[发明专利]一种自适应中值滤波的CT图像去噪方法

说明书

本发明公开了一种自适应中值滤波的CT图像去噪方法，属于医学图像处理技术领域，特别适合于新冠肺炎的CT图像去噪。选取尺寸为n×n的方形滤波窗口，比较窗口内灰度值的自适应最大值自适应最小值与当前像素点灰度值f(i,j)，依据第一阈值T₀判断当前像素点是否为疑似噪声点，若是，再根据第二阈值T₁进一步精确判断是否为噪声点；若当前像素点不为疑似噪声点或噪声点，则遍历窗口内的下一像素点；通过中心加权中值滤波的方法处理噪声点；最后输出中值滤波去噪后的CT图像。在保持图像去噪的同时更好地保护了图像细节；通过改进熵权法修正传统熵权法传递信息存在偏差的问题，通过各项评价指标对去噪效果的贡献值确定中心加权滤波的最优权重，从而达到最优去噪效果。

技术领域

本发明涉及图像信号处理技术领域，具体涉及一种基于自适应中值滤波的CT图像去噪方法，适合于肺炎CT图像的滤波处理，特别适合于新冠肺炎的CT图像去噪，属于医学图像处理技术领域。

背景技术

新冠肺炎的病灶特点主要表现为各种形态的磨玻璃影，或者伴有实变影，CT图像在传输和获取过程中会受到脉冲噪声的干扰。新冠早期病灶变化不明显，病灶数目较少，病灶范围较小，密度较低，脉冲噪声干扰容易造成早期新冠患者漏诊的问题。

针对传统CT图像脉冲噪声去噪算法中值滤波器易受到窗口尺寸的影响，当窗口尺寸过小时，中值滤波容易受到周围像素点的干扰，从而使原来信号点的灰度值被替换成噪声点的灰度值，使得图像去噪能力受到限制，而无法正确的去除噪声。当窗口尺寸过大时，噪声点的干扰能力会大幅降低，能在很大程度上提高图像去噪能力，但会导致图像细节(例如边缘，线条，角等)遭到破坏。因此，传统中值滤波很难在图像去噪和保留图像细节中有着较好的表现。

发明内容

针对这些上述缺点，本发明提出多级阈值中心加权自适应中值滤波算法，通过采用多级阈值方法，更大程度上降低了对信号点的误判，在保持图像去噪的同时更好地保护了图像细节。通过对图像中心像素点赋予权重，权重的大小受窗口尺寸的影响，当该点为信号点时，通过权重的性质，极可能使该点排在中间位置，相反，当该点为噪声点时，会排在较后位置，通过修正像素权值后，中值运算在一定程度上加强了非噪声像素对噪声修复的主导作用。随着中值滤波迭代次数的不断增多，图像细节信息会逐渐减小，因此只有设置一个终止迭代条件，才能得到最佳滤波效果，拟提出变步长凸组合范数的去噪迭代终止准则，在减小图像去噪失真的情况下，加快原算法的收敛速度，减小中值滤波的计算量。

本发明根据CT图像在获取时易产生脉冲噪声的特点，以及为了能够适应新冠早期病灶变化不明显，病灶数目较少，密度较低的问题，提出了一种基于多级阈值中心加权自适应中值滤波的新冠肺炎CT图像去噪方法，包括以下步骤：

S10，选取尺寸为n×n的方形滤波窗口，比较窗口内灰度值的自适应最大值自适应最小值与当前像素点灰度值f(i,j)，依据第一阈值T₀，若或则初步判断该点为疑似噪声点；若不为疑似噪声点，则遍历窗口内的下一像素点；

S20，通过中值滤波方法处理所述疑似噪声点；

S30，输出中值滤波去噪后的CT图像。

其中，关于第一阈值T₀的选择，因第一阈值是噪声点检测的目的是为了找出疑似的噪声点。传统手段是基于极值判断噪声点，但一些图像存在亮度突变或颜色差异等，这种因素会导致像素灰度值的差异变大，若采用极值去判断噪声点，会将信号点误判为噪声点，故该方法不能成为噪声点的决定性判断依据。若噪声像素值趋于极值，可以先判断当前像素灰度值是否接近极值，需要去与该像素点周围的像素点灰度值去比较，计算每一个像素点灰度值与灰度自适应最大值和灰度自适应最小值、灰度中值、灰度平均值的绝对平均差。采用该平均差来作为阈值T₀，固定阈值无法适应图像的亮度突变或颜色差异等情况，采取使用随窗口多均值大小变化的可变动态阈值更好解决此类难点，因此，T₀通过下式来计算：