论文部分内容阅读
计算机层析成像技术（Computed Tomography,CT）通过测量X射线穿过待测物体时的衰减值来重建出物体内部密度分布图像，能够清晰地呈现物体内部结构信息。精确的CT检测要求重建图像应具有较高的信噪比和分辨率等性能，但是在实际CT技术应用中，由于应用场景不同、检测需求不同，或者CT设备型号不同，都会导致重建图像中存在大量噪声和伪影，图像信噪比低，严重影响图像分割、高精度测量等后续图像处理效果。因此，研究提高低信噪比CT成像质量的滤波方法具有重要的学术意义和实际应用价值。
针对工业CT成像中低信噪比图像降噪问题进行研究，本文重点探讨了非局部均值(Non-local Means,NLM)算法对投影数据和CT重建图像滤波效果并提出改进算法，主要研究内容如下：
第一，研究并实现了各向异性扩散滤波、双边滤波、NLM三种经典降噪算法，并分析其优劣。仿真实验和实际CT扫描数据滤波结果表明，NLM算法在提升低信噪比CT图像质量上具有明显优势，既能有效降低噪声又能较好的保持边缘信息。
第二，提出基于奇异值分解(Singular Value Decomposition,SVD)的NLM算法(SVD-NLM)。针对NLM算法在抑制低信噪比CT成像噪声时，噪声干扰会导致图像块的相似性计算结果不准确，在计算图像块相似性的过程中引入奇异值分解，有效减少噪声干扰，从而使得能够更加准确的找到相似块。同时，针对NLM算法较为耗时问题，引用积分图像对NLM算法进行加速，实验结果表明SVD-NLM算法在降噪的同时能更好的保护边缘结构等有用信息，且算法运行速度相比于NLM算法提高约2倍。
第三，提出基于结构张量(Structure Tensor,ST)的NLM算法(ST-NLM)。滤波系数是影响NLM算法性能的一个重要因素，针对NLM算法中采用固定滤波系数导致的低信噪比CT重建图像细节过度平滑或者平滑力度不足等问题，提出了一种自适应确定滤波系数的方法。引入结构张量以表征图像几何结构信息，从而根据结构信息建立一个控制滤波系数的权值函数。大量实验结果表明ST-NLM算法能够在有效降低噪声的同时保持边缘结构，图像清晰度也较为优越，与NLM算法相比，经ST-NLM算法处理后CT图像的结构相似度、峰值信噪比分别提高5%、3dB，且算法速度提高约2倍。
针对工业CT成像中低信噪比图像降噪问题进行研究，本文重点探讨了非局部均值(Non-local Means,NLM)算法对投影数据和CT重建图像滤波效果并提出改进算法，主要研究内容如下：
第一，研究并实现了各向异性扩散滤波、双边滤波、NLM三种经典降噪算法，并分析其优劣。仿真实验和实际CT扫描数据滤波结果表明，NLM算法在提升低信噪比CT图像质量上具有明显优势，既能有效降低噪声又能较好的保持边缘信息。
第二，提出基于奇异值分解(Singular Value Decomposition,SVD)的NLM算法(SVD-NLM)。针对NLM算法在抑制低信噪比CT成像噪声时，噪声干扰会导致图像块的相似性计算结果不准确，在计算图像块相似性的过程中引入奇异值分解，有效减少噪声干扰，从而使得能够更加准确的找到相似块。同时，针对NLM算法较为耗时问题，引用积分图像对NLM算法进行加速，实验结果表明SVD-NLM算法在降噪的同时能更好的保护边缘结构等有用信息，且算法运行速度相比于NLM算法提高约2倍。
第三，提出基于结构张量(Structure Tensor,ST)的NLM算法(ST-NLM)。滤波系数是影响NLM算法性能的一个重要因素，针对NLM算法中采用固定滤波系数导致的低信噪比CT重建图像细节过度平滑或者平滑力度不足等问题，提出了一种自适应确定滤波系数的方法。引入结构张量以表征图像几何结构信息，从而根据结构信息建立一个控制滤波系数的权值函数。大量实验结果表明ST-NLM算法能够在有效降低噪声的同时保持边缘结构，图像清晰度也较为优越，与NLM算法相比，经ST-NLM算法处理后CT图像的结构相似度、峰值信噪比分别提高5%、3dB，且算法速度提高约2倍。