CN117911405B - 一种用于牙髓牙体检测的x射线影像处理方法 - Google Patents
一种用于牙髓牙体检测的x射线影像处理方法 Download PDFInfo
- Publication number
- CN117911405B CN117911405B CN202410308937.9A CN202410308937A CN117911405B CN 117911405 B CN117911405 B CN 117911405B CN 202410308937 A CN202410308937 A CN 202410308937A CN 117911405 B CN117911405 B CN 117911405B
- Authority
- CN
- China
- Prior art keywords
- reference block
- obtaining
- pixel
- parameter
- ray image
- 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.)
- Active
Links
- 210000003074 dental pulp Anatomy 0.000 title claims abstract description 32
- 238000001514 detection method Methods 0.000 title claims abstract description 19
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000001914 filtration Methods 0.000 claims abstract description 67
- 238000012937 correction Methods 0.000 claims abstract description 30
- 238000012216 screening Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 31
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 13
- 238000013507 mapping Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 238000000333 X-ray scattering Methods 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 210000000214 mouth Anatomy 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000021749 root development Effects 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及X射线影像处理技术领域,具体涉及一种用于牙髓牙体检测的X射线影像处理方法。本发明首先在牙髓牙体的X射线影像中每个像素点处建立参考块;进一步获取参考块的伪影噪声程度和牙体边缘密切参数;进一步筛选获得相似块并获得相似块的伪影噪声程度以及牙体边缘密切参数;进一步获取参考块的修正加权因子;进一步获得进行滤波并结合修正加权因子获得滤波结果。本发明通过构建不同尺寸参考块并进行多次滤波,分析每个参考块的噪声特征获得加权权重,最后加权获得滤波X射线影像,提升了对牙髓牙体检测的X射线影像处理的准确性,提升滤波结果的稳定性,去除伪影噪声的同时减少影像纹理损失。
Description
技术领域
本发明涉及X射线影像处理技术领域,具体涉及一种用于牙髓牙体检测的X射线影像处理方法。
背景技术
在对牙髓牙体使用X射线影像技术拍摄其影像进行检测时,由于牙齿周围的空气对X射线具有很强的吸收能力以及口腔组织对X射线有一定的影响,这些区域可能会在影像中出现伪影,这种伪影会使得图像难以解读。
现有的对于X射线影像进行图像去噪的方法通常是非局部均值滤波算法,但是在使用非局部均值滤波算法计算每个像素点的滤波结果时,由于对像素点只建立一个参考块过于单调,使得滤波结果受限,并且一次滤波结果不稳定,而且不合适的参考块尺寸会导致滤波尺度不足或者过度滤波的现象发生,影响牙髓牙体的X射线影像的处理结果。
发明内容
为了解决现有非局部均值滤波算法对牙髓牙体X射线影像处理效果不理想的技术问题,本发明的目的在于提供一种用于牙髓牙体检测的X射线影像处理方法,所采用的技术方案具体如下:
