[发明专利]基于剪切波去除辐射图像泊松噪声的方法

说明书

本发明公开了一种基于剪切波去除辐射图像泊松噪声的方法，本方法针对辐射成像系统由统计涨落引起的泊松噪声，主要用于医学图像和大型集装箱检查系统图像，同时也可为其它泊松噪声图像提供参考。本方法利用Anscombe变换，将泊松分布噪声转换为近似高斯分布噪声，利用剪切波的多尺度多分辨率特点，可以在多个方向分解噪声图像，获得高频和低频系数。运用阈值去噪将绝对值小于阈值的系数去除，再通过剪切波重构和Anscombe修正逆变换获得最终的去除泊松噪声辐射图像。本方法在较好地去除泊松泊松噪声的同时，还可以保留图像边缘细节信息。

技术领域

本发明属于图像处理技术领域，具体涉及基于剪切波去除辐射图像泊松噪声的方法。

背景技术

辐射成像利用物体对射线的吸收能力不同，从而可以观察到物体内部情况，在医疗、安全检查、无损探伤等方面有着广泛的应用。辐射图像的噪声会影响图像的清晰度，掩盖细节信息，使人眼和智能识别的准确率下降，误判风险升高，因此，去除辐射图像噪声非常必要。当射线剂量低或扫描物体为质量厚度大的货物，如医学图像和大型集装箱检查设备扫描图像，其主要噪声来源是统计涨落，噪声服从泊松分布。此类噪声与射线强度有关，射线强度大，则统计涨落引起的泊松噪声弱，射线强度弱，则由统计涨落引起的泊松噪声强。目前，去噪方法主要针对高斯噪声，但是高斯噪声与信号无关，因此泊松噪声与高斯噪声的去除方法差别较大，不能直接应用去除高斯噪声的方法去除泊松噪声。

目前小波变换在去除图像噪声方面应用广泛，并且大多数是针对高斯噪声，专利申请公开号为201811274460.8《一种基于高斯核函数的小波域值去噪方法》、201811094442.1《一种变阈值的小波去噪方法》采用小波变换去除高斯噪声，专利申请公开号为201910633659.3《一种泊松噪声下的模糊图像恢复方法》、201811508716.7《一种像素级阈值自适应的泊松去噪方法》是利用小波变换去除泊松噪声。但是，小波变换只具有有限方向性，并且边缘不连续影响级数展开，因此其优点不能直接推广到更高维，剪切波变换则在为多维数据提供最佳稀疏表示方面非常有效，在各种图像处理应用中显示出优势，并且能够保持细节信息。此外，稳定方差变换可以将与信号有关的泊松噪声转换为与信号无关的高斯噪声，因此将稳定方差变换与剪切波变换有效结合可以更好地针对泊松噪声去噪，能够获得满意的效果。

发明内容

针对上述现有技术存在的问题，本发明的目的在于去除辐射图像的泊松噪声，并且保留图像边缘细节信息。

为实现上述目的，本发明采用如下技术方案：一种基于剪切波去除辐射图像泊松噪声的方法，其包括以下步骤：

步骤1、对含有泊松噪声的辐射图像进行非线性Anscombe变换，将泊松噪声转换为近似高斯噪声，使噪声和信号去相关，变换后方差近似为1；

步骤2、对步骤1中获得的近似高斯噪声辐射图像采用紧支撑剪切波分解，采用尺度矩阵参数衡量各向异性的程度，通过剪切矩阵衡量方向，获得多个高频子带和一个低频子带，提取出不同子带图像的剪切波系数；

步骤3、分别对不同子带图像估计噪声标准方差σ，再采用极小极大原理获得各子带图像系数的阈值T：

其中，n为信号长度；确定不同子带图像系数的阈值后，再对步骤2中的剪切波系数进行阈值去噪，保留大于阈值的剪切波系数，去除小于阈值的剪切波系数；

步骤4、利用步骤3中去噪后的剪切波系数进行剪切波重构，获得去除高斯噪声的辐射图像；

步骤5、将步骤4中去除近似高斯噪声的辐射图像进行Anscombe修正逆变换：其中y*为经过剪切波去噪后的图像，获得最终去除泊松噪声的辐射图像。

优选地，所述步骤1中，将待去噪图像转换为灰度图像，对每个像素点进行Anscombe变换，获得转化为高斯噪声的辐射图像。