文摘

NLMs是现有的图像去噪方法;然而,有时oversmoothes解剖特点在低剂量CT (LDCT)成像。在本文中,我们提出一个简单的方法来改善空间自适应性(SA) NLMs使用逐点的分形维数(PWFD)。与现有的分形图像尺寸,计算整个图像或图像块,新PWFD命名(PWBCD)点态值盒维数计算,计算每个图像像素。当地PWBCD使用固定大小的窗口集中考虑图像像素以适应不同的局部结构的图像。然后基于PWBCD,一种新方法,利用PWBCD改善SA NLMs直接提出。即PWBCD结合当地的重量差异比较NLMs windows。平滑结果测试图像和真实的正弦图表明PWBCD-NLMs精心挑选的参数能更好地保护解剖特点,同时有效地抑制噪声。此外,PWBCD-NLMs也有更好的性能在视觉质量和峰值信噪比(PSNR)比NLMs LDCT成像。

1。介绍

辐射和相关CT检查的病人患癌症的风险近年来已经增加的担忧。从而减少辐射暴露病人一直是主要的努力在现代临床x射线CT放射学(1- - - - - -8]。然而,表示严重的噪音和许多工件大幅降低低剂量CT图像的质量,减少诊断剂量的准确性。尽管许多策略提出了减少噪声和工件(9- - - - - -14),过滤噪音从临床扫描仍然是一个挑战性的任务,因为这些扫描包含工件和由许多结构不同的形状,大小,和对比,应该保留做出正确的诊断。

最近外地意味着(NLMs)提出了改进经典自适应去噪方法的性能(15- - - - - -17),显示了良好的性能即使在低剂量CT (LDCT)成像(18- - - - - -20.]。

有两个NLMs的新想法。一是类似点应该通过比较发现当地社区之间的区别,而不是直接通过比较灰色的水平。因为灰色LDCT水平将被噪声污染严重和工件,寻找相似的点由当地社区而不是灰色的水平将直接帮助NLMs找到正确的相似点。NLMs的另一个重要的观点是类似的点应该在大窗户来保证搜索的可靠性估计。

前面的讨论后,NLMs去噪应该执行在两个窗口:一个是比较补丁,另一个是搜索窗口。这两个窗户和标准差的大小高斯核函数,用于计算两个街区之间的距离,应该决定根据噪声的标准差(15- - - - - -17),而这三个参数都是相同的一个映像。

一些研究人员发现,相同大小的两个窗户和相同的高斯内核在一个图像图像去噪的最佳选择(21- - - - - -25]。最直的动机是,应该修改的参数根据不同的局部结构的图像。例如,参数一个边缘附近应该不同于参数在一个大平滑的区域。

提高NLMs的性能的一个重要工作是准本土(QLMs)提出的我们21,22]。我们认为外地不需要搜索窗口的图像像素。事实上,对于点平滑区域,这是大多数图像像素,本地搜索窗口足够大,而对于奇点附近的点,只有少数的图像像素,外地搜索窗口是必要的。因此命名方法拟局部whereit islocal对于大多数图像像素和外地只对奇异点附近的像素。拟局部意味着搜索窗口(QLMs)是不同的局部结构变量,和QLMs可以获得更好的比古典NLMs奇点保存在图像去噪。

其他重要的工作对提高空间自适应性提出了NLMs最近的23- - - - - -25]。这些作品的起点是图像像素分成不同的组使用监督学习或semisupervised学习和聚类。然而,学习和聚类会浪费大量的计算时间和资源,这将阻碍他们在医疗成像应用。因此我们必须提出一个新方法对提高空间自适应性与一个简单的方法。

在本文中,我们提出一个简单而强大的方法来提高空间的NLMs自适应性LDCT成像使用逐点的分形维数(PWFD) PWFD计算像素的像素在一个固定大小的窗口集中考虑像素。根据新的PWFD的定义,不同的局部结构将与当地不同的分形维数,例如,像素边缘附近区域将以相对大PWFDs PWFDs像素在光滑的区域将是零。因此PWFD可以提供局部结构信息的图像去噪。PWFD定义后,可以适合不同的局部结构的图像,我们设计一个新的加权函数相结合的新PWFD区别两个考虑像素与原有的重量NLMs衡量两个比较窗口灰度区别。因此使用这种新的加权函数,该方法不仅能保持灰度NLMs自适应性,但也提高NLMs SA。

本文的安排如下:在部分2,介绍了背景,然后给出了新方法的部分3,实验结果和讨论部分所示4,最后一部分是结论和承认。

2。背景

在本节中,我们将介绍该方法的相关背景。

2.1。噪声模型

基于重复幻影实验,low-mA(或低剂量CT)校准投影数据对数变换后发现遵循近似高斯分布的分析公式之间的样本均值和样本方差;即噪声是一个相互依赖的高斯分布(11]。

