论文部分内容阅读
X射线计算机断层(Computed Tomography,CT)成像技术自提出以来就广泛应用于临床诊断。与其他放射学诊断方式相比,CT技术具有分辨率高、价格便宜等优点,但过量的X射线照射可能会增加癌症、遗传病以及白血病的发病率,且辐射的剂量会在病人体内累积。所以,控制辐射剂量以获得低剂量CT(LDCT)图像具有重要意义。降低辐射剂量的方式有许多种,其中降低管电流是最简单有效的,所以也最常用。但管电流的降低会在投影数据中引入量子噪声,导致重建的CT图像中产生斑点噪声和条形伪影,严重干扰医生对病症的诊断,所以提高低剂量扫描条件下重建的CT图像质量具有重要的临床意义。为了改善低剂量CT图像的质量,本文从稀疏表示理论、非局部均值理论、形态分量分析和偏微分方程方法等角度进行深入研究,提出了三种低剂量CT图像域后处理算法。主要包含的内容如下:(1)为了解决非局部中心稀疏表示(Nonlocally Centralized Sparse Representation,NCSR)算法处理低剂量CT图像会残留条形伪影,不能很好地保护细节信息,且具有较高的计算复杂度等问题,本文提出了一种基于固定主成分分析(Principal Component Analysis,PCA)子字典、NCSR和相对总变分(Relative Total Variation,RTV)的低剂量CT图像后处理算法,称为SNCSR模型。在SNCSR模型中,为了学习更准确的子字典,低剂量CT图像由改进的总变分(Improved Total Variation,ITV)模型预处理,ITV正则项的加权系数是由截尾正则化的局部测度构造的。另外,为了更稀疏地表示恢复的图像,用图像块的梯度协方差矩阵的最大特征值区分结构信息和背景区域。此外,SNCSR模型在迭代开始之前仅学习一次固定子字典,不像NCSR模型在每一次外循环中都学习子字典,显著缩短了算法的运行时间。最后,用RTV模型进行滤波,进一步去除恢复图像中残留的条形伪影。在仿真骨盆体模、实际胸腔体模和临床腹部数据上进行的实验表明,与其他几种对比去噪算法相比,所提出的SNCSR模型具有较低的计算复杂度,可以更有效地提高低剂量CT图像质量。(2)提出一种基于分离(Separation-Based,SEPB)的算法用于抑制低剂量CT图像中的斑点噪声和条形伪影。其中,通过图像分解算法RC将低剂量CT图像分解为残余斑点噪声的结构图像和残余结构细节的条形伪影图像。通过K-奇异值分解(K-SVD)算法对结构图像进行滤波去除残余的斑点噪声,并且通过形态分量分析(Morphological Component Analysis,MCA)理论提取条形伪影图像中的结构细节。将提取的结构细节加到滤波的结构图像中得到低剂量CT结果图像。同时,在提取结构细节的过程中,用局部直觉模糊熵校正从条形伪影图像中学习的条形伪影字典,即去除其中的结构原子。在仿真改进Shepp_Logan体模数据和仿真骨盆体模数据上进行实验验证所提SEPB算法的有效性,实验结果表明,SEPB算法在主观视觉效果和客观评价指标方面都具有较好的表现。(3)提出了一个新型的总变分(Novel Total Variation,NTV)模型。因为细节区域的标准差和灰度概率大于噪声背景区域,边缘的梯度模大于噪声背景区域,因此NTV模型正则项的加权系数由标准差、灰度概率和梯度模构成,使模型自适应地平滑低剂量CT图像。此外,为了有效地保护边缘和细节,NTV模型的保真项由三维块匹配(Block-Matching 3D,BM3D)滤波模型构造,因为它能较好地保持边缘和细节。在仿真改进Shepp_Logan体模数据、仿真骨盆体模数据和实际胸腔体模数据上进行实验,与其他几种对比算法相比,主观视觉效果和客观评价指标均表明NTV模型能更有效地消除斑点噪声和条形伪影,并保护边缘和细节。