CN117495704A - 用于降低图像噪声的方法及装置、ct设备和存储介质 - Google Patents
用于降低图像噪声的方法及装置、ct设备和存储介质 Download PDFInfo
- Publication number
- CN117495704A CN117495704A CN202311468027.9A CN202311468027A CN117495704A CN 117495704 A CN117495704 A CN 117495704A CN 202311468027 A CN202311468027 A CN 202311468027A CN 117495704 A CN117495704 A CN 117495704A
- Authority
- CN
- China
- Prior art keywords
- noise
- projection data
- image
- acquiring
- distribution diagram
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000010586 diagram Methods 0.000 claims abstract description 68
- 238000001914 filtration Methods 0.000 claims description 16
- 238000005070 sampling Methods 0.000 description 7
- 230000004927 fusion Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000011946 reduction process Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 210000004872 soft tissue Anatomy 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本申请涉及图像降噪技术领域,公开一种用于降低图像噪声的方法,包括:获取投影数据和与投影数据对应的原始图像;根据预设的噪声基和投影数据,获取投影数据的噪声;根据投影数据的噪声,获取原始图像对应的噪声分布图,所述噪声分布图用于反映原始图像中每个像素的噪声程度;根据噪声分布图,对原始图像去噪,获取目标图像。在本公开实施例中,根据预设的噪声基和投影数据得到投影数据的噪声,并根据投影数据的噪声获取噪声分布图,再根据噪声分布图对原始图像中每个像素点分别进行降噪,可以使降噪后的图像中的噪声分布状态趋于一致,提高图像噪声分布的一致性。本申请还公开一种用于降低图像噪声的装置及CT设备。
Description
技术领域
本申请涉及图像降噪技术领域,例如涉及一种用于降低图像噪声的方法及装置、CT设备和存储介质。
背景技术
目前,在生成CT(Computed Tomography,电子计算机断层扫描)图像的过程中,不可避免地会产生一些噪声。CT图像中的噪声,会降低图像中软组织的对比度,从而降低对软组织的分辨能力,噪声严重时会掩盖图像中病灶的纹理或结构细节,影响临床诊断的准确性。所以,在临床的实际需求中,在获取CT图像后,需要对CT图像进行降噪处理,以获得更加清楚的图像信息。
相关技术公开了一种低剂量CT图像降噪方法,包括:获取训练数据集,所述训练数据集包括多组成对的低剂量CT图像和高剂量CT图像,所述的高剂量CT图像作为降噪方法的目标图像;建立降噪网络模型,所述降噪网络模型包括依次连接的自适应边缘特征提取模块、第一融合层、卷积模块,所述的自适应边缘特征提取模块用于对输入的训练数据集中低剂量CT图像进行边缘特征的提取,所述的第一融合层用于对自适应边缘特征提取模块的输出信号和输入信号进行融合,所述的卷积模块包括多层卷积层构成的编码器和多层返卷积层构成的解码器以及第二融合层,所述编码器对第一融合层的输出信号进行编码,所述第二融合层用于使用跳跃的方式将解码器的反卷积层的特征图与其在编码器中对称的卷积层的特征图进行融合,最终通过解码器输出降噪后的特征图;利用所述的训练数据集对所述的降噪网络模型进行训练,得到训练好的降噪网络模型;对所述训练好的降噪网络模型进行测试,得到测试好的降噪网络模型;采用测试好的降噪网络模型对低剂量CT图像降噪。