光子噪声是由于有限的光子收集的探测器。对于一个给定的路径衰减成像问题,和分别表示该事件和渗透光子数量。在这里,表示探测器的指数或本频道是投影角的指数。在噪音的存在,正弦图应该被认为是一个随机过程并给出衰减的路径 在哪里是一个常数,是泊松分布的意思吗。

因此我们有

它的均值和方差。

ployenergetic系统的高斯分布假设基于高通量水平有限的定理和遵循许多重复实验(11]。我们有 在哪里是指,投影数据的方差检测器通道还是本是一个尺度参数,是一个参数自适应不同的检测器垃圾箱。

最常见的结论泊松分布和正态分布之间的关系,光子计数将服从高斯分布的情况下与大入射强度和泊松分布的强度(11]。

2.2。外地意味着(NLMs)

给定一个离散噪声图像,估计价值(),为一个像素,计算加权平均:外地 在哪里表明一个社区中心和大小,称为搜索窗口,。权重的家庭取决于像素之间的相似度和并满足和。

两个像素之间的相似度和,依赖于灰度强度向量的相似性和,在那里表示一个正方形与固定大小的窗口并在一个像素为中心名叫比较补丁: 和重量被计算为 在哪里表示噪声的标准差和滤波参数设置根据值吗。

2.3。计盒维数

计盒维数,也称为闵可夫斯基维度或Minkowski-Bouligand维度,是确定一组的分形维数的方法在欧几里得空间或更一般的度量空间。计算分形维,把这个分形evenlyspaced网格和计算需要多少盒。看到这个数字的计盒维数计算网格变化我们更好的运用计盒算法。

假设边长的箱数吗需要覆盖集。然后计盒维数的定义是

给定一个图像的灰度是G,那么图像的一部分相关的网格立方体网格。如果为th电网最大的灰度在盒子,最小的是th盒子,然后覆盖网格的信箱号码 因此,覆盖整个图像的信箱号码 选择不同的规模,我们可以得到相关的。因此,我们有一组对。该集团可以符合使用最小二乘拟合直线,直线的斜率是计盒维数。

3所示。新方法

在本节中,我们将介绍我们的新算法。该方法的动机是SA NLMs应该改进的用一种更简单的方法。介绍了新PWFD首先适应复杂的图像局部结构,然后根据PWFD新的权重函数进行了讨论。在本节中,显示了该方法的程序。

3.1。逐点的计盒维数

在图像处理中,分形维数通常用于描述粗糙度和自相似性的图像。然而,大多数的作品只关注如何计算分形维数的图像或图像块(26- - - - - -30.]。因为分形维数特征粗糙度和自相似性的图像,它也可以用于描述图像的局部结构概括PWFD,计算像素的像素集中在考虑像素使用固定大小的窗口。因此,每个像素在图像PWFD,它等于固定大小的分形维数集中在考虑像素的窗口。

前面的讨论后,逐点的计盒维数(PWBCD)从取代每个像素一个固定大小的窗口集中在。很明显,PWFD可以广义分形维数的定义。然而,为了使我们的解释更清楚,我们只PWBCD扩展新的定义。

根据新的PWFD, PWBCD应该计算图像中每个像素。为每个像素PWBCD是固定大小的计算窗口集中在。

的窗口是分开的相关的网格立方体网格。如果为th电网最大的灰度在盒子,最小的是th盒子,然后覆盖网格的信箱号码 因此对于覆盖整个箱子数量窗口是 选择不同的规模,我们可以得到相关的。因此,我们有一组对。该组织可以使用最小二乘拟合符合一条线;斜率线的计盒维数。

请注意,每个像素在图像PWBCD值。因此我们可以测试的合理性PWBCD通过展示PWBCD值使用一个图像。在这些PWBCD图像、高PWBCD值显示为白色点,而低PWBCD值显示为灰色或黑色点。如果PWBCD图像类似于原始图像与大PWBCD值接近奇异点和小PWBCD值在平滑区域,理性作证。

图1显示了三个图片:PWBCD图像测试图像由一些不同的灰色块水平,LDCT形象芭芭拉。白色的点表示的像素大的分形维度,而黑色的点表示的像素小分形维度。在这里,和。注意,白色的部分对应的纹理部分芭芭拉和软组织的第二图像在第一行。此外,PWBCD图像非常类似于原始图像,证明PWBCD可用于描述图像的局部结构。

3.2。新的加权函数

定义PWBCD之后,我们必须找到一个有效的和有效的方法,使用PWBCD NLMs直接。正如在前面的小节中,讨论PWBCD可以描述图像的局部结构。因此PWBCD应该用于重量的点搜索补丁。也就是说,(6应该改变了 在哪里()是FDBCD考虑像素的值和计算方法提出了部分3所示。1,表示噪声的标准差,滤波参数。两个像素之间的相似之处吗和根据灰度强度向量的相似性和,在那里表示一个正方形与固定大小的窗口并在一个像素为中心:

