[發明專利]一種基于可訓練聯合雙邊濾波器的數字X射線圖像去噪方法在審
| 申請號： | 202210075807.6 | 申請日： | 2022-01-23 |
| 公開（公告）號： | CN114494057A | 公開（公告）日： | 2022-05-13 |
| 發明（設計）人： | 陳陽;吳錢御 | 申請（專利權）人： | 東南大學 |
| 主分類號： | G06T5/00 | 分類號： | G06T5/00;G06N3/04 |
| 代理公司： | 南京眾聯專利代理有限公司 32206 | 代理人： | 杜靜靜 |
| 地址： | 211135 江蘇省南京市*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 訓練 聯合 雙邊 濾波器 數字 射線 圖像 方法 | ||
1.一種基于可訓練聯合雙邊濾波器的數字X射線圖像去噪方法，其特征在于，所述方法具體步驟如下：
步驟1，隨機讀取128×128大小的低劑量圖像與對應的正常劑量圖像，其中，低劑量圖像作為卷積神經網絡EDCNN的輸入，正常劑量圖像作為標簽，共同訓練EDCNN網絡；
步驟2，使用訓練好的EDCNN網絡去除低劑量圖像中的噪聲，得到較為清晰的圖像，即聯合雙邊濾波器的引導圖；
步驟3，將得到的引導圖像和原低劑量圖像作為所述可訓練聯合雙邊濾波器的輸入，正常劑量圖像作為標簽，共同訓練聯合雙邊濾波器；
步驟4，使用訓練好的聯合雙邊濾波器去除低劑量圖像中的噪聲，最終得到去噪后的高質量圖像。
2.根據權利要求1所述的一種基于可訓練聯合雙邊濾波器的數字X射線圖像去噪方法，其特征在于，步驟1中需要訓練的EDCNN網絡包括1個邊緣增強模塊，8個卷積塊，其中，卷積塊由“1*1卷積+LeakyReLU激活層+3*3卷積+LeakyReLU激活層”的順序組成；邊緣增強模塊由4個Sobel算子組成，包括垂直、水平和2個對角方向。
3.根據權利要求1所述的一種基于可訓練聯合雙邊濾波器的數字X射線圖像去噪方法，其特征在于，步驟1中需要訓練的EDCNN網絡的損失函數為：
其中，F(xi,θ)為EDCNN模型的運算操作；xi為當前低劑量圖像第i個位置的像素；θ為當該模型可訓練的參數；yi為對應正常劑量標簽的第i個位置的像素；N為該圖像上的像素總數。
4.根據權利要求1所述的一種基于可訓練聯合雙邊濾波器的數字X射線圖像去噪方法，其特征在于，步驟2中的EDCNN模型參數經過優化器迭代更新。
5.根據權利要求1所述的一種基于可訓練聯合雙邊濾波器的數字X射線圖像去噪方法，其特征在于，步驟3中的聯合雙邊濾波器包括灰度域核、可訓練的空間域核和傳統雙邊濾波器，空間域核為3*3的矩陣，初始值為1；灰度域核為常數，值為0.8，所述聯合雙邊濾波器的計算方式為：
其中，In為原低劑量圖像；If為聯合雙邊濾波器過濾后的圖像；x為當前圖像的像素點；N(x)是在過濾操作中考慮到的x的鄰域點；Ig為引導圖像；F(·)是用于整個鄰域范圍內的濾波函數；G(·)是用于計算空間域核的函數，Wg為G(·)的權重。
6.根據權利要求1所述的一種基于可訓練聯合雙邊濾波器的數字X射線圖像去噪方法，其特征在于，步驟4中的聯合雙邊濾波器的輸入為原低劑量圖像和引導圖像，正常劑量圖像作為標簽，其損失函數為其空間域核的數值經過優化器迭代更新。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于東南大學，未經東南大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202210075807.6/1.html，轉載請聲明來源鉆瓜專利網。
