[發(fā)明專利]基于低秩分解的CT序列圖像復原方法

有效

• 申請?zhí)枺?/td>: 201310393616.5
• 申請日: 2013-09-02
• 公開（公告）號: CN103440631A
• 公開（公告）日: 2013-12-11
• 發(fā)明（設計）人: 緱水平;焦李成;王越越;劉芳;張曉鵬;王之龍;唐磊;周治國
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 王品華;朱紅星

1.一種基于低秩分解的CT序列圖像復原方法，包括如下步驟：

（1）輸入CT序列圖像I_i，i＝1,...,k,k為大于1的整數(shù)，若序列圖像I_i為彩色圖像，則將其轉化為灰度圖像，否則直接進行步驟（2）的操作；

（2）利用低秩模型對序列圖像I_i進行稀疏低秩分解，得低秩序列L_i和稀疏序列S_i；

（3）求出低秩序列L_i的平均圖像利用二維高斯模糊核對平均圖像進行維納濾波復原，得復原低秩圖像L′；

（4）定義擾動模糊核為：其中λ為常數(shù)，(u,v)為點的位置坐標，利用該擾動模糊核對稀疏序列S_i中的每幅圖像進行維納濾波復原，得到復原稀疏序列S_i′；

（5）將復原低秩圖像L′分別與復原稀疏序列S_i′中的每幅圖像合并，得到復原CT序列圖像I_i′。

2.根據(jù)權利要求1所述的方法，其中步驟(2)所述的選擇低秩模型對序列圖像I_i進行稀疏低秩分解，按如下步驟進行：

2a)將CT序列圖像I_i中的所有圖像矩陣合成一個高維矩陣，高維矩陣中的每一列表示序列中的一幅CT圖像；

2b)根據(jù)CT序列圖像噪聲的大小，選擇對應的低秩模型，對步驟2a)構造的高維矩陣進行稀疏低秩矩陣分解；

2c)將分解后得到的高維低秩矩陣和高維稀疏矩陣還原為低秩序列圖像L_i和稀疏序列圖像S_i。

3.根據(jù)權利要求1所述的方法，其中步驟(3)所述的利用二維高斯模糊核對平均圖像進行維納濾波復原，得到復原低秩圖像L′，按如下步驟進行：

3a)求出低秩序列L_i的平均圖像

3b)設定二維高斯核為其中，A和k均為常數(shù)，且A＞0,σ_x,σ_y分別為x,y偏微分圖像的方差，(x₀,y₀)為圖像中心位置坐標，(x,y)為點的位置坐標；

3c)利用二維高斯核h(x,y)對平均圖像進行維納濾波復原，得到頻域圖像其中，平均圖像的傅里葉變換，為H(x,y)為二維高斯核h(x,y)的傅里葉變換，H^*(x,y)為H(x,y)的共軛，γ為常數(shù)；

3d)對頻域圖像L′(x,y)進行反傅里葉變換，得到復原低秩圖像L′。

4.根據(jù)權利要求2所述的方法，其中步驟(2b)所述的根據(jù)CT序列圖像噪聲的大小，選擇對應的低秩模型對序列圖像I_i進行稀疏低秩分解，按如下規(guī)則進行：

如果CT圖像噪聲含量n≤4.3HU，則用RPCA模型進行稀疏低秩分解，得到稀疏矩陣和低秩矩陣，其中，RPCA模型表示為X＝L+S,X表示輸入數(shù)據(jù)矩陣，L表示低秩矩陣，S表示稀疏矩陣，

如果CT圖像噪聲含量n＞4.3HU，則用GoDec模型進行稀疏低秩分解，得到稀疏矩陣、低秩矩陣和噪聲矩陣，其中，GoDec模型表示為X＝L+S+G，G表示噪聲矩陣，HU是CT圖像噪聲的度量單位。