【技术实现步骤摘要】
本专利技术涉及一种基于ct图像序列的稀疏三维变换域协同滤波去噪方法，旨在对tee-ct图像配准前对图像进行预处理，属于计算机医学成像和图像处理技术中的应用。
技术介绍
1、心脏疾病是全球健康问题的主要原因之一，导致每年数百万人死亡。它们包括一系列复杂的状况，如冠状动脉疾病、心肌病、心律失常、心瓣膜疾病以及先天性心脏缺陷等。随着人口老龄化和生活方式因素的变化，心脏疾病的发病率和死亡率持续上升，这对医疗系统构成了巨大的负担。因此，准确诊断和有效治疗心脏疾病变得至关重要，这不仅可以提高患者的生存率和生活质量，还可以减轻医疗系统的负担。
2、通过医学影像进行辅助诊断以及手术导航是目前临床上通用的方法。经食道超声心动图(tee)和心脏计算机断层扫描(ct)是两种广泛使用的成像技术，各自具有独特的优势和限制。tee提供了高分辨率的心脏结构图像，尤其是心脏后部结构的图像，且无辐射危害，而心脏ct成像速度快且能提供全面的心脏和周围血管结构的三维图像。尽管这两种技术各自在心脏疾病的评估和诊断中各有优点，但它们通常独立使用，导致医生可能无法获得关于患者心脏状况的全面视图。因此，tee-ct多模态影像融合技术具有互补性，可以提高对心脏瓣膜解剖结构显示效果，获得更丰富的临床信息。
3、关于医学数字影像问题，图像通过各类传感器及传输过程中的噪声污染是不可避免的，它会显著降低影像的质量，进而影响到图像的分析、解释和后续的临床决策。因此，在进行进一步的医学图像处理之前，必须去除噪声干扰。tukey于1977年首先提出了中值滤波，该方法
技术实现思路
1、本专利技术旨在有效提高ct图像的质量，为进一步的心脏图像配准进行图像预处理，通过此方法，可以在保持图像心脏细节和结构信息的前提下，最大限度地减少或消除图像中的噪声，从而提高图像的诊断价值和后续图像配准的准确性，基于此本文提出了一种基于ct医学图像序列的稀疏三维变换域协同滤波去噪方法。
2、本专利技术的技术方案在于：对图像去噪主要分为三个过程——粗去噪、二次去噪和图像增强。利用医学图像时间序列的特性和稀疏域中的稀疏性质，对图像进行计算速度较快但粗略去噪的粗估计，之后将得到的粗估计图像与去噪原图像协同利用更加详细的去噪方法进行二次去噪，最后利用限制对比度自适应直方图均衡化对图像增强，从而能够在增强图像细节的同时保持重要的结构信息和避免噪声的过度放大。
3、一种基于ct图像序列的稀疏三维变换域协同滤波去噪方法，包括如下步骤：
4、步骤1：粗去噪
5、首先对ct图像进行粗估计，包括基于不同尺度的相似块匹配、三维协同滤波和图像加权聚合估计，从而得到粗估计图像，为后续二次去噪提供参数与参考；
6、步骤1.1：基于不同尺度的相似块匹配；
7、根据不同场景，调整相似块距离计算公式可以帮助更好地识别和聚集相似的图像区域，以便进行有效去噪。高低细节区域的概念可以帮助在不同尺度上分析图像的相似性，从而根据图像内容的不同选择合适的相似块匹配策略。
8、首先将图像划分成m*m块(为了保留图像边缘和细节，块之间可以重叠)，同时对目标图像时间序列前后的n张图像进行相同的分块操作。对遍历的图像块分别设置成为参考块进行相似块匹配。相似度的判断对于高细节区域和低细节区域可以选择不同的判别方法。而高低细节区域的判别利用梯度判断。利用微分离散算子进行梯度变换，通过设置水平内核与垂直内核与原图像进行卷积运算实现梯度变换。水平变换如下：
9、
10、垂直变化如下：
11、
