X-射线自发现以来因其具有很强的穿透本领而被广泛应用于医学成像诊断,极大的提高了医生对于病灶诊断的正确率。然而X-射线照射到机体成像的同时,对机体也有一定的损伤作用,长时间高剂量的X-射线辐射可大大增高癌症的患病率,因此降低X-射线的辐射剂量可以有效降低X-射线对人体的伤害。目前国内外对低剂量X-射线透视图像的降噪研究比较少。本文处理的实验数据是连续旋转的一系列低剂量X-射线透视图像,如果可以在低剂量X-射线透视图像降噪研究中产生成果,就可以不更换采用了正常剂量X-射线技术的硬件设备,而只用降低进入球管的电流量,这大大降低了设备采购成本。因此对退化严重的低剂量X-射线透视图像进行降噪就具有了重要的实际价值。本文的主要工作是对低剂量X-射线透视图像中的噪声进行了分析,探究并改进了一些降噪算法。本文首先研究了实验数据中的噪声特性,通过对不同厚度有机玻璃的图像分析,得出低剂量X-射线透视图像中的噪声是近似符合高斯分布的乘性噪声。其次根据噪声特性探究了基于统计、学习的降噪算法:主成分分析算法(PCA),K均值奇异值分解(K-SVD)算法。主成分分析算法通过对图像数据进行特征提取,在此过程中将图像中的大部分噪声被滤除,但该算法在抑制噪声的过程中,一部分图像的细节信息也被滤除。基于字典学习的算法,通过不断的对字典进行迭代以得到对图像的更好表示,但由于没有不含噪声的原始图像对字典进行训练,本文采用了含噪图像进行训练,所以得到的实验结果不是很好。此外还探究了非局部均值算法(NLM),该算法利用图像的冗余信息进行降噪。本文基于LPGPCA算法消除加性噪声的过程,该算法引入了局部分组的概念,以块作为图像处理的基本单位,对于每个像素的处理都是构造以待处理像素为中心的像素块,并在局部图像块中查找其它相似图像块,将查找的结果用来构造训练集。在改进的算法中根据实验数据(100连续低剂量X-射线透视图像,相邻图像之间有一定的旋转角度)中相邻图像之间相似程度高的特点,将训练样本集的选取扩展到所有相似图像中,最终的训练样本集是由所有相似图像集局部图像块中的相似像素块构成。扩大后的训练样本集大大增加了提出主要特征分量的可能性,并将算法的时间复杂度控制在一定的范围内。改进的算法主要分成两个部分,第一个部分是将图像通过对数变换转换到对数域中,这样就可以将低剂量透视图像中的乘性噪声转换成加性噪声进行处理。第二部分将训练样本集的构造扩展到相似图像集(一般选择上下两幅图像)中进行主成分分解,在此过程中还证明了含有噪声的图像与不含噪声图像的协方差矩阵具有同样的特征向量。实验结果说明了该算法在降低噪声的同时还可有效保护图像的细节信息。此外本文还改进了基于非局部均值的降噪算法:基于相似图像的非局部均值算法(SINLM)。与基于PCA的改进方法类似,将相似块的寻找扩展到其它相似图像中,该改进算法大大提高了找到相似块的可能性,并克服了非局部均值算法过度依赖图像本身结构信息的缺点,能够在降噪的同时减少对图像本身的平滑。作为经典非局部均值算法的重要参数,权重参数h值的设置也改进的算法中也被重新进行讨论,由于引入了其它相似图像来辅助处理当前图像,所以改进的算法将相似图像距离当前待处理图像的远近引入到参数h中,给出了 h的公式。