获取牙髓牙体的X射线影像;根据不同预设尺寸以每个像素点为中心建立多个参考块;
根据每个参考块内像素点的分布特征,获得每个参考块的伪影噪声程度;根据每个参考块到牙体边缘的距离特征,获得每个参考块的牙体边缘密切参数;
根据每个参考块与所述X射线影像中其他相同尺寸参考块的相似特征,筛选获得每个参考块的相似块;根据所述参考块和对应的所述相似块的伪影噪声程度以及牙体边缘密切参数,获得每个所述参考块的初始加权因子;根据所述参考块与所述像素点的其他参考块的所述伪影噪声程度的差异,调整所述初始加权因子,获得修正加权因子;
获取每个所述相似块的滤波权重;根据所述相似块的滤波权重获得所述参考块的滤波结果;
根据以像素点为中心的每个参考块的滤波结果及其对应的修正加权因子,获得像素点的滤波结果,获得滤波X射线影像。
进一步地,所述伪影噪声程度的获取方法包括:
根据所述参考块中整体像素点灰度值的波动特征,获得第一参数;
根据所述参考块中每一行像素点的分布特征,获得第二参数;
根据所述参考块中每个像素点与其预设邻域范围内其他像素点灰度值的差异特征,获得第三参数;
将所述第一参数、所述第二参数和所述第三参数的乘积作为所述参考块的伪影噪声程度。
进一步地,所述牙体边缘密切参数的获取方法包括:
对所述X射线影像进行边缘检测,获得牙体边缘;获取所述参考块的所有顶点到所述牙体边缘上每个像素点的欧氏距离,将欧氏距离最小的像素点作为目标牙体像素点;
获取所述参考块上最外层一圈像素点坐标值与所述目标牙体像素点坐标值之间的欧氏距离,将最外层一圈所有像素点对应的欧氏距离的和作为牙体边缘密切参数。
进一步地,所述初始加权因子的获取方法包括:
利用加权因子计算公式获取所述参考块的加权因子;所述加权因子计算公式包括:
;其中,/>表示第/>个像素点第/>个参考块的初始加权因子;/>表示第/>个像素点第/>个参考块的伪影噪声程度;/>表示第/>个像素点第/>个参考块的相似块的数量;/>表示第/>个像素点第/>个参考块的第/>个相似块的伪影噪声程度;表示第/>个像素点第/>个参考块的牙体边缘密切参数;/>表示第/>个像素点第/>个参考块的第/>个相似块的牙体边缘密切参数,/>表示除零正参数。
进一步地,所述修正加权因子的获取方法包括:
根据修正权重公式获得所述初始加权因子的修正权重;将所述修正权重与初始加权因子的乘积作为修正加权因子;所述修正权重公式包括:
;其中,/>表示第/>个像素点第/>个参考块的修正权重;/>表示归一化函数;/>表示像素点除去参考块以外其他参考块的数量;/>表示像素点除去参考块以外其他第/>个参考块的伪影噪声程度;/>表示第/>个像素点第/>个参考块的伪影噪声程度。
进一步地,所述滤波权重的获取方法包括:
获取所述相似块与所述参考块所有相同位置顶点的欧氏距离的倒数,作为距离参数;将每个所述相似块的所述距离参数与所有所述距离参数和的比值作为每个所述相似块的滤波权重。
进一步地,所述相似块的获取方法包括:
利用均方误差获取所述参考块与其他相同尺寸参考块的相似度,将相似度高于预设相似度阈值的参考块作为相似块。
进一步地,所述第一参数的获取方法包括:
获取所述参考块中每个像素点的灰度值与所有像素点的平均灰度值的差值绝对值,将所有差值绝对值的和作为第一参数。
进一步地,所述第二参数的获取方法包括:
根据每行像素点灰度值,拟合灰度值变化曲线,获取每行像素点灰度值的极值点,将所有极值点的数量作为第二参数。
进一步地,所述第三参数的获取方法包括:
获取每个像素点与其预设邻域范围内其他像素点灰度值的差值绝对值,将所有差值绝对值的标准差作为第三参数。
本发明具有如下有益效果:
本发明为了解决现有非局部均值滤波算法对牙髓牙体X射线影像处理效果不理想的技术问题,提供一种用于牙髓牙体检测的X射线影像处理方法。本发明首先获得牙髓牙体的X射线影像,并在每个像素点处建立多个参考块,为进行多次滤波后加权获得更准确的滤波结果进行初步准备;进一步获得参考块的伪影噪声程度和牙体边缘密切参数,从参考块内像素点的分布特征角度以及参考块到牙体边缘的距离特征角度,为计算加权权重提供依据;进一步结合参考块和相似块对应的伪影噪声程度和牙体边缘密切程度参数获得初始加权因子并进行修正,获得每个参考块的修正加权因子,为后续加权处理不同参考块的滤波结果,获得准确滤波X射线影像提供准确依据;进一步获得每个参考块的滤波结果,然后结合修正加权因子获得滤波结果,获得滤波X射线影像。本发明通过构建不同尺寸参考块并进行多次滤波,分析每个参考块的噪声特征获得加权权重,最后加权获得每个像素点的滤波结果,提升了对牙髓牙体检测的X射线影像处理的准确性,提升滤波结果的稳定性,去除伪影噪声的同时减少影像纹理损失。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种用于牙髓牙体检测的X射线影像处理方法的流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种用于牙髓牙体检测的X射线影像处理方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种用于牙髓牙体检测的X射线影像处理方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种用于牙髓牙体检测的X射线影像处理方法的流程图,具体包括:
