随着CT技术的快速革新以及在新的临床应用领域中的飞速发展,CT扫描中有关X-射线对患者的辐射问题越来越受到人们的重视。无论是CT设备制造商还是CT技术的科研工作者都为减少CT扫描过程中X-射线的辐射问题付出了巨大的努力。其中一种最为有效且实用的获取低剂量CT的方法是在较低的发射电流强度下进行CT扫描。但是在低强度发射电流情况下产生的过量的噪声,会使得CT投影图像产生严重的退化。因此有效地滤除低剂量CT图像中的噪声,具有重要的实际应用价值。本文主要对低剂量X-射线CT扫描中的噪声抑制问题进行了系统的研究。主要工作概况如下:1.对低剂量CT投影图像的噪声特性进行了深入研究,发现在投影图像的某些区域中可能会存在一些孤立的噪声点(本文称为“孤立点”),这些“孤立点”使得投影数据的噪声为非平稳非高斯噪声,而滤除这些孤立点后的投影数据中的噪声近似服从非平稳高斯分布。并且针对“孤立点”噪声的特性,提出了一种“孤立点”噪声的检测与滤波算法。实验结果表明该算法能够有效的滤除投影图像中的“孤立点”噪声,从而为后继的非平稳高斯噪声的滤波奠定了基础。2.针对低剂量CT投影图像统计模型(包括先验概率模型,噪声模型)中的参数,提出了一种参数估计算法。该算法利用低剂量CT投影数据所特有的噪声方差是数据均值的非线性函数的特点,采用EM算法自适应地估计先验图像模型的平滑参数以及每一像素上的噪声方差。算法中引入MCMC的Gibbs采样技术,将高维Gibbs分布的采样转化为对单个像素的一维高斯分布的采样,很好解决了参数估计中的计算问题以及算法的快速收敛问题,从而为后继去噪算法的研究奠定了基础。3.通过对低剂量CT投影图像自身的灰度值分布特点进行研究,发现投影图像中像素灰度值越亮的区域其噪声越强,反之,像素灰度值越暗的区域其噪声越弱。根据此特点,提出了一种基于分割的低剂量CT图像自适应统计去噪算法。该算法首先将投影图像中具有相似灰度值的像素进行聚类,从而将投影图像分割成具有不同灰度等级的图像块,然后对每一分割块赋予不同的平滑系数,最后采用最大后验概率估计(maximum a posteriori,MAP)算法进行统计去噪。计算机仿真实验以及真实投影图像的实验均表明了所提算法既能够有效滤除图像中的噪声,同时又能够很好的保持图像的细节信息。4.提出了一种基于MCMC技术的低剂量CT图像去噪算法,算法在对投影图像统计模型中的参数进行自适应估计的基础上,通过求解理想图像的条件期望值并以此期望值作为理想图像的估计值,从而达到降噪的目的。其中对图像模型中的参数在运用EM算法进行估计过程中,引入MCMC技术中的Gibbs采样,很好解决了参数估计中的计算问题,并在此基础上,通过再一次运用MCMC的Gibbs采样,以获得理想数据的条件期望值。通过与当前最先进的PWLS算法及multi-scale PWLS算法的定性及定量的实验对比分析验证了本文所提算法的先进性。5.针对低剂量CT投影图像的极低信噪比特性(即,投影数据为“不完整数据”)以及投影数据所特有的空间非平稳高斯噪声特性,提出了一种改进的EM去噪算法,该算法通过求解图像后验概率的条件期望值最大的方法达到降噪目的,同时在EM算法中实现了图像模型中参数的自适应估计。通过采用EM算法将参数的估计以及理想图像估计融合在一起进行迭代,每次迭代中产生的新的估计参数与新的估计图像互为基础,从而能够保证参数及理想图像的准确估计。计算机仿真实验以及真实投影数据的实验均表明了本文所提算法无论是从复原图像的可视化效果上还是从噪声-分辨率关系的定量分析上都具有明显优势,具有重要的实际应用价值。