[发明专利]一种去除CT图像噪声的方法及装置

说明书

技术领域

本发明涉及图像去噪技术领域，特别是一种去除CT图像噪声的方法及装置。

背景技术

计算机断层扫描(CT)作为一种成熟的在临床上普遍认可的检查方法，它的辐射剂量问题已经引起了人们越来越多的关注。在目前的CT中，常通过降低管电流、管电压以减少CT剂量，但这样将会增加图像的块状和粒状噪声，降低图像质量，影响临床医生的诊断。

当前提高低剂量CT图像质量的方法主要分为基于投影空间数据和基于图像空间数据两大类。各向异性滤波器和小波的多尺度分析即为基于图像空间数据的非线性自适应滤波降噪方法，各向异性滤波器能够使CT图像中的低频段小梯度噪声得到有效遏制，然而CT的高频段噪声通常具有较大的梯度，因而通常被各向异性扩散滤波器视为边缘而不能去除。同时，这种降噪方法通常会在滤除噪声的同时，损失图像的原有边缘和低对比度分辨力。针对上述现有技术存在的问题，本发明提出的技术方案，能够提取并滤除CT高频段噪声，在降噪的同时，能保持图像边缘和原有的对比度。

发明内容

针对现有技术不能有效地去除CT图像的高频噪声，并且会在去噪的同时损失图像边缘和对比度的问题，本发明提供的一种去除CT图像噪声的方法，包括如下步骤：

步骤一：估计图像的组织权重；

步骤二：估计图像的噪声等级；

步骤三：计算去噪参数；

步骤四：对图像进行各向异性扩散滤波；

步骤五：对滤波输出的图像进行边缘增强；

步骤六：对图像进行细节增强及对比度修正；

步骤七：裁切图像并输出结果。

所述步骤一包括如下步骤：

a)配置初始参数：组织均值Tissue、软组织第一门限值TissueUp、软组织第二门限值TissueDown、组织降噪权重SRange、平滑处理窗宽度K；

b)在显示视野DFOV范围内，对输入的图像做平滑宽度为K的图像平滑处理，得到每个像素点的平滑值smoothimage(i，j)；

c)算出输入图像的每个像素点的组织权重：

其中，x＝abs(smoothimage(i，j)-Tissue)，abs()表示取绝对值。

所述步骤二包括如下步骤：

a)对输入的图像进行降采样；

b)选取估算区域：在降采样得到的图像上选取一块方形区域作为估算区域EstimationRegion；

c)计算估算区域的组织权重：对估算区域内的每个像素值用所述估计图像的组织权重的方法估算其组织权重；

d)对估算区域加权：用组织权重对估算区域内的每一个像素点进行加权运算，得到加权后的图像像素值EstimationMap；

e)计算图像的内外包络：对加权后的图像像素值分别进行基于形态学的开运算和闭运算，分别得到图像的内包络和外包络；

f)计算噪声分布图：对内、外包络求平均值得到平滑分布图SmoothMap，并计算出噪声分布图NoiseMap＝abs(EstimationMap-SmoothMap)，abs()表示求绝对值；

g)直方图分析：对该噪声分布图做直方图分析，得到噪声等级估算值NoiseLevel。

所述估算区域位于降采样得到的图像的中心位置，为正方形区域。

所述基于形态学的开运算依次包括计算滤波核、对所述加权后的图像像素值EstimationMap进行腐蚀操作和对腐蚀操作得到的结果进行膨胀操作的步骤。

所述的计算滤波核进一步包括如下步骤：

a)求出所述加权后的图像像素值EstimationMap的最大值MaxValue和平均值MeanValue；

b)设定滤波核大小KernelSize、滤波核范围Range以及滤波参数Delta；

c)计算出每个像素点对应的滤波核初始值：

其中，(i，j)为每

个像素点值，FWSize＝(KernelSize+1)/2；

d)计算每个像素点对应的滤波核的准确值：

Kernel(i，j)＝Kernel_init(i，j)*max(Kernel_init(i，j))*TH，其中，TH＝(MaxValue-MeanValue)/Range，max()表示取最大。

所述基于形态学的闭运算依次包括计算滤波核、对所述加权后的图像像素值EstimationMap进行膨胀操作和对膨胀操作的结果进行腐蚀操作的步骤。