本文關(guān)鍵詞：基于圖像域統(tǒng)計迭代CT重建算法的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著計算機(jī)斷層掃描(CT)技術(shù)在醫(yī)學(xué)診斷以及治療中的廣泛應(yīng)用,人們越來越關(guān)注射線輻射劑量對人體的影響。高輻射劑量會對人體的健康帶來一定的傷害,因此低劑量CT近年來備受關(guān)注。低劑量數(shù)據(jù)可以通過降低射線的管電壓或管電流得到,此種方法常常會導(dǎo)致所采集的投影數(shù)據(jù)噪聲偏高,使得密度分辨率被量子噪聲污染,從而重建出來的圖像發(fā)生嚴(yán)重退化,影響醫(yī)學(xué)的診斷和治療,因此,在降低輻射劑量的同時重建出高信噪比和高質(zhì)量圖像的研究越來越受到關(guān)注。許多有關(guān)低劑量CT的重建方法相繼被提出,主要方法可分為以下三種,其一為圖像的后處理,其二為對投影數(shù)據(jù)進(jìn)行降噪,由于FBP算法簡單且易于實現(xiàn),對投影域降噪后一般使用FBP進(jìn)行反投影重建,另一種方法為對重建后的圖像在圖像域直接進(jìn)行降噪處理。在投影域降噪后,即使遺留下很小的點噪聲,映射到圖像域也會形成條形偽影,因此本文選擇在圖像域直接進(jìn)行降噪。接下來將本文的主要工作介紹如下:1.闡述了CT成像物理和數(shù)學(xué)原理,介紹了三種經(jīng)典圖像重建算法,最后展現(xiàn)了本文所用的噪聲模型。2.針對低劑量CT重建的圖像產(chǎn)生嚴(yán)重退化的問題,在基于各向異性擴(kuò)散去噪方法的基礎(chǔ)上進(jìn)行兩種改進(jìn):由于片相似性在降噪的同時能較好地保持圖像的邊緣和細(xì)節(jié)信息,算法1運(yùn)用此特點對擴(kuò)散函數(shù)進(jìn)行改進(jìn);算法2考慮了傳統(tǒng)各向異性擴(kuò)散中降噪不充分的缺點,把可以有效的折中熱傳導(dǎo)和PM模型的變指數(shù),以及代替梯度檢測邊緣和細(xì)節(jié)的相似度函數(shù)運(yùn)用到傳統(tǒng)各向異性擴(kuò)散中修改擴(kuò)散函數(shù),從而提高圖像質(zhì)量。3.提出了一種基于小波和四階各向異性擴(kuò)散的低劑量CT重建算法。由于小波變換具有良好的時頻局部特性,四階偏微分對噪聲的敏感性高,噪聲越少,降噪效果越好,可避免二階PDE降噪出現(xiàn)的“階梯”效應(yīng),本文結(jié)合了小波收縮和各向異性擴(kuò)散的優(yōu)點,在每次迭代中,對MLEM重建算法處理后的圖像進(jìn)行離散平穩(wěn)小波分解,對小波域的高頻部分進(jìn)行小波收縮,低頻部分使用降噪效果優(yōu)質(zhì)的四階各向異性擴(kuò)散進(jìn)行消噪,從而得到可觀的圖像。4.針對最大后驗法只能提供有限的局部先驗信息從而使重建圖像出現(xiàn)階梯狀邊緣偽影以及過度平滑等問題,提出本文的基于小波和非局部全變差中值先驗的重建算法。即先在中值先驗MP算法的基礎(chǔ)上,引入降噪性能優(yōu)異的TV方法,對目標(biāo)函數(shù)進(jìn)行修訂,形成基于TV的MP重建算法;接著考慮到小波收縮和非局部的優(yōu)勢,提出了本文的算法,即在基于TV的MP重建算法的每次迭代中,在小波變換后的小波域再進(jìn)行小波收縮和非局部降噪,提高了圖像質(zhì)量。
【關(guān)鍵詞】：低劑量CT 圖像降噪 統(tǒng)計迭代重建 各向異性擴(kuò)散 片相似性
【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要4-6
• abstract6-10
• 1．緒論10-14
• 1.1 研究課題的背景和意義10-11
• 1.2 低劑量CT重建的國內(nèi)外研究現(xiàn)狀11-12
• 1.3 論文主要內(nèi)容12-14
• 2．CT成像原理、噪聲模型及經(jīng)典圖像重建算法14-22
• 2.1 CT重建的物理原理14-15
• 2.2 CT重建的數(shù)學(xué)原理15-17
• 2.2.1 投影定理15-16
• 2.2.2 中心切片定理16-17
• 2.3 CT重建經(jīng)典算法17-21
• 2.3.1 濾波反投影重建算法FBP17-19
• 2.3.2 代數(shù)重建算法19-21
• 2.3.3 統(tǒng)計迭代重建算法21
• 2.4 低劑量CT噪聲模型21-22
• 3．基于改進(jìn)各向異性擴(kuò)散的MLEM低劑量CT重建算法22-39
• 3.1 MLEM重建方法23
• 3.2 各向異性基本算法23-25
• 3.3 基于片相似性和MLEM的低劑量CT重建算法25-27
• 3.3.1 基于片相似性的圖像降噪算法25-26
• 3.3.2 中值濾波26
• 3.3.3 基于片相似性和MLEM的低劑量CT重建算法26-27
• 3.4 基于變指數(shù)各向異性擴(kuò)散和非局部的MLEM低劑量CT重建算法27-29
• 3.4.1 基于變指數(shù)的自適應(yīng)P-M算法27
• 3.4.2 參數(shù)h進(jìn)行自適應(yīng)處理27-28
• 3.4.3 非局部思想的引入28-29
• 3.4.4 本節(jié)改進(jìn)各向異性擴(kuò)散重建方法29
• 3.5 改進(jìn)算法實驗結(jié)果與分析29-38
• 3.5.1 重建圖像比較29-35
• 3.5.2 重建精度比較35-38
• 3.6 本章小結(jié)38-39
• 4．基于小波和四階各向異性擴(kuò)散的MLEM低劑量CT重建算法39-51
• 4.1 重建過程中的降噪方法39-41
• 4.1.1 四階偏微分方程去噪算法39-40
• 4.1.2 小波變換40-41
• 4.2 本章提出的重建算法41-42
• 4.3 實驗結(jié)果與分析42-50
• 4.3.1 重建圖像比較42-47
• 4.3.2 重建精度分析47-50
• 4.4 本章小結(jié)50-51
• 5．基于小波和非局部的全變差中值先驗重建算法51-64
• 5.1 中值先驗重建算法52
• 5.2 基于小波收縮和非局部的TV中值先驗重建算法52-55
• 5.2.1 基于TV的MP重建算法52-53
• 5.2.2 基于小波收縮和非局部的TV中值先驗重建算法53-55
• 5.3 實驗結(jié)果與分析55-63
• 5.3.1 重建圖像比較55-60
• 5.3.2 重建精度分析60-63
• 5.4 本章小結(jié)63-64
• 6．總結(jié)與展望64-67
• 6.1 工作總結(jié)64-65
• 6.2 工作展望65-67
• 參考文獻(xiàn)67-74
• 攻讀碩士學(xué)位期間發(fā)表的論文及所取得的研究成果74-75
• 致謝75-76

