基于相似性和稀疏冗余的低劑量CT圖像快速處理算法研究.pdf

1、低劑量CT雖然能夠有效地降低掃描中病人的輻射劑量，但重建后的CT圖像質(zhì)量卻容易受到塊狀噪聲和偽影的影響，從而影響其在臨床診斷中的作用。本文將主要研究基于相似性和稀疏冗余的低劑量CT圖像快速處理算法，具體內(nèi)容包括以下幾方面:
　　(1)非局部均值濾波算法是一種基于圖像相似性和稀疏冗余特性的算法，它能夠?qū)Φ蛣┝緾T圖像的噪聲進行有效地抑制，同時保持圖像中的組織信息。該算法根據(jù)屬于同一圖像結(jié)構(gòu)的像素點周圍有著相似的鄰域結(jié)構(gòu)這一假設(shè)，并基

2、于此鄰域相似信息構(gòu)建有效的加權(quán)濾波器來抑制低劑量CT圖像中的塊狀噪聲和偽影。對于非局部均值濾波算法來說，其濾波效果取決于兩個因素:兩個像素點的小鄰域結(jié)構(gòu)的相似性計算的準(zhǔn)確度和搜索窗內(nèi)的相似像素的個數(shù)?；谏鲜鰞蓚€因素，本文提出了兩種改進的非局部均值濾波器:第一種是改進的基于迭代的非局部均值濾波器，該濾波器根據(jù)上一次濾波的結(jié)果與要處理的低劑量CT圖像的對應(yīng)像素的關(guān)系計算圖像中的像素是噪聲的可能性，并賦予像素點一定的權(quán)重值，這樣能夠降低噪聲

3、對像素相似性計算的影響，從而提高了相似性計算的準(zhǔn)確性;第二種方法是設(shè)計了一種三維非局部均值濾波器，該濾波器通過更大程度地利用多個圖像中的相似結(jié)構(gòu)信息來獲得更好的降噪效果。
　　(2)基于字典學(xué)習(xí)的稀疏表示算法是另一種經(jīng)常被應(yīng)用于處理低劑量CT圖像的基于相似性和稀疏冗余技術(shù)的方法。在本文中將仔細探索該算法中的字典訓(xùn)練算法K-SVD和稀疏表示算法OMP。通過對真實病人低劑量CT圖像的處理，驗證了基于字典學(xué)習(xí)的稀疏表示算法能夠有效地抑制

4、低劑量CT圖像中的噪聲和偽影。
　　(3)然而，由于非局部均值濾波算法和基于字典學(xué)習(xí)的稀疏表示算法具有較大的計算量，影響算法在實際臨床中的應(yīng)用。為了解決這一問題，本文基于NVIDIA公司推出的CUDA并行計算平臺設(shè)計并實現(xiàn)這些算法的并行版本。改進的基于GPU并行的非局部均值濾波算法，該算法一方面實現(xiàn)了以像素為單位的GPU并行計算，另一方面利用共享存儲器特性以及非局部均值權(quán)重對稱性來優(yōu)化并行操作，與普通非局部均值濾波并行算法相比，改