步骤S1:获取牙髓牙体的X射线影像;根据不同预设尺寸以每个像素点为中心建立多个参考块。
X射线影像提供了关于牙齿齿根发育、位置和相邻牙齿关系的详细信息,是一种了解牙齿生长状况的重要辅助手段,因此对X射线影像进行处理,获取准确且清晰的X射线影像具有重要意义。
在本发明实施例中,首先获取牙髓牙体的X射线影像,考虑到传统非局部均值滤波算法进行处理时,对像素点构建一个参考块并进行一次滤波可能存在参考块尺寸不合适、滤波结果不稳定的问题,影响X射线影像的处理效果,所以本发明在每个像素点处建立多个尺寸的参考块,并进行多次滤波,最后将滤波结果进行加权,获得更加准确的处理结果。
需要说明的是,在本发明一个实施例中,预设尺寸为和,建立5个不同尺寸的参考块,对于靠近图像边缘的像素点逐渐减少参考块数量,例如某一个像素点距离图像最近的边缘仅有2个像素点,那么就建立/>和/>两个尺寸的参考块,对于无法建立最小尺寸参考块的像素点进行忽略;在本发明其他实施例中,实施者可以选择其他尺寸以及其他数量建立参考块,对靠近边缘的像素点采用图像边缘填充等其他方法进行处理。
步骤S2:根据每个参考块内像素点的分布特征,获得每个参考块的伪影噪声程度;根据每个参考块到牙体边缘的距离特征,获得每个参考块的牙体边缘密切参数。
由经验可知,当X射线穿过口腔组织时,X射线不完全被牙髓牙体组织吸收,有一部分射线会被组织中的原子散射,有一部分射线被牙齿周围空气吸收,会改变射线的方向和能量分布,导致影像中出现伪影;不同尺寸的参考块内包含的像素点不同,包含伪影等噪声的情况不同,在最终获得滤波结果时的可信度不同,所以需要获取每个参考块的加权因子,调整不同参考块滤波结果的贡献度,获得准确的滤波结果。如果一个参考块包含的区域内存在伪影噪声,那么该参考块内的像素点的灰度值是不均匀的,并且越靠近牙体边缘,越有可能受到噪声影响,所以分别获取伪影噪声程度和牙体边缘密切参数,作为后续加权因子的计算依据。
优选地,在本发明一个实施例中,考虑到参考块中每个像素点灰度值的离散程度越大,整体像素点灰度值波动越明显,包含噪声点的可能性越高;考虑到每一行像素点的变化趋势波动越剧烈,受噪声点影响的可能性越大,出现极值点的数量就越多;又考虑到每个像素点和周围像素点的差异越大,异常可能性越大,越有可能是噪声像素点;所以结合整体波动特征、每一行像素点的分布特征、像素点与其邻域像素点的差异特征三个方面,综合获取参考块的伪影噪声程度:
根据参考块中整体像素点灰度值的波动特征,获取参考块中每个像素点的灰度值与所有像素点的平均灰度值的差值绝对值,将所有差值绝对值的和作为第一参数;
根据每行像素点灰度值,拟合灰度值变化曲线,获取每行像素点灰度值的极值点,将所有极值点的数量作为第二参数;
根据参考块中每个像素点与其预设邻域范围内其他像素点灰度值的差异特征,获取每个像素点与其预设邻域范围内其他像素点灰度值的差值绝对值,将所有差值绝对值的标准差作为第三参数;
将第一参数、第二参数和第三参数的乘积作为参考块的伪影噪声程度,用公式表示为:
其中,表示第/>个像素点第/>个参考块的伪影噪声程度;/>表示第/>个像素点第/>个参考块的第一参数;/>表示第/>个像素点第/>个参考块的第二参数;/>表示第/>个像素点第/>个参考块的第三参数;/>,/>表示第/>个像素点第/>个参考块内像素点数量,/>表示第/>个像素点第/>个参考块内第/>个像素点的灰度值,/>表示第/>个像素点第/>个参考块内所有像素点的灰度值均值;/>,/>表示第/>个像素点第/>个参考块具有像素点的行数;/>表示第/>个像素点第/>个参考块第/>行极值点数量。
伪影噪声程度的计算公式中,第一参数越大,说明参考块中整体像素点的离散程度越大,波动程度越大,包含伪影噪声的可能性越大,伪影噪声程度越大;第二参数越大,说明每行像素点灰度值变化曲线包含的极值点数量越多,像素点变化趋势一致性越差,包含伪影噪声可能越多,伪影噪声程度就越大;第三参数越大,说明像素点与其邻域像素点的差异越大,属于伪影噪声像素点的可能性越高,标准差越大,说明参考块内像素点灰度的不均匀程度越大,反映出X射线散射程度越大,存在伪影噪声的可能性越大,伪影噪声程度就越大。
