基于热扩散方程的多尺度CT图像去噪算法的制作方法

本发明涉及医学工程
技术领域：
，具体涉及一种基于热扩散方程的多尺度CT图像去噪算法。
背景技术：
：X射线CT球管发出的X光子能够对人体物质产生电离作用，释放出较高能量的电子流，击断细胞核内染色体双螺旋结构，使遗传物质发生变异、引发癌症。为此国际辐射防护委员会(ICRP)提出了著名的尽量低可得(ALARA)辐射安全准则，要求尽可能地采取合理方法减少辐射剂量释放。在总辐射剂量限制下，X射线CT图像常常表现出较强噪声，因此需要采取措施在保持空间解析度前提下提高CT图像信噪比。在总辐射剂量限制下，X射线CT图像常常表现出较强噪声。传统图像域去噪方法，由于未精细考虑信号与噪声尺度，处理后图像常常信噪比与空间解析度指标无法同时兼顾，导致CT图像质量无法完全满足临床诊断要求。技术实现要素：针对现有技术缺点，本发明提出了一种基于热扩散方程的多尺度CT图像去噪算法，其中包括：1.多尺度分解本发明利用基于各向同性热扩散方程的图像域多尺度分解方法，精细地考虑信号与噪声所处尺度。图像域多尺度分解方法将CT图像频率按幅度大小分解，使得图像细节与噪声分解到小尺度子空间，而大范围图像背景分解到大尺度子空间。根据如下各向同性热扩散方程：(1-1)∂∂tf(x,t)=dΔf(x,t),f(x,0)=f(x),t≥0,]]>(1-2)f(x,t)=G(x,σ2)⊗f(x,0),σ=2dt,]]>其中x表示二维实空间中任意点；f(x)表示原始CT图像本身；各向同性热扩散方程可表达为式(1-1)，t表示时间，d表示热传导常数；式(1-1)结果等效于式(1-2)；符号表示二维卷积；G(x，σ2)为高斯卷积核；输入如图3所示的原始CT图像，结合上述公式，按照图1的图像域多尺度分解与去噪示意图，对与原始CT图像进行处理。定义为f(x)关于时间t的函数，设定初始时间为0，可得到第一张待处理CT图像数据。再按式(1-1)热扩散至第一个时间点t1，可得到第二张待处理CT图像数据，计算这两张CT图像于对应像素位置的数据差异，可将原始CT图像数据分离成不同尺度图像。该过程可采用如下公式表示：fs(x)＝f(x，ts)-f(x，ts-1)，ts＞ts-1，t0＝0，s＝1，2，…，S，其中s表示尺度数，S表示尺度总数，ts表示尺度s的对应扩散时间，ts的设置依赖于原始CT图像参考频率fr；依据此公式可清晰得出尺度分解核心算法：将原始CT图像函数f(x)各向同性热扩散至时间点ts得到f(x，ts)，再与前一时间点函数f(x，ts-1)对比，其差异fs(x)为在尺度s下包含部分随机扰动噪声和部分组织的图像函数。2.尺度空间去噪本发明将CT图像频率按幅度大小分解到不同尺度子空间后，在各子空间下，采取不同策略(如各向异性热扩散方程或PWLS算法)、不同参数有针对性地进行去噪处理。基于各向异性热扩散方程的去噪过程如下：(3-1)∂u(x,t)∂t▿·(cd(x,t)▿u(x,t)),(1)]]>(3-2)cd(x,t)=1,|▿uσ(x,t)|=01-e-Cq/|▿uσ(x,t)/λ|q,|▿uσ(x,t)|>0]]>式(3-1)为各向异性热扩散方程的一般表达式，u(x，t)为图像u(x)在时间t的函数；在式(3-1)中，cd(x，t)为各向异性热扩散系数；与●分别表示梯度和散度算子；cd(x，t)可表达为式(3-2)，式(3-2)中对比参数λ定义为扩散强度，固定参数q＞1定义为扩散变换，uσ(x，t)为CT图像u(x，t)以标准差σ为高斯内核的卷积；当cd(x，t)确定时，u(x，t)可迭代地收敛。结合上述公式，将图3原始CT图像依照各向同性热扩散进行尺度分解之后；将各尺度进行各向异性热扩散方程或PWLS算法；在估算出其真实图像趋势时进行合理降噪，在有效降噪的同时减少细节损失。