在实现本公开实施例的过程中,发现相关技术中至少存在如下问题:
相关技术虽然能够降低图像的噪声,但该降噪方法更多是作用于图像全局的,对图像中每个重建点的降噪程度相同,因此在图像降噪后图像噪声分布不一致的现象在降噪后仍然存在。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本申请的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
为了对披露的实施例的一些方面有基本的理解,下面给出了简单的概括。所述概括不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围,而是作为后面的详细说明的序言。
本公开实施例提供了一种用于降低图像噪声的方法及装置、CT设备和存储介质,以在对图像进行降噪后,提高图像噪声分布的一致性。
在一些实施例中,所述方法包括:获取投影数据和与投影数据对应的原始图像;根据预设的噪声基和投影数据,获取投影数据的噪声;根据投影数据的噪声,获取原始图像对应的噪声分布图,所述噪声分布图用于反映原始图像中每个像素的噪声程度;根据噪声分布图,对原始图像去噪,获取目标图像。
可选地,所述根据预设的噪声基和投影数据,获取投影数据的噪声,包括:获取投影数据对应的实际扫描电流;根据实际扫描电流和预设噪声基的基准扫描电流,获取投影数据对应的参考噪声基;根据参考噪声基和投影数据,获取投影数据的噪声。
可选地,所述根据实际扫描电流和预设噪声基的基准扫描电流,获取投影数据对应的参考噪声基,采用如下公式:
其中,X为实际扫描电流,X0为基准扫描电流,A0为预设噪声基,N0为参考噪声基。
可选地,所述根据参考噪声基和投影数据,获取投影数据的噪声,采用如下公式:
其中,μL为投影数据,为投影数据的噪声。
可选地,所述根据投影数据的噪声,获取原始图像对应的噪声分布图,包括:对投影数据的噪声进行图像重建获取噪声图像后,对噪声图像求方差,获取噪声分布图;或根据投影数据的噪声获取投影数据的方差后,根据投影数据的方差获取噪声分布图。
可选地,所述根据噪声分布图,对原始图像去噪,获取目标图像,包括:获取滤波窗口;根据滤波窗口和噪声分布图,计算原始图像中各个像素的有效权重;对原始图像和有效权重进行相乘处理,获取目标图像。
可选地,所述根据滤波窗口和噪声分布图,计算原始图像中各个像素的有效权重,包括:根据噪声分布图中目标像素和滤波窗口内邻域像素的噪声差异,获取第一权重;根据噪声分布图中目标像素和滤波窗口内邻域像素的相对位置差异,获取第二权重;根据第一权重和第二权重,获取有效权重。
可选地,所述根据噪声分布图中目标像素和滤波窗口内邻域像素的噪声差异,获取第一权重,包括:根据滤波窗口内原始图像的方差和噪声分布图的平均值,获取定标参数;根据噪声分布图中目标像素与滤波窗口内邻域像素的噪声差异,获取第一原始权重;根据定标参数和第一原始权重,获取第一权重。
可选地,该用于降低图像噪声的方法还包括:在预设的扫描电流下扫描空气,获取预设噪声基。
在一些实施例中,所述用于降低图像噪声的装置包括处理器和存储有程序指令的存储器,所述处理器被配置为在运行所述程序指令时,执行如上述的用于降低图像噪声的方法。
在一些实施例中,所述CT设备包括扫描设备、计算机设备和图像显示设备,其特征在于,还包括上述的用于降低图像噪声的装置,被安装于所述计算机设备。
在一些实施例中,所述存储介质存储有程序指令,所述程序指令在运行时,执行如上述的用于降低图像噪声的方法。
本公开实施例提供的用于降低图像噪声的方法及装置、CT设备和存储介质,可以实现以下技术效果:
在根据预设的噪声基和投影数据得到投影数据的噪声后,根据投影数据的噪声获取噪声分布图,由于噪声分布图反映了原始图像中每个像素点的相对噪声水平,利用噪声分布图对原始图像进行去噪,可以实现对原始图像中不同像素点的差异降噪,使降噪后的图像中的噪声分布状态趋于一致,提高了图像噪声分布的一致性。
以上的总体描述和下文中的描述仅是示例性和解释性的,不用于限制本申请。
附图说明
一个或多个实施例通过与之对应的附图进行示例性说明,这些示例性说明和附图并不构成对实施例的限定,附图中具有相同参考数字标号的元件示为类似的元件,附图不构成比例限制,并且其中:
图1是CT设备的系统环境示意图;