给定一个离散噪声图像,估计价值(),为一个像素计算加权非局部平均: 在哪里表明一个社区中心和大小,称为搜索窗口,。注意,权重的家庭取决于像素之间的相似度和并满足和。

3.3。新方法的步骤

PWBCD-NLMs如下的步骤。(1)计算每个点态值盒维数计算像素。为每个像素,和根据部分,计算PWBCD3所示。1,得到一个矩阵与同样大小的图像。(2)计算权重。确定参数:,比较大小的窗口,搜索补丁的大小。计算两个比较窗口之间的区别,使用(13)。计算权重使用(12)。(3)估计真正的灰色的水平:估计真实的水平使用(14)。

4所示。实验和讨论

平滑LDCT图像的主要目标是要删除的图像的噪声,同时保留解剖学特征。

为了显示PWBCD-NLMs的性能,一个二维测试幻影如图1(一)。每个视图的箱数是888与984的浏览量均匀张成圆形轨道。探测器阵列上弧形同心的x射线源的距离949.075毫米。x射线源的旋转中心的距离是541毫米。检测器单元间距是1.0239毫米。

LDCT投影数据(正弦图)是模拟通过添加Gaussian-dependent噪声(GDN)的解析形式之间的均值和方差所示(3),和。投影数据重建标准过滤反射影(FBP)。因为原始投影数据和正弦图已经提供,评估是基于峰值信号噪声定量(PSNR)之间的理想的重建图像和重建图像。

根据部分的PWBCDs图像计算3所示。1和参数和。新方法与NLMs相比,和他们共同的参数包括噪声的标准差;窗口大小的比较,而搜索补丁的大小。NLMswhickis高斯内核的其他参数权重定义在(13)是和新方法的参数是高斯内核定义为两个权重的大小(12):窗口和重量的区别比较两个PWBCDs之间的权重。所有参数选择手工与许多实验,具有最佳的性能。

表1总结了PSNR值之间的理想的重建图像和过滤后的重建图像。PWBCD-NLMs有更好的性能在不同的噪声水平比NLMs术语的PSNR。

图2显示了嘈杂的测试图像和重建图像使用NLMs和该方法。虽然重建图像非常相似,使用新方法的重建图像也显示出更好的性能在边缘保护特别是弱和曲线边缘比NLMs保存。因为PWBCD-NLMs提供了更灵活的方式来处理不同的本地图像结构,它有许多良好的性能在去噪的同时保留结构。

一个腹部CT图像的一个62岁的女人从一个16多排CT扫描单元(Somatom感觉16;西门子医疗解决方案)使用120千伏峰值和切片厚度5毫米。其他剩余的扫描参数龙门旋转一次,0.5秒;探测器的配置(截面厚度检测器的行数),mm;每龙门旋转工作台进给,24毫米;节,1:1;和重建方法,过滤后投影(FBP)与软组织卷积算法内核“B30f”。不同CT剂量控制通过使用两种不同的固定管电流60 mAs LDCT和150年mAs SDCT马(60或300 mAs),职责)。CT剂量指数卷(LDCT CTDIvol)图像和SDCT图像的正线性相关管电流,计算大约介于15.32 mGy和3.16之间mGy [18]。

正弦图空间,PWBCDs图像计算根据部分3所示。1和参数和。新方法与NLMs和他们共同的参数包括噪声的标准差;窗口大小的比较,而搜索补丁的大小。NLMswhichis高斯内核的其他参数权重定义在(13)是和新方法的参数是高斯内核定义为两个权重的大小(12):窗口和重量的区别比较两个PWBCDs之间的权重。

比较原始图像和LDCT SDCT图像如图3,我们发现LDCT图像严重退化的非平稳噪声和条纹工件。在图3 (d)建议的方法,实验获得更加平滑图像。在数据3 (c)和3 (d),我们可以观察到更好的抑制噪音/工件和边缘保护比LDCT形象。相应的原始SDCT图像相比,特别是优良的特性代表肝囊肿也恢复了使用该方法。我们可以观察到显著降低了噪音谷物和工件NLMs和PWBCD-NLMs LDCT处理图像与合适的参数数据3 (c)和3 (d)。精细解剖和病理特性可以保存完好的原始SDCT相比图像(图3(一个)在标准剂量条件下)。

5。结论

在本文中,我们提出一种新的PWBCD-NLMs LDCT成像方法基于点态boxing-counting维度和它的新权函数。因为PWBCD可以描述图像的局部结构,也可以是结合NLMs容易,它提供了一个更灵活的方式来平衡降噪和解剖细节保存。幻影和真正的正弦图平滑结果表明PWBCD-NLMs合适的参数在视觉质量和PSNR性能良好。

确认

本文由中国国家自然科学基金(60873102),主要国家基础研究发展计划(没有。2010 cb732501),和开放的基础视觉计算和虚拟现实四川省重点实验室(没有。J2010N03)。李明也承认国家自然科学基金委的支持下,项目批准号。61272402、61070214、61070214和973年计划在项目批准号2011 cb302800。