基于改进非局部均值的三维cbct图像除噪方法
【技术领域】
[0001] 本发明涉及图像处理领域，尤其涉及一种基于改进非局部均值的三维CBCT图像 除噪方法。
【背景技术】
[0002] 在进行放射治疗时，由于呼吸、组织器官的蠕动、日常摆位误差、靶区收缩等对治 疗计划存在较大的影响，需要利用各种影像设备对肿瘤进行实时监控，使照射野紧紧追随 革巴区以实现精确治疗，因此图像引导放射治疗（Image Guided Radiation Therapy, IGRT) 也就成为了当今最先进的放射治疗手段。锥形束计算机断层扫描成像技术（Cone-Beam Computed Tomography, CBCT)以其优越的性能在图像引导放射治疗系统中得到了广泛的应 用，其应用主要体现在以下两个方面：一是通过获取三维CBCT重建图像与计划CT图像放疗 区的偏移情况来指导摆位信息；二是通过CBCT时间序列图像之间的形变配准操作来实现 病变和肿瘤的实时跟踪。
[0003] 然而CBCT图像中存在大量的噪声，噪声的存在使得图像的软组织对比度降低、图 像边缘变的模糊，这无疑增加了勾画靶区的难度，影响了摆位信息的准确获取。虽然很大一 部分噪声是由量子的衰减引起的，高剂量的辐射会获得较清晰的图像，但也会严重影响患 者的健康状况。所以，如何在低剂量的照射下实时地获取高质量的CBCT图像具有十分重要 的研究意义。
[0004] 近几年来，针对CBCT图像中存在的噪声，多种有关于CBCT图像的去噪算法相继被 提出，包括小波滤波法、非局部均值去噪法、三维块匹配法、噪声系数法等。在这些新颖的 滤波方法中，Buades等人提出的非局部均值（Nonlocal Means, NLM)去噪算法以其优越的 性能得到了很大的认可，该算法利用了图像的自相似性，估计像素点时充分考虑了图像的 全局信息，在一个搜索窗内尽可能多的搜索到与被滤波像素点相似的其他像素点，利用它 们之间的相似性达到去噪的效果。但此算法仍存在相似度计算量过大和滤波参数选取等问 题。
[0005] 针对计算量过大这一问题，多种快速NLM去噪算法相继被提出并且取得了不错的 效果，例如Wang等人利用局部区域距离的对称性降低算法的复杂度；Liu等人利用积分图 和快速傅里叶变换对NLM算法进行加速等。另外，NLM去噪算法包含了三个关键参数：搜索 窗口半径、相似窗口半径和滤波强度值，这三个参数对NLM算法的去噪性能均有较大的影 响，特别是滤波强度值的影响。国内外很多研究学者针对参数选取的问题也做了相关的研 究，但是将其应用在CBCT图像中的学者并不多。
【发明内容】
[0006] 为了解决现有技术的缺点，本发明提供一种基于改进非局部均值的三维CBCT图 像除噪方法，该方法在对CBCT投影数据进行噪声标准差估计、对滤波强度值进行改进的基 础上实现自适应非局部均值去噪处理，以获取较高质量的CBCT图像。
[0007] 为实现上述目的，本发明采用以下技术方案：
[0008] -种基于改进非局部均值的三维CBCT图像除噪方法，包括：
[0009] 步骤⑴：获取不同角度的三维CBCT图像的投影数据，每一个角度的三维CBCT图 像的投影数据对应一组三维CBCT图像的投影数据，求取三维CBCT图像的边缘信息，并划分 出三维CBCT图像的背景子块和纹理子块；
[0010] 步骤（2):分别计算三维CBCT图像的中背景区域的噪声标准差以及三维CBCT图 像中纹理子块平均梯度值的均值；
[0011] 步骤（3):根据三维CBCT图像的边缘信息、背景区域的噪声标准差以及纹理子块 平均梯度值的均值，分别求取每个角度的三维CBCT图像的投影数据的滤波强度值；
[0012] 步骤⑷：在三维CBCT图像中搜寻与被滤波像素点相似的其他像素点，根据每个 角度的三维CBCT图像的投影数据的滤波强度值，计算被滤波像素点相似的其他像素点之 间的相似度来实现三维CBCT图像除噪。
[0013] 所述步骤（1)中采用基于子块分割的算法进行划分三维CBCT图像的背景子块和 纹理子块。
[0014] 划分三维CBCT图像的背景子块和纹理子块的具体过程，包括：
[0015] 将三维CBCT图像的投影数据划分为大小为若干个呈方阵排列的子块，计算每个 子块的方差；