图2是本公开实施例提供的一种用于降低图像噪声的方法的示意图;
图3是利用CT机在扫描空气后,探测器接收到的光子数的示意图;
图4中的(a)是水模的反投影图像;
图4中的(b)是水模的噪声分布图;
图5中的(a)是头部的反投影图像;
图5中的(b)是头部的噪声分布图;
图6是本公开实施例提供的另一种用于降低图像噪声的方法的示意图;
图7是本公开实施例提供的一种用于降低图像噪声的装置的示意图。
具体实施方式
为了能够更加详尽地了解本公开实施例的特点与技术内容,下面结合附图对本公开实施例的实现进行详细阐述,所附附图仅供参考说明之用,并非用来限定本公开实施例。在以下的技术描述中,为方便解释起见,通过多个细节以提供对所披露实施例的充分理解。然而,在没有这些细节的情况下,一个或多个实施例仍然可以实施。在其它情况下,为简化附图,熟知的结构和装置可以简化展示。
本公开实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开实施例的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含。
除非另有说明,术语“多个”表示两个或两个以上。
本公开实施例中,字符“/”表示前后对象是一种“或”的关系。例如,A/B表示:A或B。
术语“和/或”是一种描述对象的关联关系,表示可以存在三种关系。例如,A和/或B,表示:A或B,或,A和B这三种关系。
术语“对应”可以指的是一种关联关系或绑定关系,A与B相对应指的是A与B之间是一种关联关系或绑定关系。
需要说明的是,在不冲突的情况下,本公开实施例中的实施例及实施例中的特征可以相互组合。
在生成CT图像的过程中,会产生量子噪声、电子噪声和重建噪声等多种噪声,这些噪声共同影响着CT图像的质量。其中,量子噪声和电子噪声受硬件系统和射线剂量的影响,基本无法消除。但是,重建噪声可以通过优化算法和参数来弥补。
重建噪声的分布主要和重建权重、投影起始角度、重建点位置以及每个重建点所使用的数据量有关。在螺旋扫描中,由于连续扫描的特点,投影平面和重建平面无法保持一致,导致重建平面中不同位置的重建点会有不同剂量的射线穿过,从而出现图像噪声分布不一致的现象。在同一幅图像中,有些区域的噪声相对较大,有些区域的噪声相对较小,影响图像的整体观感。
结合图1所示,CT设备包括扫描设备10、计算机设备20和图像显示设备30。扫描设备10包括X线管、探测器和扫描架等结构,用于进行图像的采集。计算机设备20包括处理器,用于将扫描收集到的信息数据进行存储运算,同时还会进行一些降噪处理。图像显示设备30包括显示器,用于将经过处理器处理、重建的图像显示在显示屏上。
结合图2所示,本公开实施例提供一种用于降低图像噪声的方法,包括:
S001,处理器获取投影数据和与投影数据对应的原始图像。
S002,处理器根据预设的噪声基和投影数据,获取投影数据的噪声。
S003,处理器根据投影数据的噪声,获取原始图像对应的噪声分布图,所述噪声分布图用于反映原始图像中每个像素的噪声程度。
S004,处理器根据噪声分布图,对原始图像去噪,获取目标图像。
本公开实施例提供的用于降低图像噪声的方法,引入噪声基,噪声基是一个与设备物理特性相关的量,不同设备的噪声基可能不一致,然后结合噪声形成的机理和图像噪声的真实分布,利用投影数据的噪声在反投影过程中的传递,重建出能够反映反投影图像中各个像素点噪声水平的噪声分布图,并在后处理降噪过程中参考该噪声分布图的信息,实现对不同像素点的差异降噪。采用本公开实施例提供的用于降低图像噪声的方法,在不额外增加硬件成本以及患者辐射剂量的情况下,即考量了设备物理差异引入的噪声差异(噪声基),也考虑了不同扫描对象下引起的噪声差异(投影数据),造成对CT图像有很好的降噪效果,也提高了降噪后噪声分布的一致性。
设备物理差异包括探测器一致性差异、不同旋转角度下球管焦点差异等等,是一个随时间变化基本不变的量。噪声基就是对设备物理差异的一种反映,具体表现为不同设备的噪声基可能不同。
可选地,根据预设的噪声基和投影数据,获取投影数据的噪声,包括:获取投影数据对应的实际扫描电流;根据实际扫描电流和预设噪声基的基准扫描电流,获取投影数据对应的参考噪声基;根据参考噪声基和投影数据,获取投影数据的噪声。
在本公开实施例中,先根据实际扫描电流和基准扫描电流之间的比例关系,对预设噪声基求出投影数据对应的参考噪声基,再根据参考噪声基求出投影数据的噪声。
