基于区域内容感知低秩建模的低剂量CT图像噪声抑制研究
发布时间：2021-01-21 14:22
X-射线计算机断层扫描（Computed Tomography,CT）技术由于其空间分辨率高、扫描时间短和成本低等优点而被广泛用于临床诊断。但是,CT扫描产生的高剂量电离辐射已被证明与白血病、肿瘤、遗传等疾病存在正相关性,尤其对妇女、儿童等敏感人群影响较大。低剂量CT（Low-Dose Computed Tomography,LDCT）技术能够有效减少X-射线对患者的电离辐射伤害。但降低辐射剂量会导致成像质量下降,增加了图像分析的难度,影响临床诊断的准确性。近年来,基于低秩约束的图像局部结构建模方法已成为低层图像处理领域的研究热点,并在图像噪声抑制处理中获得了广泛应用。其中,核范数最小化（Nuclear Norm Minimization,NNM）方法通过对目标矩阵的奇异值进行约束,从而将传统非凸低秩约束转换成易于求解的凸范数优化问题,取得了较好效果。但是该方法对目标矩阵所有奇异值采用同等强度约束,无法描述低剂量CT图像中非平稳噪声特性。鉴于此,本文针对低剂量CT图像中的噪声问题,结合低剂量CT图像非平稳噪声特点,开展基于区域内容感知低秩建模的低剂量CT图像噪声抑制研究。本文的创新点如...
【文章来源】：曲阜师范大学山东省
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
不同算法的仿真实验结果
第3章基于低剂量CT图像噪声特性的加权核范数最小化去噪算法23(f2)COSR(g2)rwNNM(h2)(a2)-(c2)(i2)(a2)-(d2)(j2)(a2)-(e2)(k2)(a2)-(f2)(l2)(a2)-(g2)图3.2不同算法实验结果图像的局部感兴趣区域（包含肺结节）及其差图图3.1和图3.2显示了利用不同算法对仿真实验数据进行处理的实验结果图像和不同算法的感兴趣区域（RegionofInterest,ROI）及其差图。包含肺结节的区域通常最容易影响诊断结果。因此，将图3.1（a2）中包含肺结节的两部分作为感兴趣区域，分别记为ROII（图3.1（a2）中红色矩形框所示）和ROIII（图3.1（a2）中橙色矩形框所示）。图3.1（a1）-（a2）、图3.2（a1）和图3.2（a2）为FDCT图像，用于对比其他算法处理结果。从图3.1（b1）-（b2）、图3.2（b1）和图3.2（b2）可以看出，LDCT图像中存在明显的条带状非平稳伪影噪声。图3.1（c1）-（g2）给出了不同算法的处理结果。观察图3.1（c1）-（c2）、（d1）-（d2）、（e1）-（e2）及（f1）-（f2），TV算法处理结果图像中，不仅存在噪声，还有部分条纹伪影，表明TV算法在抑制噪声及去除伪影方面均未展现出较优异的性能；NNM算法及TL算法尽管在抑制噪声方面具有较好的效果，但是处理图像出现了明显的条纹伪影，导致图像纹理保持效果较差；COSR算法虽然可以有效去除图像的条纹伪影，但是在噪声抑制方面的优点并不明显。通过对比可以看出，本章所提rwNNM算法能够在有效去噪的同时保存纹理细节信息，尤其是包含肺结节的ROII（图3.1（a2）中红色矩形框所示）和ROIII（图3.1（a2）中橙色矩形框所示）区域。
第3章基于低剂量CT图像噪声特性的加权核范数最小化去噪算法24为了进一步证明本章所提rwNNM算法的优越性，我们采用穿过肺结节区域（沿图3.1（a2）中的黄色直线）的强度轮廓线图进一步比较了TV算法，NNM算法，TL算法，COSR算法和rwNNM算法的性能，若某去噪算法的强度轮廓线与FDCT图像的强度轮廓线契合度越高，则表明该算法具有越高的图像纹理保存能力。结果如图3.3所示。其中，（a）-（f）分别比较了FBP重建图像，TV算法实验结果图像，NNM算法实验结果图像，TL实验结果图像，COSR算法实验结果图像和rwNNM算法实验结果图像与FDCT图像中肺结节区域的强度轮廓线，从图3.3可以看出，相比较TV算法、NNM算法，TL算法和COSR算法，rwNNM算法与FDCT图像的强度轮廓线具有最高的吻合度，表明本证所提算法具有较为优越的图像纹理细节保存能力，验证了rwNNM算法的有效性。(a)(b)(c)(d)(e)(f)图3.3不同算法沿肺结节区域（图3.1（a2）中黄色直线）的强度轮廓线（2）定量分析为了更加准确的对rwNNM算法的有效性进行评估，本章采用2.3节所介绍的法向量流（NormalVectorFlow,NVF）[55]和结构相似指标（SSIM）[53]、根均方误差（RootMeanSquareError,RMSE）对所提rwNNM算法进行定量分析。法向量流（NVF）指标用于评估各算法处理结果与参考标准FDCT图像之间的纹理相似性。若算法NVF中的箭头有序并且与参考图像的NVF方向一致，表明该算法的细节纹理保存性能较好。图3.4为各算法在肺癌结节区域（图3.1（b2）中绿色虚线框内区域）的NVF图像。
【参考文献】：
期刊论文
[1]基于联合稀疏变换学习的工件去噪方法研究[J]. 刘秀平,薛婷婷,韩丽丽,杜勇辰,张凯兵,闫焕营. 计算机工程与应用. 2019(07)
[2]投影数据恢复方法在低剂量脑灌注CT成像中的应用[J]. 田秀梅,黄静,林嘉慧,张忻宇,马建华,边兆英. 南方医科大学学报. 2017(04)
