影数据和处理速度快的优点，通常使用非线性的处理方法进行保持图像边缘信息的去噪处理,如各向异性滤波器(nonlinear oranisotropic filter)或者小波(wavelet)的方法,然而此类非线性方主要基于图像的局部信息，难以得到良好的处理效果，例如，无法有效抑制低剂量CT图像中的块状噪声和星条状伪影，还会在处理中产生新的伪影。
[0004]最近提出的基于字典学习的稀疏表示(Sparse and Redundant Representationsover Learnd Dictionaries)图像去噪算法属于第二类方法。这种方法先将目标图像拆分成很多小的图块，然后对每个图块进行编码，令其用一个过完备字典中的很少的几个块通过线性组合进行表示。在这一过程中，通过控制参数，可以使正常结构得到表示，而伪影噪声得不到较好的表示，从而达到去噪目的。最后将这些图块重新叠加平均，进一步增加去噪效果。这种方法首先寻找最佳的全局过完备字典，并将每个原图块表示为字典中向量(原子)的线性组合。线性组合中的系数可以通过稀疏编码过程来计算。基于字典学习的稀疏表示方法目标为解决如下问题:
[0005]min Ilx—yf2+Ikx - Dau It s；t, Ik IL -T v/，j
χ.°.αij{ I )[0006]其中X和y分别表示m像素的待处理图像和原始低剂量CT图像；下标i j指示了图像中的像素索引(i，j) ;RU表示从图像X中提取大小为nXn(中心在(i，j))的图块Xij的算符；字典D是一个nXK的矩阵，由K个η维向量原子(列向量)组成。每个η维列向量对应一个nXn图块；α表示所有块的稀疏表示的系数集合{ a u，每一个图块Xu都可以由线性组合Dau来近似表示；I I aj Itl表示1°范数，用来计算向量^^中的非零项数目；T是预设的稀疏程度参数，用来限制Ciu中非零项的个数。解决(I)中的问题包含下面(2)和(3)两个子问题:
【权利要求】
1.一种基于区别性字典的低剂量CT图像处理方法，其特征在于，包括以下步骤: 步骤1、使用静态小波变换对待处理的低剂量CT图像f做单层的分解，分别得到分解后的水平、垂直和对角方向的高频细节图像f;hd、fcvd> fcdd以及低频图像; 步骤2、对水平、垂直和对角方向的高频细节图像f；hd、fcvd, fcdd分别用对应的区别性字典进行表示，之后将对应区别性字典中伪影原子表达的部分进行去除，得到处理后的水平、垂直和对角方向的高频细节图像/Ad、/cvd, Zcdd； 步骤3、对处理后的水平、垂直和对角方向的高频细节图像、Zcvd、Zcdd以及原来的低频图像进行逆静态小波变换重建，得到伪影抑制的CT图像/。
2.如权利要求1所述基于小波空间方向性去伪影的低剂量CT图像处理方法，其特征在于，在步骤3之后还包括: 步骤4、对步骤3得到的图像/:利用基于字典学习的稀疏表达方法对图像进行进一步处理，以去除残留的伪影和噪声。
3.如权利要求1所述基于小波空间方向性去伪影的低剂量CT图像处理方法，其特征在于，步骤2中所用的区别性字典是由“伪影字典”与“特征字典”合并而成，每个区别性字典中的前M个原子对应伪影字典中的原子，之后的原子为特征字典中的原子；其中伪影字典是从人工提取的伪影样本上训练而得到，特征字典是从高剂量CT图像样本上训练而得到。
4.如权利要求1所述基于小波空间方向性去伪影的低剂量CT图像处理方法，其特征在于，步骤2中的区别性字典一共有三个，分别从水平、垂直和对角方向的高频细节图像中训练而来，并在去伪影中应用于对应方向的高频细节图像。
【文档编号】G06T5/00GK103473745SQ201310422085
【公开日】2013年12月25日 申请日期:2013年9月16日 优先权日:2013年9月16日
【发明者】陈阳, 石路遥, 罗立民, 李松毅, 鲍旭东 申请人:东南大学