可选地,根据实际扫描电流和预设噪声基的基准扫描电流,获取投影数据对应的参考噪声基,采用如下公式:
其中,X为实际扫描电流,X0为基准扫描电流,A0为预设噪声基,N0为参考噪声基。
在该实施例中,可以事先生成光子模板,根据光子模板计算投影数据对应的参考噪声基。结合图3所示,利用CT机在120kv/300mAs的剂量条件下扫描空气,可以得到探测器接收的光子数的示意图。将探测器接收到的光子数A0作为预设噪声基。预设噪声基可以包括不同旋转角度下的探测器接收的数据,或者多帧探测器接收的数据,一帧对应一个旋转角度。根据扫描剂量与光子强度之间的正比关系,若投影数据是在X mAs的条件下获得的,可以得到扫描物体时入射的光子数为:
并将入射的光子数N0作为投影数据对应的参考噪声基。
可选地,根据参考噪声基和投影数据,获取投影数据的噪声,采用如下公式:
其中,μL为投影数据,为投影数据的噪声。
在获取投影数据的过程中,根据和E=Fano*N,可以得到/>。其中E0为入射的X射线强度,E为出射的X射线强度,μL为物体真实的衰减值,N0为入射的光子数,N出射的光子数,Fano为设定的常数因子。因此,根据投影数据中噪声分布的特性,可以得到投影数据的噪声与探测器实际接收到的光子强度具有如下关系:
可选地,根据投影数据的噪声,获取原始图像对应的噪声分布图,包括:对投影数据的噪声进行图像重建获取噪声图像后,对噪声图像求方差,获取噪声分布图;或根据投影数据的噪声获取投影数据的方差后,根据投影数据的方差获取噪声分布图。
CT图像中的数据噪声的产生可以近似为一个不相关的随机过程,将投影数据p(γi,βn)看作一个随机变量,并相互独立。因此,利用投影数据进行图像重建和量化分析的过程也是一个随机的过程。
对投影数据的噪声进行图像重建需要先对采样设备的旋转角度和总扇角进行采样。根据采样信息,并结合投影数据,计算重建图像中各点的像素值,从而进行图像重建:
其中,(x,y)为重建图像中的坐标;f(x,y)为重建图像中(x,y)处的像素值;β为旋转角;N为采样设备旋转一周的采样个数,采样间隔为Δβ;L为球管到重建点的距离;D为球管到旋转中心的距离;γ为通道角;I为扇角的采样个数,采样间隔为Δγ;p(γ,β)为投影数据;ξ为穿过(x,y)的通道角的插值权重;H为卷积反投影中的卷积核;k为穿过(x,y)的通道角的插值参数。
在该实施例中,可以使:
Hi=(1-ξ)H(k,i)+ξH(k+1,i)
wi=cosγi
将公式进行简化处理,得到噪声图像:
又因为对噪声图像f(x,y)求方差,就可以得到噪声分布图:
由于I0无法测量,因此可以用E0≈E进行近似,得到:
获取原始图像对应的噪声分布图,可以根据投影数据的相对独立性,对投影数据求方差,再根据投影数据的方差获取噪声分布图。根据投影数据的相互独立性可知:
又因为可以得到:
由此可见,两种方式推导出的公式相同,Var[f(x,y)]就是反投影图像的噪声分布图。
在重建CT图像时,最常用的就是扇形束图像重建和平行束图像重建。本公开实施例中的推导过程,为扇形束噪声图的重建过程,而在平行束建像中,则不需要考虑球管到重建点的距离L、球管到旋转中心的距离D和投影数据横坐标的余弦cosγi的影响。
结合图4和图5所示,图4中的(a)为水模的反投影图像,图4中的(b)为水模的噪声分布图;图5中的(a)头部的反投影图像,图5中的(b)为头部的噪声分布图。可以发现在CT图像中不同像素点的噪声程度是不一样的,在噪声分布图中,亮度越高的区域,噪声强度就越高,在后续的降噪处理过程中,也会进行强度更高的降噪处理。由于噪声分布图是根据投影数据的噪声分布反投影重建得到的,投影数据的噪声分布只与光子强度和Fano因子有关,因此噪声分布图中的像素值信息反映的是图像中每个像素点的相对噪声水平,而不包括组织边缘和结构细节信息。所以,利用噪声分布图自适应去除图像噪声是合理的,在抹平噪声的同时,也保护了边界和细节信息,避免了在降噪的同时出现边界模糊的问题。
可选地,所述根据噪声分布图,对原始图像去噪,获取目标图像,包括:获取滤波窗口;根据滤波窗口和噪声分布图,计算原始图像中各个像素的有效权重;对原始图像和有效权重进行相乘处理,获取目标图像。
得到噪声分布图后,可以通过设定滤波窗口,计算噪声分布图中各个像素点的有效权重,分析各个像素点噪声水平的差异,最后针对不同像素点的噪声水平进行不同程度的降噪,获取目标图像。
