欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022110089124
申请人: 山西大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于区域自适应的多尺度非局部低剂量CT图像去噪方法,其特征在于:包括如下步骤:步骤一,像素分类和边沿提取:采用局部块的分类信息来实现边沿提取,进而实现边沿区域和非边沿区域的区分:步骤二,基于区域的相似像素筛选:根据边沿提取结果,对于非边沿的区域,选用尺寸为长29像素×宽29像素的各向同性搜索窗口作为相似像素点集合;对于包含边沿区域,选用尺寸为长15像素×宽15像素的各向同性搜索窗口作为候选像素点,然后根据步骤一的像素分类信息和边沿信息去除不相似像素点,最终得到沿着边沿方向的相似像素点集合;

步骤三:基于区域的多尺度非局部去噪:确定相应的相似像素后,采用多尺度加权的非局部去噪方法,对低剂量CT图像进行去噪;

对图像进行多尺度的非局部去噪,并根据区域信息自适应地确定控制不同尺度作用程度的系数,最后将不同尺度下的去噪结果进行加权运算,得到最后的去噪结果,去噪后图像中的每个像素值为:;

其中,为含噪声图像在位置点的像素值,R1、R2为步骤二确定的相似像素组成的集合,为图像块的大小,N1、N2为不同尺度下的图像块大小;和为控制不同尺度作用程度的系数,且满足;

为采用长5像素×宽5像素的图像块时位于点的像素点对于位于点的像素点的权重系数,为采用长9像素×宽9像素的图像块时位于点的像素点对于位于点的像素点的权重系数,均通过下列公式计算得到:;

其中,表示高斯加权距离,表示中心点位于点的图像块,是图像块中像素的总个数,是控制去噪的平滑参数;

控制不同尺度作用程度的系数采用区域方差和直觉模糊散度进行调节:;

;

其中:以像素点为中心的尺寸为长3 像素×宽3像素区域代表以当前像素为中心的局部块,作为一个模糊集,记作;是中的像素点的直觉模糊散度;

步骤四:基于直觉模糊散度的自适应滤波参数:使用光滑模板和以当前像素为中心的局部块之间的直觉模糊散度自适应调整每个像素的滤波参数。

2.根据权利要求1所述的基于区域自适应的多尺度非局部低剂量CT图像去噪方法,其特征在于:所述步骤一的像素分类和边沿提取包括以下步骤:第1步:选择尺寸为长3像素×宽3像素的局部块来代表图像中的每个像素,并将这些局部块重新排列为一个向量;

第2步:利用K均值聚类方法将这些局部块分为K类,将每个局部块获得的分类编号作为该局部块中心点的分类编号;

第3步:计算所有分类编号的梯度,梯度的模不等于0的地方即为边沿点,将这些边沿点连起来即完成边沿提取,具有不同分类编号的相邻的两个像素点即为图像的边沿位置。

3.根据权利要求1所述的基于区域自适应的多尺度非局部低剂量CT图像去噪方法,其特征在于:所述步骤四中计算光滑模板和局部块之间的直觉模糊散度时,使用大小为3 ×3,元素值全部为0的模板矩阵代表平滑区域,作为一个模糊集,记作;通过下式计算和之间的直觉模糊散度:;

;

;

;

;

其中,其中表示元素对模糊集的隶属度,表示元素对模糊集的隶属度,表示元素对模糊集的犹豫度,表示元素对模糊集的犹豫度,表示模糊集、之间的直觉模糊散度,表示元素、之间的直觉模糊散度,是中的像素点的坐标,是中的像素点的直觉模糊散度,是中的像素点的灰度值,是中对应位置的像素值。

4.根据权利要求3所述的基于区域自适应的多尺度非局部低剂量CT图像去噪方法,其特征在于:所述步骤四中:计算、两个模糊集之间的直觉模糊散度时,采用一种同时使用梯度信息和局部方差信息的隶属函数;对于中的像素点来说:隶属度函数为

;

其中,是像素点的局部归一化方差,是系数;

犹豫度函数为

;

其中,是系数;

对于中的像素点来说:

隶属度函数为

;

犹豫度函数为

;

其中,是系数。

5.根据权利要求4所述的基于区域自适应的多尺度非局部低剂量CT图像去噪方法,其特征在于:当越大,表明该像素点受条形伪影和噪声污染的程度越大,则该像素点需要的去噪平滑参数为:;

其中,表示位于的像素点去噪平滑参数,是噪声的标准差。