[发明专利]低剂量DR图像降噪方法及系统

说明书

本发明实施例提供一种低剂量DR图像降噪方法及系统，该方法包括：通过对原始低剂量高噪声DR图像进行滤波处理；其中，滤波处理包括自适应高斯频域滤波和带引导图的非局域均值滤波；将滤波处理后获得的图像组成的双通道张量输入至图像降噪模型，获得图像降噪模型输出的目标归一化矩阵；根据原始低剂量高噪声DR图像的灰度区间及目标归一化矩阵获得目标降噪图像。本发明实施例基于图像本身信息并结合深度神经网络，可以满足成像实时性要求，具有成像效果好，泛化能力强等特点。

技术领域

本发明涉及图像处理领域，更具体地，涉及一种低剂量DR图像降噪方法及系统。

背景技术

利用医用X射线进行人体检测的设备如数字平板X线成像系统(DR)，由于其具有图像分辨率高，成像稳定，成像速度快等特点，被广泛应用于医学检测与治疗。然而由于X射线辐照对于生物组织具有一定的负面作用，使用更低剂量的X射线辐照成为必须。

但是，当X射线剂量降低而不改变探测器的探测效率时，会造成后续成像质量严重地下降。X射线剂量降低会导致探测器信噪比降低，在图像上就会显现出大量的噪声，这些噪声有可能破坏人体组织正常地成像结构纹理，影响医师通过X射线成像对疾病的诊断；噪声同时也会恶化图像整体质量，使人容易视觉疲劳，降低医师的工作效率。

通常而言，在X射线图像的噪声谱中存在一种同信号相关的泊松分布的噪声为主的噪声分布，这种噪声分布可以用以下的公式进行简要描述：

P_G(G(r))＝(λ(x)^αG(r) e^(-λ(r)))/αG(r)！

上式中，G表示的是r坐标下的灰度值，α是未知的系数，λ是一定时间内在该位置下的光子数目的期望。

针对图像的降噪任务，现有技术中设计了很多种降噪方法。但是，这些方法存在很多局限性，一些方法计算耗时严重，比如非局域均值滤波算法(Buades,Antoni,BartomeuColl,and Jean-Michel Morel.Non-local means denoising.Image Processing OnLine 1(2011):208-212.)，其难以满足在DR系统中实时成像的要去。有些算法，比如BM3D(Dabov,Kostadin,et al.BM3D image denoising with shape-adaptive principalcomponent analysis.2009.),设计重点针对的是高斯分布噪声，而非这种泊松分布噪声，因而在处理DR图像时难以满足既能保证图像分辨又能有效去除噪声的要求；还有一些算法本身的设计基于一些硬件条件，这导致其并不能很好地迁移到其他机型上。

发明内容

为了解决上述问题，本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的低剂量DR图像降噪方法及系统。

根据本发明实施例的第一方面，提供一种低剂量DR图像降噪方法，该方法包括：对原始低剂量高噪声DR图像进行滤波处理；其中，滤波处理包括自适应高斯频域滤波和带引导图的非局域均值滤波；将滤波处理后获得的图像组成的双通道张量输入至图像降噪模型，获得图像降噪模型输出的目标归一化矩阵；其中，图像降噪模型是经样本DR图像数据训练后获得的；根据原始低剂量高噪声DR图像的灰度区间及目标归一化矩阵获得目标降噪图像。

根据本发明实施例第二方面，提供了一种低剂量DR图像降噪系统，该系统包括：滤波模块，用于对原始低剂量高噪声DR图像进行滤波处理；其中，滤波处理包括自适应高斯频域滤波和带引导图的非局域均值滤波；输入模块，用于将滤波处理后获得的图像组成的双通道张量输入至图像降噪模型，获得图像降噪模型输出的目标归一化矩阵；其中，图像降噪模型是经样本DR图像数据训练后获得的；降噪模块，用于根据原始低剂量高噪声DR图像的灰度区间及目标归一化矩阵获得目标降噪图像。