可选地,根据滤波窗口和噪声分布图,计算原始图像中各个像素的有效权重,包括:根据噪声分布图中目标像素和滤波窗口内邻域像素的噪声差异,获取第一权重;根据噪声分布图中目标像素和滤波窗口内邻域像素的相对位置差异,获取第二权重;根据第一权重和第二权重,获取有效权重。
原始图像中各个像素的有效权重,主要与噪声分布图中目标像素和滤波窗口内邻域像素的噪声差异,以及噪声分布图中目标像素和滤波窗口内邻域像素的相对位置差异有关,因此,可以依此来进行原始图像中各个像素的有效权重的计算。
可选地,所述根据噪声分布图中目标像素和滤波窗口内邻域像素的噪声差异,获取第一权重,包括:根据滤波窗口内原始图像的方差和噪声分布图的平均值,获取定标参数;根据噪声分布图中目标像素与滤波窗口内邻域像素的噪声差异,获取第一原始权重;根据定标参数和第一原始权重,获取第一权重。
根据滤波窗口内原始图像的方差和噪声分布图的平均值,可以按照如下公式计算定标参数
其中,λ为定标参数;m为原始图像和噪声分布图的最大像素;s为滤波窗口的窗宽;(x,y)为噪声分布图中的坐标;Ω为能够设置滤波窗口的像素点的集合;varm(x,y)为原始图像的方差;varp(x,y)为噪声分布图的平均值。
根据噪声分布图中目标像素与滤波窗口内邻域像素的噪声差异,获取第一原始权重,可以按照如下公式进行计算:
其中,w0(i,j)为第一原始权重;varmax为噪声分布图中像素值的最大值;var(i,j)为噪声分布图中(i,j)处的像素值;varmin为噪声分布图中像素值的最小值。
将第一原始权重与定标参数相乘,就可以得到第一权重:
可选地,根据噪声分布图中目标像素和滤波窗口内邻域像素的噪声差异,获取第一权重,还可以按照如下公式计算第一权重:
可选地,根据噪声分布图中目标像素和滤波窗口内邻域像素的相对位置差异,获取第二权重,包括按照如下公式计算第二权重:
其中,i为像素点的横坐标;im为滤波窗口内中间像素点的横坐标;j为像素点的纵坐标;jm为滤波窗口内中间像素点的纵坐标。
可选地,根据第一权重和第二权重,获取有效权重,包括按照如下公式计算有效权重:
w(i,j)=w1(i,j)·w2(i,j)
将第一权重和第二权重相乘,就可以得到各点像素点的有效权重。在不同的实施例中,还可以在原计算公式增加一个系数θ来获得更加合适的权重,包括:计算w(i,j)=θ·w1(i,j)·w2(i,j)。其中θ的取值范围包括[0.5,1.5],更具体的,θ=0.8、1或1.2。
可选地,对原始图像和有效权重进行相乘处理,获取目标图像,包括按照如下公式计算目标图像中各点的像素值:
其中,Ω为能够设置滤波窗口的像素点的集合;w(i,j)为滤波窗口内像素点(i,j)的有效权重;f(i,j)为滤波窗口内像素点(i,j)在重建图像中的像素值;wsum为设定的权重归一化参数。
采用本公开实施例的方法,可以分别对每个像素点都计算出一个相应的权重,再根据不同的权重对相应的像素点进行差异降噪,可以使降噪后的图像中的噪声分布状态趋于一致,提高图像噪声分布的一致性。
可选地,本公开实施例提供的用于降低图像噪声的方法,还包括:在预设的扫描电流下扫描空气,获取预设噪声基。
结合图6所示,本公开实施例提供的另一种用于降低图像噪声的方法,包括:
S101,处理器在预设的扫描电流下扫描空气,获取预设噪声基。
S102,处理器获取投影数据和与投影数据对应的原始图像。
S103,处理器根据预设的噪声基和投影数据,获取投影数据的噪声。
S104,处理器根据投影数据的噪声,获取原始图像对应的噪声分布图,所述噪声分布图用于反映原始图像中每个像素的噪声程度。
S105,处理器根据噪声分布图,对原始图像去噪,获取目标图像。
结合图3所示,预设噪声基可以利用CT机在预设的扫描电流下扫描空气,得到探测器接收到的光子数,将探测器接收到的光子数作为预设噪声基。
结合图7所示,本公开实施例提供一种用于降低图像噪声的装置300,包括处理器(processor)200和存储器(memory)201。可选地,该装置还可以包括通信接口(Communication Interface)202和总线203。其中,处理器200、通信接口202、存储器201可以通过总线203完成相互间的通信。通信接口202可以用于信息传输。处理器200可以调用存储器201中的逻辑指令,以执行上述实施例的用于降低图像噪声的方法。