需要说明的是,一般情况下,X射线影像均为灰度图像,不需要进行灰度化处理;当出现X射线影像不是灰度图像时,将X射线影像进行灰度化,便于后续进行分析;在本发明一个实施例中,预设邻域范围包含每个像素点上下左右四个像素点;在本发明其他实施例中,可以选择其他形状及大小的邻域范围,也可选用其他基础数学运算或者函数映射实现相关映射,其为本领域技术人员熟知的技术手段,在此不做赘述。
优选地,在本发明一个实施例中,考虑到在图像中构建坐标系更有利于衡量距离特征,并且参考块最外层一圈像素点到距离参考块最近的牙体像素点的距离特征,能够反映出整个参考块与牙体距离特征,所以对X射线影像进行边缘检测,获得牙体边缘;获取参考块的所有顶点到牙体边缘上每个像素点的欧氏距离,将欧氏距离最小的像素点作为目标牙体像素点;
获取参考块上最外层一圈像素点坐标值与目标牙体像素点坐标值之间的欧氏距离,将最外层一圈所有像素点对应的欧氏距离的和作为牙体边缘密切参数。
需要说明的是,在本发明其他实施例中,实施者可以选用其他方式筛选出牙体边缘像素点,可以计算参考块内例如对角线等其他位置的像素点与牙体边缘像素点的距离,采用计算曼哈顿距离等方式获得牙体边缘密切参数。
步骤S3:根据每个参考块与X射线影像中其他相同尺寸参考块的相似特征,筛选获得每个参考块的相似块;根据参考块和对应的相似块的伪影噪声程度以及牙体边缘密切参数,获得每个参考块的初始加权因子;根据参考块与像素点的其他参考块的伪影噪声程度的差异,调整初始加权因子,获得修正加权因子。
在本发明实施例中,考虑到仅通过参考块的伪影噪声程度和牙体边缘密切参数获得加权因子可能不够准确,结合非局部均值滤波算法中使用相似块的思路,通过结合相似块和参考块的特征,获得更加准确的加权因子,所以需要先筛选出相似块。
优选地,在本发明一个实施例中,考虑到均方误差是常用的相似度度量指标,所以利用均方误差获取参考块与其他相同尺寸参考块的相似度,将相似度高于预设相似度阈值的参考块作为相似块。
需要说明的是,在本发明一个实施例中,预设相似度阈值设置为0.9,均方误差已是本领域技术人员所熟知技术手段,在此不再进行赘述;在本发明其他实施例中,实施者可以选择结构相似性指数等其他方法衡量两个参考块之间的相似度。
在本发明实施例中,相似块的伪影噪声程度和牙体边缘密切程度的获取方法与参考块的这两个特征参数的获取方法相同,不再进行赘述。
优选地,在本发明一个实施例中,考虑到伪影噪声程度越大,说明参考块和对应相似块中的包含伪影噪声的可能性越大,对应的加权因子就越小;牙体边缘密切参数越大,说明目参考块和相似块距离牙体边缘越远,出现伪影的可能性越小,对应的加权因子就越大;所以将伪影噪声程度负相关映射,将牙体边缘密切参数正相关映射,构建加权因子计算公式,利用加权因子计算公式获取参考块的加权因子;加权因子计算公式包括:
其中,表示第/>个像素点第/>个参考块的初始加权因子;/>表示第/>个像素点第/>个参考块的伪影噪声程度;/>表示第/>个像素点第/>个参考块的相似块的数量;/>表示第/>个像素点第/>个参考块的第/>个相似块的伪影噪声程度;/>表示第/>个像素点第/>个参考块的牙体边缘密切参数;/>表示第/>个像素点第/>个参考块的第/>个相似块的牙体边缘密切参数,/>表示除零正参数,在本发明一个实施例中/>。
需要说明的是,在本发明其他实施例中,也可选用其他基础数学运算或者函数映射实现相关映射,其为本领域技术人员熟知的技术手段,在此不做赘述。
参考块的初始加权因子综合了参考块及其相似块在伪影噪声表现以及与牙体边缘密切特征,初步获得了参考块的初始加权因子;但是初始加权因子仅从一个的参考块的相应特征角度进行考虑,而像素点的不同参考块之间具有一定的差异,相对可信度有所不同,所以需要对初始加权因子进行进一步修正。考虑到参考块中伪影噪声程度越小,可信度越高,所以根据参考块与像素点的其他参考块的伪影噪声程度的差异,调整初始加权因子,获得修正加权因子。
优选地,在本发明一个实施例中,根据修正权重公式获得初始加权因子的修正权重;将修正权重与初始加权因子的乘积作为修正加权因子;修正权重公式包括:
其中,表示第/>个像素点第/>个参考块的修正权重;/>表示归一化函数;/>表示像素点除去参考块以外其他参考块的数量;/>表示像素点除去参考块以外其他第/>个参考块的伪影噪声程度;/>表示第/>个像素点第/>个参考块的伪影噪声程度。
加权因子计算公式中,参考块的伪影噪声程度越小,其他参考块与参考块的伪影噪声程度的差值越大,反映出参考块包含伪影噪声的可能性越小,可信度相对其他参考块越高,修正权重越大,通过修正权重调整初始加权因子,进一步提升修正加权因子的准确性。
