基于低秩分解的ct序列圖像復(fù)原方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種基于低秩分解的CT序列圖像復(fù)原方法。主要解決現(xiàn)有技術(shù)對(duì)于CT序列圖像復(fù)原的不穩(wěn)定性，容易出現(xiàn)噪聲放大而導(dǎo)致圖像失真的問(wèn)題。其實(shí)現(xiàn)步驟是：（1）先將CT序列圖像轉(zhuǎn)化為灰度圖像；（2）選擇低秩模型對(duì)CT序列進(jìn)行稀疏低秩分解：根據(jù)CT圖像含噪量的大小，選擇對(duì)應(yīng)的低秩模型對(duì)其進(jìn)行稀疏低秩分解；（3）求出低秩序列的平均圖像，并用二維高斯模糊核對(duì)其進(jìn)行維納濾波復(fù)原；（4）用擾動(dòng)模糊核對(duì)稀疏序列中的每一幅圖像進(jìn)行維納濾波復(fù)原；（5）將稀疏復(fù)原序列中的每一幅圖像與復(fù)原低秩圖像合并，得到復(fù)原CT序列圖像。本發(fā)明與傳統(tǒng)的CT復(fù)原方法相比，具有準(zhǔn)確度高，適應(yīng)性好，復(fù)原效果不受CT圖像噪聲大小的限制等優(yōu)點(diǎn)。
【專(zhuān)利說(shuō)明】基于低秩分解的CT序列圖像復(fù)原方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像處理【技術(shù)領(lǐng)域】，特別是一種對(duì)CT序列圖像的復(fù)原，可用于對(duì)醫(yī)學(xué)圖像的處理。
【背景技術(shù)】
[0002]隨著醫(yī)學(xué)成像技術(shù)的飛速發(fā)展，大量高分辨率圖像紛紛涌現(xiàn)，比如磁共振造影MR1、計(jì)算機(jī)斷層掃描CT、腦磁圖MEG、三維超聲成像，解正電子發(fā)射斷層照相PET、單光子發(fā)射計(jì)算機(jī)斷層SPECT、漫射加權(quán)成像DW1、功能磁共振FMRI等，這些成像技術(shù)各有特點(diǎn)，它們分別能在不同的時(shí)空分辨率下給人們提供各種解剖信息和功能信息。但僅僅依靠這些設(shè)備所提供的信息遠(yuǎn)遠(yuǎn)達(dá)不到人們的要求，必須進(jìn)一步通過(guò)圖像處理手段來(lái)對(duì)圖像進(jìn)行分析和解譯。醫(yī)學(xué)圖像處理技術(shù)包括圖像復(fù)原、圖像增強(qiáng)，圖像分割和圖像重建等，其中，在醫(yī)學(xué)圖像獲取過(guò)程中引起的模糊大大降低了圖像的質(zhì)量，嚴(yán)重影響了圖像的視覺(jué)效果，為了獲取高清晰度的醫(yī)學(xué)圖像，有必要對(duì)醫(yī)學(xué)圖像進(jìn)行復(fù)原處理。
[0003]圖像復(fù)原技術(shù)用于提高模糊圖像的質(zhì)量，其目的是從獲取到的模糊圖像中重構(gòu)出隱藏的清晰圖像。圖像去復(fù)原可分兩大類(lèi)，一類(lèi)是在圖像復(fù)原之前，退化函數(shù)已知，則稱(chēng)該類(lèi)圖像復(fù)原為非盲復(fù)原；另一類(lèi)是在圖像復(fù)原之前，退化函數(shù)未知，需要從模糊圖像中獲取后驗(yàn)知識(shí)，則稱(chēng)該類(lèi)圖像復(fù)原為盲復(fù)原?，F(xiàn)實(shí)問(wèn)題中，圖像退化函數(shù)一般是未知的，因此圖像盲復(fù)原技術(shù)一直是圖像處理【技術(shù)領(lǐng)域】研究的一個(gè)熱點(diǎn)。醫(yī)學(xué)CT圖像成像過(guò)程中，圖像質(zhì)量下降通常是由以下兩個(gè)原因造成的:首先是成像系統(tǒng)分別率不理想而造成圖像模糊，其次是信號(hào)強(qiáng)度隨機(jī)波動(dòng)使圖像被噪聲污染，為了恢復(fù)高清晰度的圖像，降質(zhì)函數(shù)的先驗(yàn)知識(shí)和逆濾波方法是必需的。