此外,上述的存储器201中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。
存储器201作为一种存储介质,可用于存储软件程序、计算机可执行程序,如本公开实施例中的方法对应的程序指令/模块。处理器200通过运行存储在存储器201中的程序指令/模块,从而执行功能应用以及数据处理,即实现上述实施例中用于降低图像噪声的方法。
存储器201可包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端设备的使用所创建的数据等。此外,存储器201可以包括高速随机存取存储器,还可以包括非易失性存储器。
本公开实施例提供了一种CT设备,包括扫描设备、计算机设备和图像显示设备,其特征在于,还包括如上述的用于降低图像噪声的装置,被安装于所述计算机设备。
本公开实施例提供了一种存储介质,存储有计算机可执行指令,所述计算机可执行指令设置为执行上述用于降低图像噪声的方法。
上述的存储介质可以是暂态计算机可读存储介质,也可以是非暂态计算机可读存储介质。非暂态存储介质,包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等多种可以存储程序代码的介质,也可以是暂态存储介质。
以上描述和附图充分地示出了本公开的实施例,以使本领域的技术人员能够实践它们。其他实施例可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求,否则单独的部件和功能是可选的,并且操作的顺序可以变化。一些实施例的部分和特征可以被包括在或替换其他实施例的部分和特征。而且,本申请中使用的用词仅用于描述实施例并且不用于限制权利要求。如在实施例以及权利要求的描述中使用的,除非上下文清楚地表明,否则单数形式的“一个”(a)、“一个”(an)和“所述”(the)旨在同样包括复数形式。类似地,如在本申请中所使用的术语“和/或”是指包含一个或一个以上相关联的列出的任何以及所有可能的组合。另外,当用于本申请中时,术语“包括”(comprise)及其变型“包括”(comprises)和/或包括(comprising)等指陈述的特征、整体、步骤、操作、元素,和/或组件的存在,但不排除一个或一个以上其它特征、整体、步骤、操作、元素、组件和/或这些的分组的存在或添加。在没有更多限制的情况下,由语句“包括一个…”限定的要素,并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。本文中,每个实施例重点说明的可以是与其他实施例的不同之处,各个实施例之间相同相似部分可以互相参见。对于实施例公开的方法、产品等而言,如果其与实施例公开的方法部分相对应,那么相关之处可以参见方法部分的描述。
本领域技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,可以取决于技术方案的特定应用和设计约束条件。所述技术人员可以对每个特定的应用来使用不同方法以实现所描述的功能,但是这种实现不应认为超出本公开实施例的范围。所述技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
Claims (12)
1.一种用于降低图像噪声的方法,其特征在于,包括:
获取投影数据和与投影数据对应的原始图像;
根据预设的噪声基和投影数据,获取投影数据的噪声;
根据投影数据的噪声,获取原始图像对应的噪声分布图,所述噪声分布图用于反映原始图像中每个像素的噪声程度;
根据噪声分布图,对原始图像去噪,获取目标图像。
2.根据权利要求1所述的方法,其特征在于,所述根据预设的噪声基和投影数据,获取投影数据的噪声,包括:
获取投影数据对应的实际扫描电流;
根据实际扫描电流和预设噪声基的基准扫描电流,获取投影数据对应的参考噪声基;
根据参考噪声基和投影数据,获取投影数据的噪声。
3.根据权利要求2所述的方法,其特征在于,所述根据实际扫描电流和预设噪声基的基准扫描电流,获取投影数据对应的参考噪声基,采用如下公式:
其中,X为实际扫描电流,X0为基准扫描电流,A0为预设噪声基,N0为参考噪声基。
4.根据权利要求3所述的方法,其特征在于,所述根据参考噪声基和投影数据,获取投影数据的噪声,采用如下公式:
