[发明专利]一种医学图像噪声抑制算法

说明书

本发明提供了一种医学图像噪声抑制算法，对输入图像P₀进行3维高斯滤波得到P₁，利用差分图像D₀＝P₀‑P₁,对噪声标准差进行估计，得到σ，对图像P₀求梯度模图像T₁，再利用阈值函数H(T₁)进行变换得到图像H₀，利用图像H₀和噪声标准差σ，对图像P₀进行自适应NLM滤波得到滤波结果P₂。

技术领域

本发明涉及医学成像技术领域，尤其涉及一种医学数字化X线图像噪声抑制算法。

背景技术

近二十年来，X射线计算机断层成像技术迅猛发展，医疗领域也对图像的质量提高了要求。噪声是医疗图像不可避免的。现在的噪声抑制算法主要分为4类：第一类：空间域滤波，主要代表有均值滤波，中值滤波，高斯滤波，双边滤波，NLM，BM3D等，第二类：变换域滤波，主要有小波阈值去噪，傅里叶变换，第三类：全变分去噪以及偏微分方程去噪。第四类：深度学习。具体来说，由于第四类耗时较长，第三类及第二类去噪效果对参数选择敏感，因而我们选择第一类，鉴于其去噪效果以及运行时间，我们选择NLM去噪算法。

现有的图像去噪技术大多被各大公司视为商业机密，不轻易外泄。现有的公开技术多数只给出二维的去噪结果，对三维数据处理有借鉴意义。大部分现有技术对2维数据处理。在二维到三维的过程中，表面只增加了一维，但是，实际上，增加一维给传统的2维去噪带来了挑战，往往图像在2维看起来噪声抑制效果好，在3维空间上可能会出现新的伪影。

发明内容

针对背景技术中存在的问题，本发明致力于研究3维数据(但不仅限于3维，2维同样适用)的去噪算法，本发明的技术方案如下：

一种医学图像噪声抑制算法，包括如下步骤：

S1、对输入图像P₀进行3维高斯滤波得到P₁；

S2、利用差分图像D₀＝P₀-P₁,对噪声标准差进行估计，得到σ；

S3、对图像P₀求梯度模图像T₁，再利用阈值函数H(T₁)进行变换得到图像H₀；

S4、利用图像H₀和噪声标准差σ，对图像P₀进行自适应NLM滤波得到滤波结果P₂。

进一步地，所述S1具体包括：把CT图像加载至内存得到P₀，之后对P₀进行3维高斯滤波得到P₁，

其中，为为波半径向量，需人为为置，

T表示转置；

滤波核定义如下：

进一步地，所述步骤S2具体包括：由差分图像D₀＝P₀-P₁，对噪声标准差进行估计得到σ，

D₀(i，j，k)＝P₀(i，j，k)-P₁(i，j，k)

N为图像的像素总数，