[0004]現(xiàn)有的CT圖像復(fù)原方法都是針對(duì)單一的CT圖像，將CT圖像的點(diǎn)擴(kuò)散函數(shù)估計(jì)為二維的高斯函數(shù)，然后用逆濾波方法進(jìn)行復(fù)原。這種方法的優(yōu)勢(shì)是運(yùn)算簡(jiǎn)單，運(yùn)行速度快，對(duì)于那些噪聲含量較少的CT圖像復(fù)原效果較好。但對(duì)于噪聲含量較大的CT圖像，該方法的復(fù)原效果較差。因?yàn)槟鏋V波將圖像變得尖銳的同時(shí)將無(wú)用的噪聲也放大，嚴(yán)重得影響了CT圖像的視覺(jué)效果。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于針對(duì)上述CT圖像復(fù)原的缺陷，提出一種基于低秩分解的CT序列圖像復(fù)原方法，以提高復(fù)原的有效性和準(zhǔn)確性。
[0006]為實(shí)現(xiàn)上述目的，本發(fā)明包括如下步驟:
[0007](I)輸入CT序列圖像Ii, i = l，...，k，k為大于I的整數(shù)，若序列圖像Ii為彩色圖像，則將其轉(zhuǎn)化為灰度圖像，否則直接進(jìn)行步驟(2)的操作；
[0008](2)利用低秩|吳型對(duì)序列圖像Ii進(jìn)行稀疏低秩分解，得低秩序列Li和稀疏序列Si;
[0009](3)求出低秩序列Li的平均圖像,利用二維高斯模糊核對(duì)平均圖像進(jìn)行維納濾波復(fù)原，得復(fù)原低秩圖像L,；
[0010](4)定義擾動(dòng)模糊核為
【權(quán)利要求】
1.ー種基于低秩分解的CT序列圖像復(fù)原方法，包括如下步驟: (1)輸入CT序列圖像Ii,i = l，...，k，k為大于I的整數(shù)，若序列圖像Ii為彩色圖像，則將其轉(zhuǎn)化為灰度圖像，否則直接進(jìn)行步驟(2)的操作； (2)利用低秩ネ旲型對(duì)序列圖像Ii進(jìn)行稀疏低秩分解，得低秩序列L,_和稀疏序列Si； (3)求出低秩序列Li的平均圖像r,利用ニ維高斯模糊核對(duì)平均圖像r進(jìn)行維納濾波復(fù)原，得復(fù)原低秩圖像L'； (4)定義擾動(dòng)模糊核為
2.根據(jù)權(quán)利要求1所述的方法，其中步驟(2)所述的選擇低秩模型對(duì)序列圖像Ii進(jìn)行稀疏低秩分解，按如下步驟進(jìn)行: 2a)將CT序列圖像Ii中的所有圖像矩陣合成ー個(gè)高維矩陣，高維矩陣中的每一列表示序列中的一幅CT圖像； 2b)根據(jù)CT序列圖像噪聲的大小，選擇對(duì)應(yīng)的低秩模型，對(duì)步驟2a)構(gòu)造的高維矩陣進(jìn)行稀疏低秩矩陣分解； 2c)將分解后得到的高維低秩矩陣和高維稀疏矩陣還原為低秩序列圖像Li和稀疏序列圖像S”
3.根據(jù)權(quán)利要求1所述的方法，其中步驟(3)所述的利用ニ維高斯模糊核對(duì)平均圖像r進(jìn)行維納濾波復(fù)原，得到復(fù)原低秩圖像じ，按如下步驟進(jìn)行: 3a)求出低秩序列Li的平均圖像
4.根據(jù)權(quán)利要求2所述的方法，其中步驟(2b)所述的根據(jù)CT序列圖像噪聲的大小，選擇對(duì)應(yīng)的低秩模型對(duì)序列圖像Ii進(jìn)行稀疏低秩分解，按如下規(guī)則進(jìn)行: 如果CT圖像噪聲含量n≥4.3HU，則用RPCA模型進(jìn)行稀疏低秩分解，得到稀疏矩陣和低秩矩陣，其中，RPCA模型表示為X = L+S, X表示輸入數(shù)據(jù)矩陣，L表示低秩矩陣，S表示稀疏矩陣， 如果CT圖像噪聲含量n > 4.3HU，則用GoDec模型進(jìn)行稀疏低秩分解，得到稀疏矩陣、低秩矩陣和噪聲矩陣，其中，GoDec模型表示為X = L+S+G, G表示噪聲矩陣，HU是CT圖像噪聲的 度量單位。
【文檔編號(hào)】G06T5/00GK103440631SQ201310393616
【公開(kāi)日】2013年12月11日 申請(qǐng)日期:2013年9月2日 優(yōu)先權(quán)日:2013年9月2日
【發(fā)明者】緱水平, 焦李成, 王越越, 劉芳, 張曉鵬, 王之龍, 唐磊, 周治國(guó) 申請(qǐng)人:西安電子科技大學(xué)