结合改进扩散和双边滤波的低剂量CT重建.docVIP

结合改进扩散和双边滤波的低剂量CT重建 　　摘要：针对低剂量计算机断层扫描（CT）重建图像时出现明显条形伪影的现象，提出一种结合非局部均值模糊扩散和扩展邻域双边滤波的中值先验（MP）重建算法。首先，使用基于非局部均值模糊扩散方法对中值先验分布的最大后验（MAP）重建算法进行改进，以减少重建图像中的噪声；然后，采用基于扩展邻域的双边滤波方法对重建图像进行处理，以保持图像的边缘和细节信息，进一步提高重建图像的信噪比。采用SheppLogan模型和胸腔模型来验证算法的有效性，实验结果表明，与滤波反投影（FBP）、中值根先验（MRP）、非局部均值模糊扩散的MP重建（NLMMP）算法和非局部均值双边滤波的MP重建（NLMBFMP）算法相比，所提新算法的归一化均方距离和均方绝对误差最小，且信噪比最高，分别为10.20dB和15.51dB。该重建算法可以在对重建图像进行降噪的同时保持了图像的边缘和细节信息，改善了低剂量CT图像质量退化的问题，获得高信噪比和高质量的重建图像。 　　关键词：低剂量计算机断层扫描；非局部均值；模糊扩散；扩展邻域；双边滤波 　　中图分类号：TP391.7 文献标志码：A 　　0引言 　　计算机断层扫描（Computed Tomography， CT）技术由于其本身特性，在医学中的早期预测和防治上有重要的意义，因此被广泛地应用。众所周知，高剂量的辐射会伤害人体的身体健康，故尽可能地减少放射剂量受到越来越多的关注。而剂量降低，必然会增加重建结果中的噪声，如果图像质量发生严重的退化，会影响医学的诊断和治疗。因此，在降低辐射剂量的同时还要兼顾重建图像的质量是如今面临的一大问题。该问题的研究受到越来越多的重视[1]。王丽艳等[2]使用带噪图像稀疏性这一先验信息作为正则项来设计优化目标函数，得到了较为优质的图像。Chen等[3]运用非局部自适应加权先验统计迭代算法重建图像，明显地改善了图像的质量。 　　低剂量CT投影数据的噪声模型的数据特点已被众多学者进行了广泛的研究，其中Li等[4]经过反复的实验与研究，得出经过对数变换后的低剂量CT投影数据，其均值和方差呈现非线性递增关系，近似服从非平稳高斯分布的结论。通过对投影数据统计特性的研究与分析，最大似然期望最大化（Maximum Likelihood Expectation Maximization，MLEM）算法考虑了观测数据的统计特性，而且具有非负性、全局收敛性和计数保持的特点，因此可以得到较好的重建结果，故而被广泛地研究和运用；然而在实际中，迭代次数达到一个定值后，继续增加迭代次数会使重建的图像出现棋盘效应，使图像失真影响病人的诊断和治疗。为克服该缺点，一些学者提出了基于Bayesian理论的最大后验（Maximum A Posterior， MAP）法[5]。该方法在考虑投影数据统计特性的基础上，对先验分布加入了先验信息，从而避免了MLEM的不足；MAP的核心思想是基于MLEM算法的基础上加入先验信息进行约束，从而达到避免传统MLEM算法收敛速度慢等缺点的目的[6]。张芳等[7]把基于变指数各向异性扩散和非局部的思想应用到MLEM算法中，重建出的图像在消除噪声的同时可以较好地保持图像的边缘细节信息。由于基于传统贝叶斯算法的先验信息是有限的，重建图像存在阶梯状伪影和过平滑的现象[8]。各向异性扩散方法[9-10]的去噪强度可以根据图像内容的不同而改变，因此能在降噪的同时对图像的边缘和细节起到很好的保持作用，故被国内外学者广泛研究。2007年，颜建华[11]在中值先验（Median Prior，MP）算法的基础上提出了一种基于各向异性扩散的中值先验重建算法，该算法可以克服MP算法对泊松噪声和高斯噪声的平滑效果不明显的缺点。张芳等[12]提出一种基于小波和非局部的全变差MP重建算法，该算法改善了图像的质量， 提高了图像的抗噪声性能。本文算法将在此理论基础上对低剂量CT重建算法进行进一步的研究。 　　Perona等[13]提出了原始的扩散系数函数。Chen等[14]改进了该扩散函数，即使用模糊数学中的隶属度函数，此方法可以消除传统各向异性扩散算法中存在的阶梯效应问题。虽然该方法可以达到较好的处理效果，但是依然存在一些块状伪影。双边滤波算法[15-16]既考虑了空间邻近像素之间的位置关系，又考虑了邻近像素灰度的相似关系，从而可以使图像在降噪的同时改善图像的信噪比。基于非局部均值模糊扩散和传统的双边滤波结合的重建算法虽然可以达到较好的效果，但是在图像的平坦区域依然存在阶梯效应。Josepht等[17]提出的扩展邻域，可以在更新当前像素点时选取合适的邻域进行处理，因此用此扩展邻域改进传统的双边滤波是合适的，从而使低剂量CT重建图像降噪处理和保持图像的细节信息达到折