需要说明的是,在本发明其他实施例中,也可选用其他基础数学运算或者函数映射实现相关映射,其为本领域技术人员熟知的技术手段,在此不做赘述。
步骤S4:获取每个相似块的滤波权重;根据相似块的滤波权重获得参考块的滤波结果。
获得每个参考块的修正加权因子后,还需要获得参考块的滤波结果,从而对滤波结果进行加权,获得最终滤波结果。
优选地,在本发明一个实施例中,考虑到相似块与参考块之间的距离越近,相关性越强,可信程度越高,基于此,获取相似块与参考块所有相同位置顶点的欧氏距离的倒数,作为距离参数;将每个相似块的距离参数与所有距离参数和的比值作为每个相似块的滤波权重。
在本发明另一个实施例中,考虑到相似块与参考块之间的相似度越高,可信度越强,所以将每个相似块与参考块之间的相似度通过所有相似度之和进行归一化,获得滤波权重。
需要说明的是,与传统非局部均值滤波算法相比,本发明获取相似块及其滤波权重的方式有所差异,其他滤波过程和传统非局部均值滤波算法相同,而非局部均值滤波算法对于本领域技术人员而言是熟知的技术手段,所以在此不再进行赘述。
步骤S5:根据以像素点为中心的每个参考块的滤波结果及其对应的修正加权因子,获得像素点的滤波结果,获得滤波X射线影像。
通过步骤S1到步骤S4的处理,获得了像素点参考块的滤波结果以及修正加权因子,最后通过加权处理即可获得像素点的滤波结果。
在本发明实施例中,将像素点的不同参考块的修正加权因子通过除以所有修正加权因子之和进行归一化,将归一化后的权重与对应的滤波结果相乘,并将所有乘积求和,获得像素点的最终滤波结果。
改变像素点,获得所有像素点的滤波结果,获得滤波X射线影像。
综上所述,本发明为了解决现有非局部均值滤波算法对牙髓牙体X射线影像处理效果不理想的技术问题,提供一种用于牙髓牙体检测的X射线影像处理方法。本发明首先获得牙髓牙体的X射线影像,并在每个像素点处建立多个参考块;进一步分析参考块内像素点的分布特征,以及参考块到牙体边缘的距离特征,分别获得参考块的伪影噪声程度和牙体边缘密切参数;进一步结合参考块和相似块对应的参数获得初始加权因子并进行修正;进一步获得每个参考块的滤波结果,然后结合修正加权因子获得滤波结果。本发明通过构建不同尺寸参考块并进行多次滤波,分析每个参考块的噪声特征获得加权权重,最后加权获得每个像素点的滤波结果,提升了对牙髓牙体检测的X射线影像处理的准确性,提升滤波结果的稳定性,去除伪影噪声的同时减少影像纹理损失。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
Claims (5)
1.一种用于牙髓牙体检测的X射线影像处理方法,其特征在于,所述方法包括:
获取牙髓牙体的X射线影像;根据不同预设尺寸以每个像素点为中心建立多个参考块;
根据每个参考块内像素点的分布特征,获得每个参考块的伪影噪声程度;根据每个参考块到牙体边缘的距离特征,获得每个参考块的牙体边缘密切参数;
根据每个参考块与所述X射线影像中其他相同尺寸参考块的相似特征,筛选获得每个参考块的相似块;根据所述参考块和对应的所述相似块的伪影噪声程度以及牙体边缘密切参数,获得每个所述参考块的初始加权因子;根据所述参考块与所述像素点的其他参考块的所述伪影噪声程度的差异,调整所述初始加权因子,获得修正加权因子;
获取每个所述相似块的滤波权重;根据所述相似块的滤波权重获得所述参考块的滤波结果;
根据以像素点为中心的每个参考块的滤波结果及其对应的修正加权因子,获得像素点的滤波结果,获得滤波X射线影像;
所述伪影噪声程度的获取方法包括:
根据所述参考块中整体像素点灰度值的波动特征,获得第一参数;
根据所述参考块中每一行像素点的分布特征,获得第二参数;
根据所述参考块中每个像素点与其预设邻域范围内其他像素点灰度值的差异特征,获得第三参数;
将所述第一参数、所述第二参数和所述第三参数的乘积作为所述参考块的伪影噪声程度;
所述牙体边缘密切参数的获取方法包括:
对所述X射线影像进行边缘检测,获得牙体边缘;获取所述参考块的所有顶点到所述牙体边缘上每个像素点的欧氏距离,将欧氏距离最小的像素点作为目标牙体像素点;
获取所述参考块上最外层一圈像素点坐标值与所述目标牙体像素点坐标值之间的欧氏距离,将最外层一圈所有像素点对应的欧氏距离的和作为牙体边缘密切参数;
所述初始加权因子的获取方法包括:
利用加权因子计算公式获取所述参考块的加权因子;所述加权因子计算公式包括:
;其中,/>表示第/>个像素点第/>个参考块的初始加权因子;/>表示第/>个像素点第/>个参考块的伪影噪声程度;/>表示第/>个像素点第/>个参考块的相似块的数量;/>表示第/>个像素点第/>个参考块的第/>个相似块的伪影噪声程度;/>表示第/>个像素点第/>个参考块的牙体边缘密切参数;/>表示第/>个像素点第/>个参考块的第/>个相似块的牙体边缘密切参数,/>表示除零正参数;