3.残余边缘平滑、增强与补偿本发明参考现有技术，即使采取多尺度分解与处理，去噪后图像细节难免损失，因此需采取特定策略对残余边缘进行平滑、增强(如DoG算子法)与补偿(反馈到去噪后图像中去)。如图2所示，本发明算法将原始CT图像分解成不同尺度图像，将不同尺度图像进行各向异性热扩散方程去噪。去噪之后，其细节边缘损失不可避免，而CT图像边缘非常重要，本发明将去噪之后之前图像进行对比，使用DoG进行尺度边缘的增强和补偿，并对所有尺度去噪、增强、补偿后的CT图像依像素求和，得到最终合成CT图像，使得在CT图像去噪的同时，边缘信息保持良好。4.适应性调整要使前3步中的可调参数r与CT系统成像参数(kVp、mAs与滤波器等)相关联，而这种关联往往是非线性的、需要预先确定的。这也是基于模体标定实验进行适应性调整的原因所在，调整结果以查找表存储于CT系统中。基于热扩散方程的多尺度CT图像去噪算法，其特征在于设定一个去噪强度系数，用于控制多尺度分解过程，设置去噪强度系数r，控制尺度内去噪强度，去噪强度系数r设置过程如下：d←rd，cd(x，t)←rcd(x，t)。与现有技术相比，本发明的基于热扩散方程的多尺度CT图像去噪算法的修正结果精度高，且修正运行速度快，对于大小为512×512的原始CT图像，修正速度为小于2分钟。附图说明图1为图像域多尺度分解与去噪示意图；图2为图像域尺度空间边缘补偿与增强示意图；图3为原始CT图像；图4为多尺度分解图像，(a)最小尺度，显示窗[00.0005]；(b)次小尺度，显示窗[00.0011]；(c)次大尺度，显示窗[00.0015]；(d)最大尺度，显示窗[0.0150.025]；图5各尺度内去噪图像，(a)最小尺度，显示窗[00.0005]；(b)次小尺度，显示窗[00.0011]；(c)次大尺度，显示窗[00.0015]；(d)最大尺度，显示窗[0.0150.025]；图6各尺度内补偿图像，(a)最小尺度，显示窗[00.0005]；(b)次小尺度，显示窗[00.0011]；(c)次大尺度，显示窗[00.0015]；(d)最大尺度，显示窗[0.0150.025]；图7为去噪合成CT图像；图8原始图像与去噪合成图像间的差异图像；具体实施方式下面将结合附图和具体实施例对本发明进行详细描述。1.在一个实施例中，输入CT机采集的原始CT图像，原始CT图像由于成像剂量限制而含有大量噪声，验证本发明相关算法对CT图像去噪的有效程度。2.上述技术方案中，所述的原始CT图像如图3，可发现图像中含有很大的噪声。以原始CT图像参考频率fr＝0.6lp/mm为基准，基于各向同性扩散方程对原始CT图像做图像域多尺度分解，可得到多尺度分解图像如图4。3.上述技术方案中，所述的图像细节与噪声分解到小尺度子空间，而大范围图像背景分解到大尺度子空间，同时采用去噪强度系数r控制多尺度分解过程。4.上述技术方案中，所述的以各向异性热扩散方程或PWLS算法，对各尺度内图像去噪；去噪强度系数r，同时控制尺度内去噪强度；参见图5各尺度内去噪图像。5.上述技术方案中，所述对去噪后残余边缘进行平滑、增强与补偿，减少图像细节损失；可得到图6-补偿后图像，使得在图像去噪同时，边缘信息保持良好。6.上述技术方案中，所述的对所有尺度去噪、增强、补偿后图像依像素求和，最终得到去噪合成CT图像如图7。7.上所述的具体实施方式对本发明的技术方案和有益效果进行了详细说明，应理解的是所述仅为本发明的最优选实施例，并不用于限制本发明，凡在本发明的原则范围内所做的任何修改、补充和等同替换等，均应包含在本发明的保护范围之内。当前第1页1 2 3