基于图像块的低剂量CT图像降噪算法研究及实现

摘要

计算机断层成像技术(Computed Tomography，CT)已经成为非常重要医学临床诊疗方法。与其它医学成像方式相比，CT成像技术具有检查方便、图像分辨率高、无痛苦无外伤、解剖关系清晰以及病态特征清楚等优点，在临床医学上得到了充分的应用。然而，在CT成像中的高辐射增加了癌症的风险，使得低剂量CT扫描成为临床研究的一个热门话题，并且迫切需要解决。当辐射剂量减少时，图像质量将下降，这将影响医生的医疗诊断。因此，如何在保证图像质量的前提下尽量减少辐射剂量，具有相当重要的科研价值和临床价值。针对低剂量CT(Low-dose CT,LDCT)成像噪声的抑制问题，后处理算法凭借其在处理过程中不依赖投影数据，它可以直接对滤波反投影算法重建的LDCT图像进行降噪，成为提高LDCT图像质量的重要研究方向。本文主要内容如下:
　　(1)分析阐述了基本的中值滤波、均值滤波、高斯滤波、双边滤波传统空间域滤波算法的原理，在传统滤波算法的基础上提出了一种基于扩展域滤波的算法，分别将高斯滤波，双边滤波和扩展滤波对LDCT图像进行后处理，对LDCT脑部模型进行了仿真实验，通过主观评价，客观评价和降噪后图像的剖面曲线图三种方法分析了五种算法降噪性能的优势，最终验证了扩展滤波算法相对传统的滤波算法在提升LDCT图像质量上有优越性。
　　(2)针对梯度加权降噪算法在图像降噪上忽略了邻域图像块像素灰度值之间的差异，导致图像边缘模糊及细节丢失的问题。利用邻域像素块之间的具有相似性的特点，提出了一种基于片相似排序降噪算法。该算法的基本思想是充分利用邻域图像块之间的梯度信息和梯度绝对值均值共同构建权值，使新的权值能够较好的判断邻域块之间的相似性。对模拟盆骨LDCT图像和实际盆骨LDCT图像进行仿真实验，实验结果表明改进的算法可以保留更多的图像细节信息，得到更好的降噪效果。
　　(3)在Visual Studio2012软件平台上实现了基于CUDA扩展滤波算法和片相似排序降噪算法的并行实现。实验结果表明，与CPU算法执行相比，GPU不必等到像素数据全部转移完成就可以执行其他任务，在一定程度上减少了图像处理的时间，提升了图像
　　(4)处理的效率。

目录

声明

摘要

1．1 研究背景及意义

1．2 国内外研究现状

1．2．1 投影处理方法

1．3 图像质量评价标准

1．4 论文研究内容及结构安排

2 基于片相似的扩展邻域滤波算法

2．1 图像的平滑

2．1．1 均值滤波

2．1．2 高斯滤波

2．1．3 双边滤波

2．1．4 中值滤波

2．2 基于片相似的扩展邻域滤波

2．3 实验结果与分析

2．3．1 仿真大脑模型实验结果

2．3．2 实际胸腔数据实验

2．4 本章小结

3 基于片相似的排序降噪算法

3．1 传统的梯度加权平均算法

3．2 改进的梯度倒数加权平滑算法

3．3 片相似降噪算法

3．3．1 片相似性描述

3．3．2 片相似投影降噪算法

3．3．3 片相似排序降噪算法

3．4 实验结果与分析

3．4．1 仿真盆骨模型实验结果

3．4．2 实际腹腔数据实验

3．5 本章小结

4 基于CUDA的滤波算法的并行实现

4．1 CUDA的线程模型

4．2 CUDA存储器模型

4．2．1 全局存储器

4．2．2 寄存器和局部存储器

4．2．3 共享存储器

4．2．4 常数存储器

4．2．5 纹理存储器

4．3 基于CUDA的扩展滤波算法并行实现

4．4 基于CUDA的片相似排序降噪算法并行实现

4．5 实验结果与分析

4．5．1 实验环境

4．5．2 性能评价

4．5．3 实验结果

4．5．4 实验分析

4．6 本章小结

5 总结和展望

5．1 工作总结

5．2 工作展望

参考文献

攻读硕士学位期间发表的论文及取得的研究成果

致谢