专利名称：一种低剂量ct图像滤波方法
技术领域：
本发明涉及一种图像滤波方法，尤其涉及一种低剂量CT图像滤波方法，属于医学图像处理技术领域。
背景技术：
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，通过调节管电流和电压以减少CT扫描剂量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。当前提高低剂量CT图像质量的算法主要分为基于投影空间数据的和图像空间数据的两大类，基于投影空间数据的算法主要通过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 Backprojection, 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。最近提出的基于大邻域像素加权平均(Weighted Intensity Averaging overLarge-scale Neighborhoods, WIA-LN)的图像去噪算法属于第二类方法,此方法能够利用CT图像域的全局信息来获得更好的去噪效果，其原理是认为在临床CT图像中，属于不同的器官或衰减组织的像素往往在图像分布于一个较大的尺度，而且属于相同器官或衰减组织的像素往往具有相似的邻域信息，所以在一个较大尺度里对每个像素根据其周围组织相似
度进行加权平均能够有效抑制图像中的噪声。定义t和11分别表示原低剂量CT图和处理后低剂量CT图里像素点i的灰度值，WIA-LN方法的思路如下:
权利要求
1.一种低剂量CT图像滤波方法，其特征在于，首先使用字典学习的方法对原始低剂量CT图像进行滤波，然后对得到的图像再进行非锐化滤波。
2.如权利要求1所述低剂量CT图像滤波方法，其特征在于，所述使用字典学习的方法对原始低剂量CT图像进行滤波，具体按照以下方法: 步骤1、使用DCT变换获得DCT字典Dtl ； 步骤2、对待滤波的原始低剂量CT图像I进行块状分解，得到图像I的块状分解表达矩阵M; 步骤3、以矩阵M作为输入数据，以字典Dtl作为初始字典，使用K-SVD训练算法对字典进行训练更新，得到训练后的字典D1 ； 步骤4、对矩阵M进行稀疏表达，得到稀疏系数矩阵X ;然后使用字典D1与稀疏系数矩阵X相乘得到矩阵Y_Denoise ； 步骤5、根据步骤2中块状分解的方法对矩阵Y_Denoise进行重组，得到滤波结果Y ;将Y与原始低剂量CT图像I进行插值，得到最终的滤波后的低剂量CT图像Z。
3.如权利要求2所 述低剂量CT图像滤波方法，其特征在于，所述非锐化滤波具体按照以下方法:对图像Z中的每个像素分别进行平滑处理，得到平滑处理后的图像Z';对图像Z和图像Z'进行差值运算，得到两者的差值图像；最后使用得到的差值图像对图像图像Z进行插值，得到最终的滤波后图像。
全文摘要
本发明公开了一种低剂量CT图像滤波方法，属于医学图像处理技术领域。本发明方法首先使用字典学习的方法对原始低剂量CT图像进行滤波，将原始低剂量CT图像中的块状噪声；然后对得到的图像再进行非锐化滤波，使被字典学习方法所抑制的图像边缘信息得到增强。本发明方法能够有效抑制低剂量CT图像中的星条状伪影和噪声，提高CT图像质量。
文档编号G06T5/00GK103226815SQ20131012219
公开日2013年7月31日 申请日期2013年4月10日 优先权日2013年4月10日
发明者陈阳, 余飞, 罗立民, 李松毅, 鲍旭东 申请人:东南大学