[0016] 根据预设的子块方差阈值，进行划分背景子块和纹理子块，当子块的方差小于预 设的子块方差阈值，则是背景子块；当子块的方差大于预设的子块方差阈值，则是纹理子 块。
[0017] 所述步骤⑶中求取的三维CBCT图像的投影数据的滤波强度值，包括：
[0018] 选定一组三维CBCT图像的投影数据，根据该组三维CBCT图像的投影数据的噪声 标准差与边缘信息的比值，得到该组三维CBCT图像的投影数据的滤波强度值h1:
[0020] 其中，I1表示选定的一组投影数据，将其作为第一组投影数据；〇 i表示第一组投 影数据1:的噪声标准差，E(I D表示第一组影数据I1的边缘信息。
[0021] 所述步骤（3)中求取的三维CBCT图像的投影数据的滤波强度值，还包括：
[0022] 求取第i组CBCT投影数据的投影数据的滤波强度值h1:
[0026] 其中，Ii1 i为第i-1组CBCT投影数据的投影数据的滤波强度值，G i为第i组CBCT 投影数据中纹理子块平均梯度值的均值，G1^为第i-Ι组CBCT投影数据中纹理子块平均梯 度值的均值，σ i为第i组CBCT投影数据的噪声标准差；〇 i i为第i-Ι组CBCT投影数据的 噪声标准差；i = 2, 3, 4…η，η为获取CBCT投影数据的组数。
[0027] 所述预设的子块方差阈值Vth为：
[0029] 其中，▽为三维CBCT图像的投影数据划分的所有子块方差的平均值；α为比例常 数。
[0030] 所述步骤（4)中搜寻与被滤波像素点相似的其他像素点的过程为：
[0031] 根据三维CBCT图像中所有像素灰度值的加权平均的方法，来获取三维CBCT图像 中像素的灰度值：
[0033] 式中，I为三维CBCT图像；像素 ρ和像素 q为三维CBCT图像中的任意像素点；V (q) 表示像素 q的灰度值;w (P，q)表示像素 P和像素 q的相似度。
[0034] 像素 ρ和像素 q的相似度w (p，q)满足：
[0038] 式中，Z (ρ)表示归一化常数；Np和N q分别表示以像素 ρ和像素 q为中心的正方形 相似窗口，窗口大小均为（2d+l) X (2d+l)，d为相似窗口半径；11 I U α为高斯加权欧式距 离函数屯表示第j组CBCT投影数据的滤波强度，j = 1，2, 3…η ;η为获取CBCT投影数据 的组数。
[0039] 本发明的有益效果为：
[0040] (1)本发明利用不同投射角度下的噪声标准差、纹理子块平均梯度值的均值和第 一组投影数据的边缘信息，确定与投影数据相适应的滤波强度值，有效地保留投影数据中 的有用信息并提高NLM算法的去噪性能；
[0041] (2)本发明还根据划分背景区域的阈值，对背景区域进行精确划分，进一步提高了 NLM算法的有效性，有利于后续的摆位信息获取和肿瘤实时跟踪。
【附图说明】
[0042] 图1为本发明的三维CBCT图像除噪方法的流程图。
【具体实施方式】
[0043] 下面结合说明书附图和具体实施例说明本发明：
[0044] 如图1所示，本发明的基于改进非局部均值的三维CBCT图像除噪方法，包括：
[0045] 步骤⑴：获取不同角度的三维CBCT图像的投影数据，每一个角度的三维CBCT图 像的投影数据对应一组三维CBCT图像的投影数据，求取三维CBCT图像的边缘信息，并划分 出三维CBCT图像的背景子块和纹理子块；
[0046] 步骤（2):分别计算三维CBCT图像的中背景区域的噪声标准差以及三维CBCT图 像中纹理子块平均梯度值的均值；
[0047] 步骤（3):根据三维CBCT图像的边缘信息、背景区域的噪声标准差以及纹理子块 平均梯度值的均值，分别求取每个角度的三维CBCT图像的投影数据的滤波强度值；
[0048] 步骤⑷：在三维CBCT图像中搜寻与被滤波像素点相似的其他像素点，根据每个 角度的三维CBCT图像的投影数据的滤波强度值，计算被滤波像素点相似的其他像素点之 间的相似度来实现三维CBCT图像除噪。
[0049] 进一步地，步骤（1)中采用基于子块分割的算法进行划分三维CBCT图像的背景子 块和纹理子块。其中，划分三维CBCT图像的背景子块和纹理子块的具体过程，包括：
[0050] 将三维CBCT图像的投影数据划分为大小为若干个呈方阵排列的子块，计算每个 子块的方差；
[0051] 根据预设的子块方差阈值，进行划分背景子块和纹理子块，当子块的方差小于预 设的子块方差阈值，则是背景子块；