所述修正加权因子的获取方法包括:
根据修正权重公式获得所述初始加权因子的修正权重;将所述修正权重与初始加权因子的乘积作为修正加权因子;所述修正权重公式包括:
;其中,/>表示第/>个像素点第/>个参考块的修正权重;表示归一化函数;/>表示像素点除去参考块以外其他参考块的数量;/>表示像素点除去参考块以外其他第/>个参考块的伪影噪声程度;/>表示第/>个像素点第/>个参考块的伪影噪声程度;
所述滤波权重的获取方法包括:
获取所述相似块与所述参考块所有相同位置顶点的欧氏距离的倒数,作为距离参数;将每个所述相似块的所述距离参数与所有所述距离参数和的比值作为每个所述相似块的滤波权重。
2.根据权利要求1中所述的一种用于牙髓牙体检测的X射线影像处理方法,其特征在于,所述相似块的获取方法包括:
利用均方误差获取所述参考块与其他相同尺寸参考块的相似度,将相似度高于预设相似度阈值的参考块作为相似块。
3.根据权利要求1中所述的一种用于牙髓牙体检测的X射线影像处理方法,其特征在于,所述第一参数的获取方法包括:
获取所述参考块中每个像素点的灰度值与所有像素点的平均灰度值的差值绝对值,将所有差值绝对值的和作为第一参数。
4.根据权利要求1中所述的一种用于牙髓牙体检测的X射线影像处理方法,其特征在于,所述第二参数的获取方法包括:
根据每行像素点灰度值,拟合灰度值变化曲线,获取每行像素点灰度值的极值点,将所有极值点的数量作为第二参数。
5.根据权利要求1中所述的一种用于牙髓牙体检测的X射线影像处理方法,其特征在于,所述第三参数的获取方法包括:
获取每个像素点与其预设邻域范围内其他像素点灰度值的差值绝对值,将所有差值绝对值的标准差作为第三参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410308937.9A CN117911405B (zh) | 2024-03-19 | 2024-03-19 | 一种用于牙髓牙体检测的x射线影像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410308937.9A CN117911405B (zh) | 2024-03-19 | 2024-03-19 | 一种用于牙髓牙体检测的x射线影像处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117911405A CN117911405A (zh) | 2024-04-19 |
CN117911405B true CN117911405B (zh) | 2024-05-24 |
Family
ID=90684175
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410308937.9A Active CN117911405B (zh) | 2024-03-19 | 2024-03-19 | 一种用于牙髓牙体检测的x射线影像处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117911405B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007318578A (ja) * | 2006-05-29 | 2007-12-06 | Sony Corp | 画像処理装置および画像処理方法 |
JP2008116459A (ja) * | 1999-10-22 | 2008-05-22 | Toshiba Corp | 画像の輪郭抽出方法、画像からの物体抽出方法およびこの物体抽出方法を用いた画像伝送システム |
JP2008243226A (ja) * | 2008-05-29 | 2008-10-09 | Toshiba Corp | 物体画像抽出方法 |
CN104200442A (zh) * | 2014-09-19 | 2014-12-10 | 西安电子科技大学 | 基于改进的canny边缘检测的非局部均值MRI图像去噪方法 |
CN105678718A (zh) * | 2016-03-29 | 2016-06-15 | 努比亚技术有限公司 | 图像去噪方法和装置 |
CN110648290A (zh) * | 2019-09-06 | 2020-01-03 | 西安交通大学 | 一种基于sure参数优化的双核非局部均值图像去噪方法 |
