基于滑动窗口差值和条带噪声检测的CBCT环形伪影消除方法与流程

本发明属于医学图像数据处理领域，涉及cbct环形伪影消除技术，具体是基于滑动窗口差值和条带噪声检测的cbct环形伪影消除方法。

背景技术：

cbct(cone-beamcomputedtomography)以其低剂量、快捷等优势应用于辅助引导质子肿瘤治疗，因此重建cbct图像的质量尤为重要。通常，由于采集设备的响应器件老化、三维重建算法(fdk是一种近似算法)不足、以及患者扫描过程中出现的运动等等都会造成重建后的cbct图像存在不同程度的伪影。

针对cbct图像中的环形伪影，现有的解决办法主要是将cbct图像从直角坐标系转到极坐标下，这样环形伪影变为垂直直线噪声，使得环形伪影的检测变的更加简单。有的方法是直接在极坐标下进行l0范型滤波，平滑掉噪声的同时也使图像的细节部分缺失严重，而且，坐标转换需要重新进行插值运算，进一步的改变了原有图像。也有方法直接把cbct的环形伪影当成噪声图像，利用去噪方法，如ddid(dual-domainimagedenoising)、利用双边滤波保留边缘细节，在去除噪声的基础上保留图像细节。最终cbct图像环形伪影消除算法转化为对整体图像进行去噪保质的过程。而当环形伪影的特征不是特别明显，转换至极坐标系下将无法准确地检测出垂直直线；单纯地使用滤波方法直接去除所有噪声也是一个整体降质的过程。

技术实现要素：

本发明的目的在于提供一种基于滑动窗口差值和条带噪声检测的cbct环形伪影消除方法，其提供了一种条带检测和优化的方法。

本发明解决其技术问题采取的技术方案是：对cbct图像中存在的特征微小的环形伪影，通过滑动窗口差值提取边缘特征，通过水平方向的梯度图像检测条带噪声，再利用边缘特征来优化条带噪声，在cbct图像的基础上通过对噪声区域的插值方法达到消除环形伪影的目的。

本发明的目的可以通过以下技术方案实现：

基于滑动窗口差值和条带噪声检测的cbct环形伪影消除方法，该方法包括下述步骤：

步骤一：对cbct图像中存在的特征微小的环形伪影；

步骤二：通过滑动窗口差值提取边缘特征；

步骤三：通过水平方向的梯度图像检测条带噪声；

步骤四：再利用边缘特征来优化条带噪声；

步骤五：在cbct图像的基础上通过对噪声区域的插值方法达到消除环形伪影的目的。

进一步地，所述步骤二中通过滑动窗口差值提取边缘特征的过程包括以下步骤：

1)对cbct图像进行灰度化并转换至极坐标下，此时环形伪影的特征表现为垂直直线；

2)在极坐标系下，通过滑动窗口，搜索窗口内的最大值和最小值，将最大值与最小值的差值赋给滑动窗口中心点，最终生成差值图像；

3)在差值图像的基础上，通过阈值法进行二值化操作，生成边缘特征图像。

进一步地，在步骤2)中，通过窗口内最大值和最小值之间的差值消除条带部分的影响，滑动窗口大小可以设置为3至9区间内的奇数。

进一步地，在步骤3)中通过阈值法进行二值化操作，阈值的大小可以设置为差值图像的平均数。

进一步地，所述步骤三中的通过水平方向的梯度图像检测条带噪声的过程包括以下步骤：

1)对cbct图像进行灰度化并转换至极坐标下；

2)在极坐标下，利用sobel算子求取水平方向的梯度图像，再通过区域生长法，在八邻域内去除小区域目标；

3)计算每一列中，连续不为零的直线；设置阈值，将长度小于等于阈值的列全部赋值为0，大于阈值的赋值为1，生成条带噪声图像。

进一步地，所述步骤四种利用边缘特征来优化条带噪声的过程包含为以下步骤：

1)将边缘特征图像和条带噪声图像进行叠加，在叠加的情况下，边缘特征图像与条带噪声图像在任意点具有相同的位置；

2)遍历条带噪声图像，在任意位置下，当条带噪声图像的像素值不为零，且边缘特征图像的像素值为零的情况下，视该位置点为噪声点，赋值为1，否则赋值为0；

3)对条带噪声图像进行形态学操作即进行膨胀操作，扩大边缘。

进一步地，所述步骤五中通过对噪声区域的插值方法来消除噪声的过程包含为以下步骤：

1)将条带噪声二值图像转换到直角坐标系下，此时与原始cbct图像具有相同的坐标；

2)遍历原始cbct图像，在条带噪声二值图像中的条带噪声区域即像素值不为零区域，利用原始cbct图像噪声周边区域的像素点对其进行内插，最终获取去噪图像。

本发明的有益效果：

本发明针对cbct图像中存在的特征微小的环形伪影，通过检测边缘特征来优化条带噪声，在不对整体图像处理的前提下，最大限度地消除环形伪影。而且对于cbct重建图像的每一层而言，其环形伪影具有一致性，即均处在相同的位置，所以检测一层数据的环形伪影即可对每一层数据进行环形伪影消除。本发明提出一种快速、保真的cbct环形伪影消除方法。