[3]基于EM算法的低剂量CT图像去噪[J]. 张元科,张军英,卢虹冰. 电子学报. 2012(01)
[4]基于小波变换的低剂量CT影数据滤波方法研究投[J]. 张喜乐,黄静,刘楠,路利军,马建华,陈武凡. CT理论与应用研究. 2011(02)
[5]基于乘性正则化的有限角度CT重建算法[J]. 卢孝强,孙怡. 光学学报. 2010(05)
博士论文
[1]低剂量X-射线CT断层成像的噪声抑制研究[D]. 张元科.西安电子科技大学 2011
本文编号：2991323
【文章来源】：曲阜师范大学山东省
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
不同算法的仿真实验结果
第3章基于低剂量CT图像噪声特性的加权核范数最小化去噪算法23(f2)COSR(g2)rwNNM(h2)(a2)-(c2)(i2)(a2)-(d2)(j2)(a2)-(e2)(k2)(a2)-(f2)(l2)(a2)-(g2)图3.2不同算法实验结果图像的局部感兴趣区域（包含肺结节）及其差图图3.1和图3.2显示了利用不同算法对仿真实验数据进行处理的实验结果图像和不同算法的感兴趣区域（RegionofInterest,ROI）及其差图。包含肺结节的区域通常最容易影响诊断结果。因此，将图3.1（a2）中包含肺结节的两部分作为感兴趣区域，分别记为ROII（图3.1（a2）中红色矩形框所示）和ROIII（图3.1（a2）中橙色矩形框所示）。图3.1（a1）-（a2）、图3.2（a1）和图3.2（a2）为FDCT图像，用于对比其他算法处理结果。从图3.1（b1）-（b2）、图3.2（b1）和图3.2（b2）可以看出，LDCT图像中存在明显的条带状非平稳伪影噪声。图3.1（c1）-（g2）给出了不同算法的处理结果。观察图3.1（c1）-（c2）、（d1）-（d2）、（e1）-（e2）及（f1）-（f2），TV算法处理结果图像中，不仅存在噪声，还有部分条纹伪影，表明TV算法在抑制噪声及去除伪影方面均未展现出较优异的性能；NNM算法及TL算法尽管在抑制噪声方面具有较好的效果，但是处理图像出现了明显的条纹伪影，导致图像纹理保持效果较差；COSR算法虽然可以有效去除图像的条纹伪影，但是在噪声抑制方面的优点并不明显。通过对比可以看出，本章所提rwNNM算法能够在有效去噪的同时保存纹理细节信息，尤其是包含肺结节的ROII（图3.1（a2）中红色矩形框所示）和ROIII（图3.1（a2）中橙色矩形框所示）区域。
第3章基于低剂量CT图像噪声特性的加权核范数最小化去噪算法24为了进一步证明本章所提rwNNM算法的优越性，我们采用穿过肺结节区域（沿图3.1（a2）中的黄色直线）的强度轮廓线图进一步比较了TV算法，NNM算法，TL算法，COSR算法和rwNNM算法的性能，若某去噪算法的强度轮廓线与FDCT图像的强度轮廓线契合度越高，则表明该算法具有越高的图像纹理保存能力。结果如图3.3所示。其中，（a）-（f）分别比较了FBP重建图像，TV算法实验结果图像，NNM算法实验结果图像，TL实验结果图像，COSR算法实验结果图像和rwNNM算法实验结果图像与FDCT图像中肺结节区域的强度轮廓线，从图3.3可以看出，相比较TV算法、NNM算法，TL算法和COSR算法，rwNNM算法与FDCT图像的强度轮廓线具有最高的吻合度，表明本证所提算法具有较为优越的图像纹理细节保存能力，验证了rwNNM算法的有效性。(a)(b)(c)(d)(e)(f)图3.3不同算法沿肺结节区域（图3.1（a2）中黄色直线）的强度轮廓线（2）定量分析为了更加准确的对rwNNM算法的有效性进行评估，本章采用2.3节所介绍的法向量流（NormalVectorFlow,NVF）[55]和结构相似指标（SSIM）[53]、根均方误差（RootMeanSquareError,RMSE）对所提rwNNM算法进行定量分析。法向量流（NVF）指标用于评估各算法处理结果与参考标准FDCT图像之间的纹理相似性。若算法NVF中的箭头有序并且与参考图像的NVF方向一致，表明该算法的细节纹理保存性能较好。图3.4为各算法在肺癌结节区域（图3.1（b2）中绿色虚线框内区域）的NVF图像。
【参考文献】：
期刊论文
[1]基于联合稀疏变换学习的工件去噪方法研究[J]. 刘秀平,薛婷婷,韩丽丽,杜勇辰,张凯兵,闫焕营. 计算机工程与应用. 2019(07)
[2]投影数据恢复方法在低剂量脑灌注CT成像中的应用[J]. 田秀梅,黄静,林嘉慧,张忻宇,马建华,边兆英. 南方医科大学学报. 2017(04)
[3]基于EM算法的低剂量CT图像去噪[J]. 张元科,张军英,卢虹冰. 电子学报. 2012(01)
[4]基于小波变换的低剂量CT影数据滤波方法研究投[J]. 张喜乐,黄静,刘楠,路利军,马建华,陈武凡. CT理论与应用研究. 2011(02)
[5]基于乘性正则化的有限角度CT重建算法[J]. 卢孝强,孙怡. 光学学报. 2010(05)
博士论文
[1]低剂量X-射线CT断层成像的噪声抑制研究[D]. 张元科.西安电子科技大学 2011
本文编号：2991323
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/2991323.html
最近更新
教材专著
