基于行列变换的恒模医学CT图像盲均衡算法.pdfVIP

第 16卷 第 5期 电路与系统学报 VO1．16 NO．5 2011年 lO月 JOURNALOFCIRCUITSAND SYSTEMS October， 2011 文章编号：1007—0249(2011105—0060—06 基于行列变换的恒模医学CT图像盲均衡算法 孙云山 ， 张立毅 ， 段继忠2 (1．天津商业大学 信息工程学院，天津 300134；2．天津大学 电子信息T程学 院，天津 300072) 摘要 ：提出。一种基于行列变换的降维恒模医学 CT图像盲均衡算法。利用行列变换将图像信号转化为一一维复值信 号序列，构建了基于降维复值信号的医学 CT图像盲均衡恒模代价函数，通过最陡下降法对代价 函数进行迭代求解， 从而获得图像的最优估计。仿真结果验证了算法的有效性，与传统算法相比，改善了峰值信噪比和恢复效果，迭代过 程避免了矩阵逆运算，提高了运算效率。 关键词t盲均衡；恒模算法；行列变换；CT图像；代价函数 中图分类号；TP911．73 文献标识码 tA 1 引言 医学 CT图像反映了器官和组织对 x射线的吸收程度 ，利于发现体 内微观组织的细小病变，是医 学图像诊断领域中最重要的诊断依据之一。但 CT图像在成像和传输过程中，由于受到二维信道点扩 展函数的影响，会产生图像模糊 问题，使得 CT图像产生退化，影响病变的正常显示及诊断准确率。 然而，在实际中CT图像的退化过程往往是未知的，图像盲恢复就是指退化过程信息未知的情况 下， 去除干扰和噪声，将损失掉的图像进行恢复，使恢复后的图像尽可能逼近原始图像的过程。 目前，根据恢复过程不同，将其分为参数估计法、无参迭代法等等。GordanaPavloviC等…提出了 基于最大似然法准则的图像盲恢复算法，该方法的难点在于图像概率密度函数的建立，建立的准确性 直接关系图像的恢复效果。DalongLi[2】提出结合最大似然估计和支持 向量回归求解盲图像恢复，算法 对噪声具有 良好的鲁棒性，但是训练过程使得计算量增加 。Aristidis．C．Likas等p】利用机器学习机制对 模型进行求解，导出了贝叶斯模型的离散形式，在此基础上，DimitrisG．Tzikas等[4】提出不仅估计点扩 展函数还估计其支持域的改进型贝叶斯模型，提高了算法的鲁棒性，并较好地保留了图像的边界特性， 但是该方法对模型的估计要求较高。MingJiangL5J提出了期望最大化盲恢复方法，并将其应用于 CT图 像的盲恢复中。EdmundY．Lam[6]提出的迭代盲反卷积算法从图像和点扩展函数的初值开始，在空间域 和频率域交替迭代 ，用当前迭代值预测新估计值，对估计值进行修正，再将修正估计值作为下一次迭 代的输入值，该方法的最大缺点在于对抗噪声的鲁棒性差。D．Kundur[7]提出的NAS—RIF算法能够保证 算法收敛至全局最小点，但在低信噪比时容易致使噪声放大 。张航L8J采用交替最小化的结构求解盲图 像恢复问题，在模糊辨识阶段，采用全变差正则化算法；在复原阶段，采用基于Weber定律和全变差 正则化相结合的算法 。Kim—HuiYap[利用神经网络作为一个分类器，每个神经元的判决误差称为是软 判决估计误差，建立 了软判决误差与传统盲图像复原代价函数之间的联系，通过求解软判决误差的最 小而实现代价函数的优化 。JonathonA．ChambersUJ把 图像的恢复 问题转化为信号支持域的信号分类 问 题，其关键是通过一个重置策略提高了分类算法的收敛速度 。总之，图像盲恢复算法有着广泛的应用， 且进行了深入研究，本文是利用信号变换，将信号处理中的盲均衡技术应用于医学 CT图像的恢复中。 盲均衡算法是一种不需要训练序列，仅利用接收信号本身的先验信息对信道特性进行补偿，使其 输出序列尽量逼近发送序列的新兴 自适应均衡技术。最早 由日本学者 Y．SatoJ【lJ提出并应用于数字通信 领域，恒模算法是盲均衡技术中最常用的算法之一，由于其实现简单而被广泛研究。本文利用图像信 收稿 日期t2010—11—01 修订 日期：2011-05—26 基金项 目：山西省 自然科学基金资助项 目 (2011011015-3) 通信作者tEmail：zhangliyi@tjeu．edu．cn 第5期 孙云山等：基于行