12、式中a和a'分别为水平与垂直变换3*3的内核，与原图像i(x,y)进行卷积，得到水平变换梯度gx1和垂直变换梯度gy1。然后得到梯度如下：
13、
14、然后计算局部窗口内的梯度幅值平均水平来估计区域的细节水平：
15、
16、其中l(x,y)是位置(x,y)的局部细节水平，w(x,y)是以(x,y)为中心的窗口，n是窗口内像素的总数。
17、
18、根据l(x,y)的值，为设定的阈值来区分高细节和低细节区域。如果满足上式，则认为该区域是高细节区域，那么利用二范数计算相似块的距离，因为它对距离的计算更加精确；否则，是低细节区域，则利用一范数计算相似块的距离。曼哈顿距离(l1范数)的数学定义如下：
19、
20、xi∈(x∩sw) (7)
21、式中，r为目标图像的图像块，也称参考块，x是待搜索的候选块集合，xi是候选块中的某一块，d1(r,xi)表示r与xi之间的曼哈顿距离；k为图像尺寸，||·||1为l1范数；表示归一化二维线性变换，噪声对相似度测量的影响可以通过线性变换减弱，增加相似性计算的可靠性,sw为搜索窗口的大小。
22、在图像处理中，如果图像是高细节区域，那么l2范数即欧氏距离可以很好地衡量图像块之间的相似性。该距离的数学定义如下：
23、
24、
25、式中d2(r,xi)表示r与xi之间的欧氏距离，||·||2为l2范数,定义如公式(9)表示向量元素平方和的平方根，利用欧氏距离可更直观更方便地计算。
26、计算距离之后，需要为相似性度量设置一个阈值来判断是否符合相似块要求。设置tbm为相似块匹配的相似阈值，当距离小于等于tbm认为块相似，最终将所有的相似块存储在s3d中，构成三维相似块组，表达式如下：
27、s3d＝{x∈(x∩sw):d(r′(r),r′(x))≤tbm} (10)
28、公式中，r′为线性滤波操作，tbm为预先设定的阈值，当距离小于设定阈值的情况下视为相似块，从而存储在s3d中。而参数tbm是从对理想差的可接受值的确定性推测中选择的，主要忽略信号的噪声成分。
29、步骤1.2：三维协同滤波
30、得到相似块组成的数据组时，对每个3d数据数组进行从空间域到稀疏域的三维变换。在稀疏域中，由于图像能量更加集中，所以噪声成分可以从信号成分中更容易地区分开来。通过改进的阈值处理，可以减少或去除噪声成分，而保留信号成分。这个阈值处理步骤可以基本文档来自技高网...
【技术保护点】
1.一种基于CT图像序列的稀疏三维变换域协同滤波去噪方法，其特征在于该方法的步骤包括：
2.根据权利要求1所述的一种基于CT图像序列的稀疏三维变换域协同滤波去噪方法，其特征在于：
3.根据权利要求1所述的一种基于CT图像序列的稀疏三维变换域协同滤波去噪方法，其特征在于：
4.根据权利要求1所述的一种基于CT图像序列的稀疏三维变换域协同滤波去噪方法，其特征在于：
5.根据权利要求1所述的一种基于CT图像序列的稀疏三维变换域协同滤波去噪方法，其特征在于：
6.根据权利要求1所述的一种基于CT图像序列的稀疏三维变换域协同滤波去噪方法，其特征在于：
【技术特征摘要】
1.一种基于ct图像序列的稀疏三维变换域协同滤波去噪方法，其特征在于该方法的步骤包括：
2.根据权利要求1所述的一种基于ct图像序列的稀疏三维变换域协同滤波去噪方法，其特征在于：
3.根据权利要求1所述的一种基于ct图像序列的稀疏三维变换域协同滤波去噪方法，其特征在于：
<...【专利技术属性】
技术研发人员：郭树理，韩丽娜，黄海涛，罗江，李玉龙，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。