WO2022047671A1 (en) * | 2020-09-02 | 2022-03-10 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method of removing noise in image and electrical device |
CN114283086A (zh) * | 2021-12-23 | 2022-04-05 | 深圳航天科技创新研究院 | 一种基于信号域与图像域联合滤波的磁共振影像降噪方法 |
CN114596229A (zh) * | 2022-03-07 | 2022-06-07 | 上海义礼健康科技有限公司 | 一种图像降噪方法及系统 |
CN115660976A (zh) * | 2022-10-18 | 2023-01-31 | Oppo广东移动通信有限公司 | 图像处理方法、装置、设备和计算机可读存储介质 |
CN116228570A (zh) * | 2023-01-29 | 2023-06-06 | 南京工程学院 | 一种基于bm3d模型的乳腺超声图像去噪方法 |
CN116309187A (zh) * | 2023-05-15 | 2023-06-23 | 济南科汛智能科技有限公司 | 一种儿童肺炎医疗影像智能增强方法 |
CN116342414A (zh) * | 2023-03-21 | 2023-06-27 | 中国人民解放军战略支援部队信息工程大学 | 基于相似块学习的ct图像降噪方法及系统 |
CN117393116A (zh) * | 2023-12-12 | 2024-01-12 | 中国人民解放军空军军医大学 | 一种便携式dr设备的医疗影像数据传输系统及方法 |
CN117455802A (zh) * | 2023-12-25 | 2024-01-26 | 榆林金马巴巴网络科技有限公司 | 一种本安型矿灯采集图像降噪增强方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101828411B1 (ko) * | 2011-09-21 | 2018-02-13 | 삼성전자주식회사 | 영상 처리 방법 및 영상 처리 장치 |
EP3132418B1 (en) * | 2014-11-13 | 2019-10-09 | Huawei Technologies Co. Ltd. | Non local image denoising |
-
2024
- 2024-03-19 CN CN202410308937.9A patent/CN117911405B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008116459A (ja) * | 1999-10-22 | 2008-05-22 | Toshiba Corp | 画像の輪郭抽出方法、画像からの物体抽出方法およびこの物体抽出方法を用いた画像伝送システム |
JP2007318578A (ja) * | 2006-05-29 | 2007-12-06 | Sony Corp | 画像処理装置および画像処理方法 |
JP2008243226A (ja) * | 2008-05-29 | 2008-10-09 | Toshiba Corp | 物体画像抽出方法 |
CN104200442A (zh) * | 2014-09-19 | 2014-12-10 | 西安电子科技大学 | 基于改进的canny边缘检测的非局部均值MRI图像去噪方法 |
CN105678718A (zh) * | 2016-03-29 | 2016-06-15 | 努比亚技术有限公司 | 图像去噪方法和装置 |
CN110648290A (zh) * | 2019-09-06 | 2020-01-03 | 西安交通大学 | 一种基于sure参数优化的双核非局部均值图像去噪方法 |
WO2022047671A1 (en) * | 2020-09-02 | 2022-03-10 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method of removing noise in image and electrical device |
CN114283086A (zh) * | 2021-12-23 | 2022-04-05 | 深圳航天科技创新研究院 | 一种基于信号域与图像域联合滤波的磁共振影像降噪方法 |
CN114596229A (zh) * | 2022-03-07 | 2022-06-07 | 上海义礼健康科技有限公司 | 一种图像降噪方法及系统 |
