检索历史 清除

摘要如今，医学CT成像技术已经成为临床诊断最流行的辅助工具之一。但是在医学成像过程中，由于成像系统和外界干扰等因素的不良影响，使得CT重建图像不可避免地引入各种噪声和伪影。噪声和伪影严重降低了图像的密度分辨率，导致病变生理组织结构的影像变得非常模糊，给医生快速诊治疾病带来麻烦。<br>　　基于医学CT图像的特点，本论文提出基于奇异值滤波的降噪方法，既能有效去除医学CT图像伪影，又能去除图像噪声。本文具体工作如下：<br>　　首先，提出基于滤波反投影( Filtered Back Projection，FBP)和分块奇异值分解(Singular Value Decomposition，SVD)的CT图像星状伪影滤波方法。由于在CT图像反投影重建过程中，容易引起星状伪影，因此本文在滤波反投影重建图像的基础上，提出对FBP重建图像分块SVD滤波方法，实验得到较好的效果。<br>　　然后，提出基于紧邻插值和分块SVD的CT图像环状伪影滤波算法。利用原始Shepp-Logan（简称S-L）体模图像，反投影重建出带有环状伪影的图像，接着对环状伪影图像采用Roberts算子的边缘检测函数检测出伪影圆并定位标记，然后对伪影紧邻插值，最后对插值图像采用分块SVD方法，即可得重构图像，环状伪影抑制获得较好效果。<br>　　其次，提出基于医学CT图像去噪的选取SVD重构阶数的改进方法。传统判定SVD重构图像的有效奇异值数目的方法是根据奇异谱和奇异熵增量的曲线拐点作为阈值的。但是有时拐点并不清晰，存在“弧线过渡区”，特别是信噪比较高的图像。为了弥补不足，提出基于SVD重构图像极值点个数与重构阶数曲线的阈值判定方法。<br>　　最后，首次使用奇异值滤波( Singular Value Filter，SVF)对医学CT图像进行去噪研究。传统SVD滤波将大于阂值的奇异值完全保留，小于阂值完全去除。本文根据CT图像噪声和伪影的信号模型，使用一种SVF加权函数，利用该加权函数重构图像既能有效去除噪声，又能尽可能地保留图像有用信息。