ct图像处理系统及其处理方法
技术领域
1.本发明属于ct图像处理技术领域，具体涉及一种ct图像处理方法和一种ct图像处理系统。
背景技术：
2.近年来，ct成像技术越来越广泛地应用在口腔、牙齿、肺部以及头部等不同人体部位的诊断与治疗过程中，通过获取各个人体部位的ct图像，能够辅助相关疾病的诊断。在ct成像过程中，ct图像的噪声来源主要包括量子噪声、ct硬件系统固有的限制所引入的噪声以及图像生成过程中引入的噪声。
3.由于ct图像的噪声对诊断结果影响较大，并且传统的图像噪声方差估计方法在处理具有较多内容变化或者丰富纹理信息的图像时,往往容易造成较大的估计偏差，因此对ct图像进行去噪处理，是图像处理领域研究的热点。
4.公开号为：cn112927152a，主题名称为“ct图像去噪处理方法、装置、计算机设备及介质”的发明专利，其技术方案公开了“一种ct图像去噪处理方法，所述ct图像去噪处理方法包括：加噪处理第一ct真实图像集，得到第一ct噪声图像集；根据预设部位分类所述第一ct噪声图像集，得到第一ct噪声图像子集，并根据所述第一ct噪声图像子集配置任务集；基于所述任务集进行元迁移学习，得到预设元模型的目标元模型参数；确定预设的对应目标部位的初始ct图像去噪模型，并根据所述目标元模型参数更新所述初始ct图像去噪模型，得到目标ct图像去噪模型；获取待去噪的第二ct噪声图像，并调用所述目标ct图像去噪模型处理所述第二ct噪声图像，得到第二ct去噪图像；计算对应所述目标部位的第二ct真实图像与所述第二ct去噪图像的损失值，并检测所述损失值是否小于预设损失阈值要求；当检测结果为所述损失值小于预设损失阈值要求时，调用所述目标ct图像去噪模型处理所述第二ct真实图像，得到目标ct图像”；
5.以上述发明专利为例，其虽然提及了ct图像的去噪处理，但是其技术方案与本发明的不同。
6.因此，针对上述问题，予以进一步改进。
技术实现要素：
7.本发明的主要目的在于提供ct图像处理系统及其处理方法，其有效地对ct图像噪声方差进行评估，以提高ct图像的诊断精度。
8.本发明的另一目的在于提供ct图像处理系统及其处理方法，其通过ct噪声图像的特征值进行计算，该特征值对图像细节内容不敏感，这有利于提高方法的稳定性。
9.本发明的另一目的在于提供ct图像处理系统及其处理方法，相比于传统的去噪方法，本发明具有更好的去噪效果,这有利于提高方法的准确性。
10.本发明的另一目的在于提供ct图像处理系统及其处理方法，不仅可以为图像去噪算法提供更优的参数,也可以为具有不同噪声大小的图像提供更为精确的估计参数，这有
利于提高方法的鲁棒性。
11.为达到以上目的，本发明提供一种ct图像处理方法，用于ct图像的噪声方差评估，包括以下步骤：
12.步骤s1：将获取的ct噪声图像进行第一处理，以获得ct噪声图像的初步噪声方差值并且对初步噪声方差值进行第一误差处理(获得在预设精确范围之内的初步噪声方差值)；
13.步骤s2：将获得的ct噪声图像根据预设的列表长度和步长进行第二处理，以获得相匹配的噪声方差列表并且在噪声方差列表中将初步噪声方差值作为最大值；
14.步骤s3：将获得的噪声方差列表中的每个噪声方差数值作为图像去噪算法(优选为bm3d)中需要预设的噪声参数并且按照噪声方差列表中的顺序对ct噪声图像进行滤除处理，以获得滤波后的图像列表并且对图像列表进行第二误差处理(利于步骤s4中的特征值提取的准确性)；
15.步骤s4：对滤波前后的ct噪声图像通过特征值模型进行特征值提取，并且将特征值作为每幅ct噪声图像所对应的噪声(方差)参数的权重，然后通过局部均值法进行计算，以获得ct噪声图像的最终噪声方差评估值。
16.作为上述技术方案的进一步优选的技术方案，步骤s4中特征值的提取具体实施为以下步骤：