其中,μL为投影数据,σμL为投影数据的噪声。
5.根据权利要求1所述的方法,其特征在于,所述根据投影数据的噪声,获取原始图像对应的噪声分布图,包括:
对投影数据的噪声进行图像重建获取噪声图像后,对噪声图像求方差,获取噪声分布图;或
根据投影数据的噪声获取投影数据的方差后,根据投影数据的方差获取噪声分布图。
6.根据权利要求1至5任一项所述的方法,其特征在于,所述根据噪声分布图,对原始图像去噪,获取目标图像,包括:
获取滤波窗口;
根据滤波窗口和噪声分布图,计算原始图像中各个像素的有效权重;
对原始图像和有效权重进行相乘处理,获取目标图像。
7.根据权利要求6所述的方法,其特征在于,所述根据滤波窗口和噪声分布图,计算原始图像中各个像素的有效权重,包括:
根据噪声分布图中目标像素和滤波窗口内邻域像素的噪声差异,获取第一权重;
根据噪声分布图中目标像素和滤波窗口内邻域像素的相对位置差异,获取第二权重;
根据第一权重和第二权重,获取有效权重。
8.根据权利要求7所述的方法,其特征在于,所述根据噪声分布图中目标像素和滤波窗口内邻域像素的噪声差异,获取第一权重,包括:
根据滤波窗口内原始图像的方差和噪声分布图的平均值,获取定标参数;
根据噪声分布图中目标像素与滤波窗口内邻域像素的噪声差异,获取第一原始权重;
根据定标参数和第一原始权重,获取第一权重。
9.根据权利要求1至5任一项所述的方法,其特征在于,还包括:
在预设的扫描电流下扫描空气,获取预设噪声基。
10.一种用于降低图像噪声的装置,包括处理器和存储有程序指令的存储器,其特征在于,所述处理器被配置为在运行所述程序指令时,执行如权利要求1至9任一项所述的用于降低图像噪声的方法。
11.一种CT设备,包括扫描设备、计算机设备和图像显示设备,其特征在于,还包括:
如权利要求10所述的用于降低图像噪声的装置,被安装于所述计算机设备。
12.一种存储介质,存储有程序指令,其特征在于,所述程序指令在运行时,执行如权利要求1至9任一项所述的用于降低图像噪声的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311468027.9A CN117495704A (zh) | 2023-11-03 | 2023-11-03 | 用于降低图像噪声的方法及装置、ct设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311468027.9A CN117495704A (zh) | 2023-11-03 | 2023-11-03 | 用于降低图像噪声的方法及装置、ct设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117495704A true CN117495704A (zh) | 2024-02-02 |
Family
ID=89675901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311468027.9A Pending CN117495704A (zh) | 2023-11-03 | 2023-11-03 | 用于降低图像噪声的方法及装置、ct设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117495704A (zh) |
-
2023
- 2023-11-03 CN CN202311468027.9A patent/CN117495704A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8965078B2 (en) | Projection-space denoising with bilateral filtering in computed tomography | |
US9036771B2 (en) | System and method for denoising medical images adaptive to local noise | |
US8731266B2 (en) | Method and system for correcting artifacts in image reconstruction | |