CN115660976A (zh) * | 2022-10-18 | 2023-01-31 | Oppo广东移动通信有限公司 | 图像处理方法、装置、设备和计算机可读存储介质 |
CN116228570A (zh) * | 2023-01-29 | 2023-06-06 | 南京工程学院 | 一种基于bm3d模型的乳腺超声图像去噪方法 |
CN116342414A (zh) * | 2023-03-21 | 2023-06-27 | 中国人民解放军战略支援部队信息工程大学 | 基于相似块学习的ct图像降噪方法及系统 |
CN116309187A (zh) * | 2023-05-15 | 2023-06-23 | 济南科汛智能科技有限公司 | 一种儿童肺炎医疗影像智能增强方法 |
CN117393116A (zh) * | 2023-12-12 | 2024-01-12 | 中国人民解放军空军军医大学 | 一种便携式dr设备的医疗影像数据传输系统及方法 |
CN117455802A (zh) * | 2023-12-25 | 2024-01-26 | 榆林金马巴巴网络科技有限公司 | 一种本安型矿灯采集图像降噪增强方法 |
Non-Patent Citations (1)
Title |
---|
基于多图像非局部均值去噪算法研究;陈银星;商丽娟;;五邑大学学报(自然科学版);20180515(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117911405A (zh) | 2024-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8711144B2 (en) | Perception-based artifact quantification for volume rendering | |
CN107292312B (zh) | 肿瘤ct图像处理方法 | |
CN106909947B (zh) | 基于Mean Shift算法的CT图像金属伪影消除方法及消除系统 | |
CN112136157B (zh) | 根据图像对牙齿牙髓区域分割的方法、系统和计算机程序 | |
CN110503652A (zh) | 下颌智齿与邻牙及下颌管关系确定方法、装置、存储介质及终端 | |
CN111553849B (zh) | 基于局部特征匹配的锥束ct几何伪影去除方法及装置 | |
CN117422628B (zh) | 一种心脏血管超声检查数据优化增强方法 | |
CN106446805B (zh) | 一种眼底照中视杯的分割方法及系统 | |
CN116580068B (zh) | 一种基于点云配准的多模态医学配准方法 | |
JP2021529622A (ja) | 網膜の光干渉断層撮影画像のセグメンテーションの方法及びコンピュータプログラム | |
CN117094917B (zh) | 一种心血管3d打印数据处理方法 | |
CN114972067A (zh) | 一种x光小牙片图像增强方法 | |
CN117649357A (zh) | 一种基于图像增强的超声图像处理方法 | |
CN114693682B (zh) | 一种基于图像处理的脊椎特征识别方法 | |
CN106934810B (zh) | 一种脊椎矫正装置 | |
CN117911405B (zh) | 一种用于牙髓牙体检测的x射线影像处理方法 | |
CN114549540A (zh) | 一种口扫牙齿数据与cbct数据自动融合的方法及其应用 | |
CN116503426B (zh) | 基于图像处理的超声图像分割方法 | |
CN113177991A (zh) | 一种基于计划ct校正cbct中散射伪影的方法 | |
CN115439423B (zh) | 一种基于ct图像的识别方法、装置、设备及存储介质 | |
Öziç et al. | A new model to determine asymmetry coefficients on MR images using PSNR and SSIM | |
CN114298986A (zh) | 一种基于多视点无序x光片的胸腔骨骼三维构建方法及系统 | |
CN111091514A (zh) | 一种口腔cbct图像去噪方法及系统 | |
CN115984301B (zh) | 一种基于布加综合征血管图像三维重建精度对比方法 | |
CN117994271B (zh) | 基于分水岭算法的人脑图像分割方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |