(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211008912.4 (22)申请日 2022.08.22 (71)申请人 山西大学 地址 030006 山西省太原市小店区坞城路 92号 (72)发明人 贾丽娜　刘卓　王耀鹏　 (74)专利代理 机构 太原申立德知识产权代理事 务所(特殊普通 合伙) 14115 专利代理师 郭海燕 (51)Int.Cl. G06T 5/00(2006.01) G06V 10/44(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) (54)发明名称 基于区域自适应的多尺度非局部低剂量CT 图像去噪方法 (57)摘要 本发明提供的基于区域自适应的多尺度非 局部低剂量CT图像去噪方法， 该方法对图像不同 区域采用自适应搜索窗口、 自适应多尺度块尺寸 以及自适应滤波系数， 即在非边沿区域， 在长29 像素×宽29像素的各向同性正方形搜索窗口作 为相似点区域； 在包含边缘的区域， 在长15像素 ×宽15像素的各向同性正方形搜索窗口作为相 似像素候选点， 然后根据像素点 分类信息和边沿 提取信息得到在沿着边沿方向的各向异性的相 似点区域； 接着使用多尺度加权的非局部均值去 噪在确定的相似点区域内计算去噪像素值； 此外 为了更好地去除条纹伪影和散斑噪声， 根据噪声 强度和直觉模糊散度理论自适应改变去噪的平 滑参数和多尺度作用系数， 故本方法有效地解决 了现有技 术存在的问题。 权利要求书3页 说明书7页 附图6页 CN 115375574 A 2022.11.22 CN 115375574 A 1.基于区域自适应的多尺度非局部低剂量CT图像去噪方法， 其特征在于： 包括如下步 骤： 步骤一， 像素分类和边沿提取： 采用局部块的分类信息来实现边沿提取， 进而实现边沿 区域和非边沿区域的区分： 步骤二， 基于区域的相似像素筛选： 根据边缘提取结果， 对于非边缘的区域， 选用尺寸 为长29像素 ×宽29像素的各向同性搜索窗口作为相 似像素点集合； 对于包含边缘区域， 选 用尺寸为长15像素 ×宽15像素的各向 同性搜索窗口作为候选像素点， 然后根据步骤一的像 素分类信息和边沿信息去除不相似像素点， 最终得到沿着边沿方向的相似像素点 集合； 步骤三： 基于区域的多尺度非局部去噪： 确定相应的相似像素后， 采用多尺度加权的非 局部去噪方法， 对低剂量CT图像进行去噪； 步骤四： 基于直觉模糊散度的自适应滤波参数： 使用光滑模板和以当前像素为中心 的 局部块之间的直觉模糊散度自适应调整每 个像素的滤波参数。 2.根据权利要求1所述的基于区域自适应的多尺度非局部低剂量CT图像去噪方法， 其 特征在于： 所述 步骤一的像素分类和边沿提取包括以下步骤： 第1步： 选择尺寸为长3像素 ×宽3像素的局部块来代表图像 中的每个像素， 并将这些局 部块重新 排列为一个向量； 第2步： 利用K均值聚类方法将这些局部块分为K类， 将每个局部块获得的分类编号作为 该局部块中心点的分类编号； 第3步： 计算所有分类编号的梯度， 梯度的模不等于0的地方即为边沿点， 将这些边沿点 连起来即完成边沿提取， 具有不同分类编号的相邻的两个 像素点即为图像的边沿位置 。 3.根据权利要求2所述的基于区域自适应的多尺度非局部低剂量CT图像去噪方法， 其 特征在于： 所述步骤三中对图像进行多尺度的非局部去 噪， 并根据区域信息自适应地确定 控制不同尺度作用程度的系 数， 最后将不同尺度下 的去噪结果进行加权运算， 得到最后的 去噪结果， 去噪后图像 中的每个像素值为： 其中， Y(j)为含噪声图像在位置点j的像素值， R1、 R2为步骤二确定的相似像素组成的 集合， b为图像块的大小， N1、 N2为不同尺度下的图像块大小； a1和a2为控制不同尺度作用程 度的系数， 且 满足a1+a2＝1； w1(i,j)为采用长5像素 ×宽5像素的图像块时位于j点的像素点对于位于i点的像素点 的权重系数， w2(i,j)为采用长9像素 ×宽9像素的图像块时位于j点 的像素点对于位于i点 的像素点的权 重系数， 均通过 下列公式计算得到： 其中， 表示高斯加权距离， Nk表示中心点位于k点的图像块， num是图像块Nk中像素 的总个数， h是控制去噪的平 滑参数。权　利　要　求　书 1/3 页 2 CN 115375574 A 24.根据权利要求3所述的基于区域自适应的多尺度非局部低剂量CT图像去噪方法， 其 特征在于： 所述步骤四中计算光滑模板和局部块之 间的直觉模糊散度时， 使用大小为3 ×3， 元素值全部为0的模板矩阵代表平滑区域， 作为一个模糊集， 记作O； 以像素点x0为中心的尺 寸为长3像素 ×宽3像素区域代表以当前像素为中心的局部块， 作为另一个模糊集， 记作P； 通过下式计算O和P之间的直觉模糊散度： IFD(aij,bij)＝2‑(1‑ρ )eρ‑(1+ρ )e‑ρ+2(1‑ρ + υ )e(1‑ρ + υ )(1‑υ+ρ )e( υ‑ρ ) ρ ＝ μO(aij)‑μP(bij) υ＝ πP(bij)‑πO(aij) IFD(i0,j0)＝max(IFD(Pij,Oij))， i∈[i0‑1,i0+1],j∈[j0‑1,j0+1] 其中， 其中μO(aij)表示元素aij对模糊集O的隶属度， μP(bij)表示元素bij对模糊集P的隶 属度， πO(aij)表示元素aij对模糊集O的犹豫度， πP(bij)表示元素bij对模糊集P的犹豫度， IFD (O,P)表示模糊集O、 P之间的直觉模糊散度， I FD(aij,bij)表示元素aij、 bij之间的直觉模糊散 度， (i0,j0)是P中的像素点x0的坐标， IFD(i0,j0)是P中的像素点x0的直觉模糊散度， Pij是P中 的像素点的灰度值， Oij是O中对应位置的像素值。 5.根据权利要求4所述的基于区域自适应的多尺度非局部低剂量CT图像去噪方法， 其 特征在于： 所述步骤三中的控制不同尺度作用程度的系数采用区域方差和直觉模糊散度进 行调节： a2＝1‑a1 其中： IFD(i0,j0)是P中的像素点(i0,j0)的直觉模糊散度。 6.根据权利要求5所述的基于区域自适应的多尺度非局部低剂量CT图像去噪方法， 其 特征在于： 所述步骤四中： 计算O、 P两个模糊集之间的直觉模糊散度时， 采用一种同时使用 梯度信息和 局部方差信息的隶属函数； 对于P中的像素点aij来说： 隶属度函数为 μ(aij)＝1/(1+(k/|aij‑ai0j0|σ2)2) 其中， σ2是像素点aij的局部归一 化方差， k是系数； 犹豫度函数为 π(aij)＝p1(1‑μ(aij)) 其中， p1是系数； 对于O中的像素点 oij来说： 隶属度函数为 μ(oij)＝0 犹豫度函数为 π(oij)＝p2(1‑μ(oij)) 其中， p2是系数。 7.根据权利要求6所述的基于区域自适应的多尺度非局部低剂量CT图像去噪方法， 其 特征在于： 当IFD(i0,j0)越大， 表明该像素点受条形伪影和噪声污染的程度越大， 则该像素权　利　要　求　书 2/3 页 3 CN 115375574 A 3