[发明专利]基于MFDF分解框架与NSST的医学CT图像去噪方法

说明书

基于MFDF分解框架与NSST的医学CT图像去噪方法，包括如下步骤：步骤1)建立医学CT图像模型；步骤2)计算图像的梯度与偏导值；步骤3)通过MFDF框架将CT图像分解；步骤4)分别对J1,和J3进行非下采样剪切波去噪得到去噪后的MFDF分量Jrec1,Jrec3。步骤5)对去噪后的MFDF分量进行MFDF逆变换。本发明通过实验分析与去噪领域中其他算法进行了对比，有效的应用在医学CT去噪领域；通过MFDF框架分解CT图像得到三个分量，通过改进阈值算法更好的应用在各个分量经过NSST分解的高频子带和低频子带中。通过了大量的实验数据对比，提出了基于MFDF分解框架与非下采样剪切波变换的医学CT图像去噪方法，能够更好的有帮助医师的分析诊断。

技术领域

本发明涉及一种医学CT图像去噪方法

背景技术及意义

随着科技的发展，在医学成像领域，超声成像、CT、MRI等成像技术已应用于医学临床诊断中。CT扫描,也被称为计算机断层扫描,利用计算机处理许多的组合x射线测量了从不同角度产生的横断面的特定区域扫描对象,允许用户看到对象的内部并且没有削减。由于CT成像技术检查为横断面成像，可以通过图像重建，任意方位显示组织或器官，对病变显示更为全面，防止遗漏；具有高密度分辨率，对有密度改变的细微病变也能显示出来，可以明确病变的性质；此外，CT具有无创、成像快等优势已经成为一种广泛使用且高度安全的医疗诊断技术。

均匀物体的影像中各象素的CT值参差不齐，图像呈颗粒性，影响密度分辨力，这种现象称CT的噪声。其来源有探测器方面的，如探测器的灵敏度，象素大小，层厚及X线量等。还有电子线路及机械方面的，重建方法及散乱射线等也会引起噪声。噪声与图像的质量成反比，因此要了解噪声产生的机制，尽量加以抑制。

在过去的二十年中，人们大量地研究了在保持图像的主要特征(边缘、纹理、颜色、对比度等)的同时去除图像噪声的问题，本发明使用医学CT为研究对象，由于CT成像不免受到各种物理因素的影响，斑点噪声的存在严重影响了CT图像的质量，导致了医学图像质量较差。斑点噪声在图像上表现为空间域内相关的形状各异的小斑点，它将掩盖那些灰度差别很小的图像特征。而传统的滤波方法往往会破坏CT图像原有的图像特征结构。对于临床医生而言，斑点噪声对他们的准确诊断造成了很大的干扰，即使是滤波后的图片，也会因为滤波破坏的图像结构信息影响他们的判断，特别是对于经验不是很丰富的医生造成的影响更大。因此，从临床应用的角度出发，需要研究对CT医学图像保持图像结构信息的去噪方法，为医生做出更准确的诊断提供技术支持，降低人工诊断的风险。

综上所述，研究医学CT医学图像保持图像结构信息的去噪方法具有非常重要的意义。

发明内容

为了克服传统滤波方法在保留图像结构信息上的不足，以及为了克服小波分析处理高维数据稀疏能力的不足，本发明提供了一种基于MFDF分解框架与非下采样剪切波变换(non-subsampled shearlet transform)医学CT图像去噪算法,用于解决医学CT图像去噪。

现有技术中，许多经典的滤波方法已经在图像滤波方面发挥了重大的作用，但是这些方法往往会破坏图像原有的例如图像边缘等结构信息，小波变化能很好的用于图像去噪并且有效的抓住一维奇点，但不能反映直线和曲线的突变。脊波变换可以很好的捕捉线的奇异性，弥补小波的不足，但是仍然不能有效的捕捉曲线的奇异性。近些年来，通过离散剪切波算法对医学图像的处理，使得对医学图像去噪技术领域有一定的突破。本发明上将MFDF分解框架结合剪切波工具包用到医学CT噪声图像中，发明了具有速度快、去噪明显的，保留图像结构信息更强的医学CT图像去噪声方法，最后通过仿真验证了方法的可行性与优化的效果。