[发明专利]基于紧支撑的3D‑shearlet医学CT视频去噪方法

说明书

技术领域

本发明应用于医学CT视频图像去噪领域，设计一种适用于医学CT视频图像的基于紧支撑3D-shearlet变换医学视频图像去噪方法。

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成像的基本原理是用X射线对人体的某一部位的横断面进行扫描，人体的不同组织器官吸收一部分射线，另一部分衰变的射线则被CT机的探测器接收，并把这些接受到的X射线转变为可见光，再经过光电效应转换为电流，最后通过对比不同器官对X射线吸收能力的不同，可以通过探测器的模数转换最后形成CT视频图像，CT视频图像具有如下的特点：

1、对于人体组织的分辨率高，可以直接显示X线检查无法显示的器官和病变。

2、检查过程快速且安全，不需要患者动就能完成检查，对于行动不便且需检查的病人十分适合，另外CT还可以短期内多次检查，可以随时查看病情发展。

3、CT能产生具有连续的人体组织影像，能形成器官组织的层次感，利于发现组织异常，弥补了传统X线影像只能显示一个组织剖面的缺点，十分有利于医生查看病灶从而准确做出诊断。

但是由于CT机理成像的限制，在其成像过程中会产生大量的硬件噪声、软件噪声、统计噪声、以及电子器件本身的噪声，并且绝大多数的CT视频噪声均可用方差为0的高斯白噪声为其模型。上述噪声的存在严重影响了CT视频图像的质量，导致了CT视频图像质量较差。因此，从临床应用的角度出发，需要研究去除噪声的算法，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视频图像去噪方法具有非常重要的意义。

发明内容

本发明要克服现有技术的上述缺点，提出一种基于紧支撑的3D-shearlet医学CT视频去噪方法。

本发明结合噪声的模型的特点和医学CT视频图像的处理需求提出了一种新的去噪方法，即一种基于紧支撑的3D-shearlet变换医学CT视频图像去噪方法。Shearlet变换具有多分辨率、方向性、局部性、各向异性，是图像最稀疏的表示，并已在图像处理领域得到了广泛的应用，而具有紧支撑结构的3D-shearlet具有更好稀疏性和更低的逼近误差，并且针对视频去噪领域，二维Shearlet变换可以拓展为三维，并且对于三维的奇异性有较好的捕捉能力。对于传统视频去噪的时域与空域的方法，本发明结合了两者的优点，同时对于高频的3D-shearlet系数本发明方法提出了新的更适合于本发明的统一阈值方法，对于低频系数则采用了三边滤波，不仅能去除低频部分的脉冲与斑点噪声，还能很好的保持图像的边缘部分更好的保留视频图像中病灶边缘等的细节部分，能更好的帮助医生进行病情分析。

与现有技术相比，本发明的新颖性和创造性在于：

本发明首先对一般意义的Shearlet系统，提出了新的具有紧支撑结构的3D-shearlet系统，基于此紧支撑模型进行多尺度、多方向分解的3D-shearlet变换，具有更好的多维奇异性逼近；然后，本发明直接将视频视作三维信号而直接处理，将时间与空间域去噪结合在一起同时处理，即同时进行单帧去噪与多帧去噪，去噪效果优；其次本发明针对高低频方面的3D-shearlet系数分别提出了新的统一阈值算法与三边滤波器方法，因此极大提升了本发明方法去噪效果。

为了使本发明的目的、技术方案和优点更加清晰，下面就对本发明的技术方案做进一步描述，一种基于紧支撑的3D-shearlet医学CT视频去噪方法，具有以下5个步骤：

步骤1)读取CT视频并建立新的医学CT视频图像模型；

首先读取CT视频文件并将其存储为三维序列r_x,y,z，设无噪医学视频序列为{r_x,y,z；x,y,z＝1,2,...,n,n∈N}，其r_x,y,z为三维医学CT视频序列中(x,y,z)点的灰度值。含噪医学CT视频序列的噪声模型一般如下

s(x,y,z)＝r(x,y,z)ε(x,y,z) (1)

这里，(x,y，z)分别代表视频图像的三维坐标，r(x,y，z)表示无噪声信号，ε(x,y，z)表示相乘噪声。

对上述噪声模型进行对数处理从而数字化，此时相乘的式(1)模型将变为相加的模型，如下

log(s(x,y,z))＝log(r(x,y，z))+log(ε(x,y,z)) (2)

此时，得到的信号log(s(x,y,z))即是通常看到的医学CT视频图像序列。