附图说明

为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。

图1是本发明消除cbct环形伪影的一种方法流程图；

图2-a是本发明实时案例所采用的cbct一层切片数据，为原始数据；

图2-b是本发明cbct原始数据转换至极坐标系下的图像；

图3-a是本发明在极坐标系下，采用sobel算子提取水平方向的梯度图像；

图3-b是本发明在极坐标系下，通过滑动窗口差值法获取的边缘特征图像；

图4-a是本发明在极坐标系下，优化提取后的条带噪声直线；

图4-b是本发明检测的条带噪声直线转换至直角坐标系下图像；

图5是本发明在检测条带噪声的基础上进行环形伪影消除的结果图像。

具体实施方式

为能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本发明进行详细阐述。下文的公开提供了实施例用来实现本发明的结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。

如图1所示，本发明的一种基于滑动窗口差值和条带噪声检测的cbct环形伪影消除方法，它对特征微小的环形伪影，通过滑动窗口差值提取边缘特征，通过水平方向的梯度图像检测条带噪声，再利用边缘特征来优化条带噪声，在cbct图像的基础上通过对噪声区域的插值方法达到消除环形伪影的目的。

下面以cbct一层切片数据为实施案例，结合附图和技术方案进一步说明本发明的具体实施方式。

通过滑动窗口差值提取边缘特征的过程包括以下步骤：

1)对cbct图像进行灰度化并转换至极坐标下，此时环形伪影的特征表现为垂直直线，如附图2-b所示，特征微弱的环形伪影在极坐标下也同样不是特别明显；

2)在极坐标系下，通过滑动窗口，搜索窗口内的最大值和最小值，将最大值与最小值的差值赋给滑动窗口中心点，最终生成差值图像。由于条带噪声比周边要暗，所以通过滑动窗口差值将会削弱条带噪声的影响；

3)在差值图像的基础上，通过阈值法进行二值化操作，生成边缘特征图像，见附图3-b；

在步骤2)中，通过窗口内最大值和最小值之间的差值消除条带部分的影响，滑动窗口大小一般设置为3至9区间内的奇数。

在步骤3)中，阈值的大小通常设置为差值图像的平均数。

通过水平方向的梯度图像检测条带噪声的过程包括以下步骤：

1)对cbct图像进行灰度化并转换至极坐标下；

2)在极坐标下，利用sobel算子求取水平方向的梯度图像(见附图3-a)，其中，所选择的sobel算子为3×3矩阵，按行排列依次为[-101]，[-202]，[-101]。在sobel算子的基础上再通过区域生长法，在八邻域内去除小区域目标；

3)计算每一列中，连续不为零的直线；设置阈值为100，将长度小于等于阈值的列全部赋值为0，大于阈值的赋值为1，生成条带噪声图像；

利用边缘特征来优化条带噪声的过程包含为以下步骤：

1)将边缘特征图像和条带噪声图像进行叠加，在叠加的情况下，边缘特征图像与条带噪声图像在任意点具有相同的位置；

2)遍历条带噪声图像，在任意位置下，当条带噪声图像的像素值不为零，且边缘特征图像的像素值为零的情况下，视该位置点为噪声点，赋值为1，否则赋值为0，见附图4-a；

3)对条带噪声图像进行形态学操作(膨胀)，扩大边缘；

通过对噪声区域的插值方法来消除噪声的过程包含为以下步骤：

1)将条带噪声二值图像转换到直角坐标系下，此时与原始cbct图像具有相同的坐标；

2)遍历原始cbct图像，在条带噪声二值图像中的条带噪声区域(像素值不为零)，利用原始cbct图像噪声周边区域的像素点对其进行内插，最终获取去噪图像，见附图5；

本发明针对cbct图像中存在的特征微小的环形伪影，通过检测边缘特征来优化条带噪声，在不对整体图像处理的前提下，最大限度地消除环形伪影。而且对于cbct重建图像的每一层而言，其环形伪影具有一致性，即均处在相同的位置，所以检测一层数据的环形伪影即可对每一层数据进行环形伪影消除。本发明提出一种快速、保真的cbct环形伪影消除方法。

以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。