17.步骤s4.1：对ct噪声图像进行取均值和归一化处理，以获得ct噪声图像的去均值对比度归一化特征；
18.步骤s4.2：通过非对称广义高斯分布模型对获得的去均值对比度归一化特征进行处理，以获得ct噪声图像失真程度与特征值模型变化之间的变化关系；
19.步骤s4.3：对特征值进行领域对的相关量化处理，以实现对每幅ct噪声图像提取预设的特征值的数量。
20.作为上述技术方案的进一步优选的技术方案，步骤s2中，噪声方差列表为根据初步噪声方差值生成的多组噪声方差候选值。
21.作为上述技术方案的进一步优选的技术方案，步骤s4中，将特征值对应的矢量距离作为每幅ct噪声图像所对应的噪声(方差)参数的权重。
22.为达到以上目的，本发明还公开了一种ct图像处理系统，用于实施所述的一种ct图像处理方法。
具体实施方式
23.以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。
24.在本发明的优选实施例中，本领域技术人员应注意，本发明所涉及的ct图像、ct噪声图像等可被视为现有技术。
25.优选实施例。
26.本发明公开了一种ct图像处理方法，用于ct图像的噪声方差评估，包括以下步骤：
27.步骤s1：将获取的ct噪声图像进行第一处理，以获得ct噪声图像的初步噪声方差值并且对初步噪声方差值进行第一误差处理(获得在预设精确范围之内的初步噪声方差值)；
28.步骤s2：将获得的ct噪声图像根据预设的列表长度和步长进行第二处理，以获得相匹配的噪声方差列表并且在噪声方差列表中将初步噪声方差值作为最大值；
29.步骤s3：将获得的噪声方差列表中的每个噪声方差数值作为图像去噪算法(优选为bm3d)中需要预设的噪声参数并且按照噪声方差列表中的顺序对ct噪声图像进行滤除处理，以获得滤波后的图像列表并且对图像列表进行第二误差处理(利于步骤s4中的特征值提取的准确性)；
30.步骤s4：对滤波前后的ct噪声图像通过特征值模型进行特征值(优选为nss特征值)提取，并且将特征值作为每幅ct噪声图像所对应的噪声(方差)参数的权重，然后通过局部均值法进行计算，以获得ct噪声图像的最终噪声方差评估值。
31.近年来，在空域中对图像的nss模型进行了分析，发现当图像出现失真情况时，nss模型也会产生不同程度的变化。nss变化的规律仅与图像发生失真的种类和程度有关，与图像中的内容没有太大的关系。考虑到图像受到噪声污染是造成图像发生失真的一种情况,因此，图像的nss模型会随着噪声的变化产生规律性变化。
32.具体的是，步骤s4中特征值的提取具体实施为以下步骤：
33.步骤s4.1：对ct噪声图像进行取均值和归一化处理，以获得ct噪声图像的去均值对比度归一化特征；
34.步骤s4.2：通过非对称广义高斯分布模型对获得的去均值对比度归一化特征进行处理，以获得ct噪声图像失真程度与特征值模型变化之间的变化关系；
35.步骤s4.3：对特征值进行领域对的相关量化处理，以实现对每幅ct噪声图像提取预设的特征值的数量。
36.更具体的是，步骤s2中，噪声方差列表为根据初步噪声方差值生成的多组噪声方差候选值。
37.进一步的是，步骤s4中，将特征值对应的矢量距离作为每幅ct噪声图像所对应的噪声(方差)参数的权重。
38.本发明还公开了一种ct图像处理系统，用于实施所述的一种ct图像处理方法。
39.值得一提的是，本发明专利申请涉及的ct图像、ct噪声图像等技术特征应被视为现有技术，这些技术特征的具体结构、工作原理以及可能涉及到的控制方式、空间布置方式采用本领域的常规选择即可，不应被视为本发明专利的发明点所在，本发明专利不做进一步具体展开详述。
40.对于本领域的技术人员而言，依然可以对前述各实施例所记载的技术方案进行修改，或对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围。