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 張芳;桂志國;張權(quán);董嬋嬋;;基于小波和四階各向異性擴(kuò)散的MLEM低劑量CT重建算法[J];計算機(jī)應(yīng)用與軟件;2016年03期

2 張芳;張權(quán);崔學(xué)英;董嬋嬋;劉yN;孫未雅;白云蛟;桂志國;;基于小波和非局部的全變差中值先驗重建算法[J];計算機(jī)工程與設(shè)計;2015年08期

3 張芳;李夢瑤;崔學(xué)英;孫未雅;桂志國;;基于小波收縮及變指數(shù)和片相似的最小二乘重建算法[J];中北大學(xué)學(xué)報(自然科學(xué)版);2015年04期

4 董嬋嬋;張權(quán);郝慧艷;劉yN;;基于改進(jìn)各項異性擴(kuò)散和小波變換的MLEM低劑量CT重建算法[J];中北大學(xué)學(xué)報(自然科學(xué)版);2015年04期

5 張芳;崔學(xué)英;張權(quán);董嬋嬋;劉yN;孫未雅;白云蛟;桂志國;;基于變指數(shù)各向異性擴(kuò)散和非局部的最大似然期望最大低劑量CT重建算法[J];計算機(jī)應(yīng)用;2014年12期

6 張芳;張權(quán);崔學(xué)英;董嬋嬋;劉yN;劉俞辰;孫未雅;桂志國;;基于片相似性和最大似然期望最大化的低劑量CT重建算法[J];計算機(jī)應(yīng)用;2014年09期

7 郭甜莉;劉且根;駱建華;;Filter Bank Based Nonlocal Means for Denoising Magnetic Resonance Images[J];Journal of Shanghai Jiaotong University(Science);2014年01期

8 鐘瑩;楊學(xué)志;唐益明;劉燦俊;岳峰;;采用結(jié)構(gòu)自適應(yīng)塊匹配的非局部均值去噪算法[J];電子與信息學(xué)報;2013年12期

9 王麗艷;韋志輝;;低劑量CT的線性Bregman迭代重建算法[J];電子與信息學(xué)報;2013年10期

10 郝紅俠;劉芳;焦李成;武杰;;采用結(jié)構(gòu)自適應(yīng)窗的非局部均值圖像去噪算法[J];西安交通大學(xué)學(xué)報;2013年12期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 郭曉杰;基于統(tǒng)計迭代的低劑量CT重建算法研究[D];中北大學(xué);2015年

2 何佳偉;正電子發(fā)射斷層成像的統(tǒng)計迭代方法及加速方法研究[D];中北大學(xué);2011年

  本文關(guān)鍵詞：基于圖像域統(tǒng)計迭代CT重建算法的研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：497619