[發(fā)明專利]基于緊支撐的3D?shearlet醫(yī)學CT視頻去噪方法

在審

• 申請?zhí)枺?/td>: 201711136138.4
• 申請日: 2017-11-15
• 公開（公告）號: CN107845079A
• 公開（公告）日: 2018-03-27
• 發(fā)明（設計）人: 張聚;田崢;李澎林;周俊;趙愷倫
• 申請（專利權）人: 浙江工業(yè)大學之江學院
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/20;G06T11/00
• 代理公司: 杭州天正專利事務所有限公司33201
• 代理人: 王兵,黃美娟

技術領域

本發(fā)明應用于醫(yī)學CT視頻圖像去噪領域，設計一種適用于醫(yī)學CT視頻圖像的基于緊支撐3D-shearlet變換醫(yī)學視頻圖像去噪方法。

背景技術及意義

隨著科技的發(fā)展，在醫(yī)學成像領域，超聲成像、CT、MRI等成像技術已應用于醫(yī)學臨床診斷中。CT成像的基本原理是用X射線對人體的某一部位的橫斷面進行掃描，人體的不同組織器官吸收一部分射線，另一部分衰變的射線則被CT機的探測器接收，并把這些接受到的X射線轉變?yōu)榭梢姽猓俳涍^光電效應轉換為電流，最后通過對比不同器官對X射線吸收能力的不同，可以通過探測器的模數(shù)轉換最后形成CT視頻圖像，CT視頻圖像具有如下的特點：

1、對于人體組織的分辨率高，可以直接顯示X線檢查無法顯示的器官和病變。

2、檢查過程快速且安全，不需要患者動就能完成檢查，對于行動不便且需檢查的病人十分適合，另外CT還可以短期內多次檢查，可以隨時查看病情發(fā)展。

3、CT能產生具有連續(xù)的人體組織影像，能形成器官組織的層次感，利于發(fā)現(xiàn)組織異常，彌補了傳統(tǒng)X線影像只能顯示一個組織剖面的缺點，十分有利于醫(yī)生查看病灶從而準確做出診斷。

但是由于CT機理成像的限制，在其成像過程中會產生大量的硬件噪聲、軟件噪聲、統(tǒng)計噪聲、以及電子器件本身的噪聲，并且絕大多數(shù)的CT視頻噪聲均可用方差為0的高斯白噪聲為其模型。上述噪聲的存在嚴重影響了CT視頻圖像的質量，導致了CT視頻圖像質量較差。因此，從臨床應用的角度出發(fā)，需要研究去除噪聲的算法，為醫(yī)生做出更準確的診斷提供技術支持，降低人工診斷的風險。

綜上所述，研究醫(yī)學CT視頻圖像去噪方法具有非常重要的意義。

發(fā)明內容

本發(fā)明要克服現(xiàn)有技術的上述缺點，提出一種基于緊支撐的3D-shearlet醫(yī)學CT視頻去噪方法。

本發(fā)明結合噪聲的模型的特點和醫(yī)學CT視頻圖像的處理需求提出了一種新的去噪方法，即一種基于緊支撐的3D-shearlet變換醫(yī)學CT視頻圖像去噪方法。Shearlet變換具有多分辨率、方向性、局部性、各向異性，是圖像最稀疏的表示，并已在圖像處理領域得到了廣泛的應用，而具有緊支撐結構的3D-shearlet具有更好稀疏性和更低的逼近誤差，并且針對視頻去噪領域，二維Shearlet變換可以拓展為三維，并且對于三維的奇異性有較好的捕捉能力。對于傳統(tǒng)視頻去噪的時域與空域的方法，本發(fā)明結合了兩者的優(yōu)點，同時對于高頻的3D-shearlet系數(shù)本發(fā)明方法提出了新的更適合于本發(fā)明的統(tǒng)一閾值方法，對于低頻系數(shù)則采用了三邊濾波，不僅能去除低頻部分的脈沖與斑點噪聲，還能很好的保持圖像的邊緣部分更好的保留視頻圖像中病灶邊緣等的細節(jié)部分，能更好的幫助醫(yī)生進行病情分析。

與現(xiàn)有技術相比，本發(fā)明的新穎性和創(chuàng)造性在于：

本發(fā)明首先對一般意義的Shearlet系統(tǒng)，提出了新的具有緊支撐結構的3D-shearlet系統(tǒng)，基于此緊支撐模型進行多尺度、多方向分解的3D-shearlet變換，具有更好的多維奇異性逼近；然后，本發(fā)明直接將視頻視作三維信號而直接處理，將時間與空間域去噪結合在一起同時處理，即同時進行單幀去噪與多幀去噪，去噪效果優(yōu)；其次本發(fā)明針對高低頻方面的3D-shearlet系數(shù)分別提出了新的統(tǒng)一閾值算法與三邊濾波器方法，因此極大提升了本發(fā)明方法去噪效果。

為了使本發(fā)明的目的、技術方案和優(yōu)點更加清晰，下面就對本發(fā)明的技術方案做進一步描述，一種基于緊支撐的3D-shearlet醫(yī)學CT視頻去噪方法，具有以下5個步驟：

步驟1)讀取CT視頻并建立新的醫(yī)學CT視頻圖像模型；

首先讀取CT視頻文件并將其存儲為三維序列r_x,y,z，設無噪醫(yī)學視頻序列為{r_x,y,z；x,y,z＝1,2,...,n,n∈N}，其r_x,y,z為三維醫(yī)學CT視頻序列中(x,y,z)點的灰度值。含噪醫(yī)學CT視頻序列的噪聲模型一般如下

s(x,y,z)＝r(x,y,z)ε(x,y,z) (1)

這里，(x,y，z)分別代表視頻圖像的三維坐標，r(x,y，z)表示無噪聲信號，ε(x,y，z)表示相乘噪聲。

對上述噪聲模型進行對數(shù)處理從而數(shù)字化，此時相乘的式(1)模型將變?yōu)橄嗉拥哪Ｐ停缦?/p>

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

此時，得到的信號log(s(x,y,z))即是通常看到的醫(yī)學CT視頻圖像序列。