US7558362B2 (en) | Streak artifact reduction in cardiac cone beam CT reconstruction | |
JP3373720B2 (ja) | X線断層撮影装置 | |
US7756312B2 (en) | Methods and apparatus for noise estimation | |
US8111889B2 (en) | Method and apparatus for efficient calculation and use of reconstructed pixel variance in tomography images | |
US7747057B2 (en) | Methods and apparatus for BIS correction | |
US8805037B2 (en) | Method and system for reconstruction of tomographic images | |
US7983462B2 (en) | Methods and systems for improving quality of an image | |
US20080292173A1 (en) | Methods and apparatus for artifact reduction | |
US5594767A (en) | Methods and apparatus for enhancing image sharpness | |
US8855394B2 (en) | Methods and apparatus for texture based filter fusion for CBCT system and cone-beam image reconstruction | |
US20030076988A1 (en) | Noise treatment of low-dose computed tomography projections and images | |
JP6026214B2 (ja) | 連続マルチスケール再構成において詳細画像を補うx線コンピュータ断層撮像装置(x線ct装置)、医用画像処理装置及び医用画像処理方法 | |
US20060029285A1 (en) | Method for helical windmill artifact reduction with noise restoration for helical multislice CT | |
JP5590548B2 (ja) | X線ct画像処理方法,x線ctプログラムおよび該プログラムが搭載されたx線ct装置 | |
JPH10216121A (ja) | らせん走査で画像を作成するための方法およびシステム | |
US20140016847A1 (en) | Multi-phase computed tomography image reconstruction | |
US6973157B2 (en) | Method and apparatus for weighted backprojection reconstruction in 3D X-ray imaging | |
JP7187131B2 (ja) | 画像生成装置、x線コンピュータ断層撮影装置及び画像生成方法 | |
US8385620B2 (en) | Method and system for multi-detector-row computed tomography utilizing projection data up-sampling with shift | |
US9105124B2 (en) | Methods and systems for reducing noise- related imaging artifacts | |
JP2002034970A (ja) | マルチ・スライスct走査の螺旋再構成の方法及び装置 | |
US6647084B1 (en) | Method and apparatus for filtering projection data of a helical scan |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |