[发明专利]一种基于加权编码的低剂量CT图像去噪方法

权利要求书

1.一种基于加权编码的低剂量CT图像去噪方法，其特征在于，所述去噪方法主要包括如下步骤为：

(1)首先对含噪图像y，将图像y中心区域的点进行分类，分为平坦区域的点、边缘点和噪点，对中心区域中平坦区域的点、边缘点以及中心区域外的点不进行替换，中心区域的噪点用其和周围共13个像素的灰度值的均值替换，得到第一步处理后的图像y′；

(2)然后将y′作为含噪图像输入稀疏非局部正则化加权编码方法，选用局部PCA字典，对目标问题与子问题及参数进行迭代，当满足预设的终止条件时，图像y″即为基于灰色关联度和稀疏非局部正则化加权编码的去噪方法的结果。

2.如权利要求1所述的基于加权编码的低剂量CT图像去噪方法，其特征在于，所述的基于灰色关联度的方法与稀疏非局部正则化加权编码方法的具体流程步骤为：

3.如权利要求1所述的基于加权编码的低剂量CT图像去噪方法，其特征在于，所述基于灰色关联度的方法与稀疏非局部正则化加权编码方法的评价指标为PSNR和SSIM。

4.如权利要求1所述的基于加权编码的低剂量CT图像去噪方法，其特征在于，所述基于灰色关联度的方法与稀疏非局部正则化加权编码方法可选用256*256的Shepp-Logan头模型作为实验对象。

5.如权利要求4所述的一种基于加权编码的低剂量CT图像去噪方法，其特征在于，所述Shepp-Logan头模型中的图像是由10个位置、大小、方向、密度各不同的椭圆组成。

6.如权利要求5所述的一种基于加权编码的低剂量CT图像去噪方法，其特征在于，所述椭圆的不同的灰度值可以模拟不同组织的衰减系数。

7.如权利要求4所述的一种基于加权编码的低剂量CT图像去噪方法，其特征在于，所述Shepp-Logan的图像上分别添加不同比例的高斯噪声与椒盐脉冲噪声的混合噪声，分别用EP median filter方法、WESNR方法和本发明方法对图像进行去噪。

8.如权利要求1所述的基于加权编码的低剂量CT图像去噪方法，其特征在于，所述基于灰色关联度的方法与稀疏非局部正则化加权编码方法还可选用512*512像素的颅脑CT图像为实验对象。

9.如权利要求1-8任一项所述的基于加权编码的低剂量CT图像去噪方法，其特征在于，所述基于灰色关联度的方法与稀疏非局部正则化加权编码方法的混合噪声模型为：

对于尺寸为m×n图像x，记x_i,j为位于(i,j)处的灰度值，设y为图像x的观测图像，对于添加了高斯噪声，y中的像素点y_i,j被定义为y_i,j＝x_i,j+v_i,j，其中v_i,j是独立同分布的噪声；对于添加了椒盐脉冲噪声，由[d_min,d_max]表示观测图像y像素的动态范围，对于椒盐脉冲噪声的概率为s，0≤s≤1，那么y_i,j＝d_min的概率为s/2，y_i,j＝d_max的概率为s/2，因此混合了高斯噪声和椒盐脉冲噪声后的观测图像可以描述为：

10.如权利要求9所述的基于加权编码的低剂量CT图像去噪方法，其特征在于，所述基于灰色关联度的方法与稀疏非局部正则化加权编码方法用于低剂量CT图像去噪。