基于改進(jìn)非局部均值的三維cbct圖像除噪方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理領(lǐng)域，尤其涉及一種基于改進(jìn)非局部均值的三維CBCT圖像 除噪方法。
【背景技術(shù)】
[0002] 在進(jìn)行放射治療時，由于呼吸、組織器官的蠕動、日常擺位誤差、靶區(qū)收縮等對治 療計(jì)劃存在較大的影響，需要利用各種影像設(shè)備對腫瘤進(jìn)行實(shí)時監(jiān)控，使照射野緊緊追隨 革巴區(qū)以實(shí)現(xiàn)精確治療，因此圖像引導(dǎo)放射治療（Image Guided Radiation Therapy, IGRT) 也就成為了當(dāng)今最先進(jìn)的放射治療手段。錐形束計(jì)算機(jī)斷層掃描成像技術(shù)（Cone-Beam Computed Tomography, CBCT)以其優(yōu)越的性能在圖像引導(dǎo)放射治療系統(tǒng)中得到了廣泛的應(yīng) 用，其應(yīng)用主要體現(xiàn)在以下兩個方面：一是通過獲取三維CBCT重建圖像與計(jì)劃CT圖像放療 區(qū)的偏移情況來指導(dǎo)擺位信息；二是通過CBCT時間序列圖像之間的形變配準(zhǔn)操作來實(shí)現(xiàn) 病變和腫瘤的實(shí)時跟蹤。
[0003] 然而CBCT圖像中存在大量的噪聲，噪聲的存在使得圖像的軟組織對比度降低、圖 像邊緣變的模糊，這無疑增加了勾畫靶區(qū)的難度，影響了擺位信息的準(zhǔn)確獲取。雖然很大一 部分噪聲是由量子的衰減引起的，高劑量的輻射會獲得較清晰的圖像，但也會嚴(yán)重影響患 者的健康狀況。所以，如何在低劑量的照射下實(shí)時地獲取高質(zhì)量的CBCT圖像具有十分重要 的研究意義。
[0004] 近幾年來，針對CBCT圖像中存在的噪聲，多種有關(guān)于CBCT圖像的去噪算法相繼被 提出，包括小波濾波法、非局部均值去噪法、三維塊匹配法、噪聲系數(shù)法等。在這些新穎的 濾波方法中，Buades等人提出的非局部均值（Nonlocal Means, NLM)去噪算法以其優(yōu)越的 性能得到了很大的認(rèn)可，該算法利用了圖像的自相似性，估計(jì)像素點(diǎn)時充分考慮了圖像的 全局信息，在一個搜索窗內(nèi)盡可能多的搜索到與被濾波像素點(diǎn)相似的其他像素點(diǎn)，利用它 們之間的相似性達(dá)到去噪的效果。但此算法仍存在相似度計(jì)算量過大和濾波參數(shù)選取等問 題。
[0005] 針對計(jì)算量過大這一問題，多種快速NLM去噪算法相繼被提出并且取得了不錯的 效果，例如Wang等人利用局部區(qū)域距離的對稱性降低算法的復(fù)雜度；Liu等人利用積分圖 和快速傅里葉變換對NLM算法進(jìn)行加速等。另外，NLM去噪算法包含了三個關(guān)鍵參數(shù)：搜索 窗口半徑、相似窗口半徑和濾波強(qiáng)度值，這三個參數(shù)對NLM算法的去噪性能均有較大的影 響，特別是濾波強(qiáng)度值的影響。國內(nèi)外很多研究學(xué)者針對參數(shù)選取的問題也做了相關(guān)的研 究，但是將其應(yīng)用在CBCT圖像中的學(xué)者并不多。

【發(fā)明內(nèi)容】

[0006] 為了解決現(xiàn)有技術(shù)的缺點(diǎn)，本發(fā)明提供一種基于改進(jìn)非局部均值的三維CBCT圖 像除噪方法，該方法在對CBCT投影數(shù)據(jù)進(jìn)行噪聲標(biāo)準(zhǔn)差估計(jì)、對濾波強(qiáng)度值進(jìn)行改進(jìn)的基 礎(chǔ)上實(shí)現(xiàn)自適應(yīng)非局部均值去噪處理，以獲取較高質(zhì)量的CBCT圖像。
[0007] 為實(shí)現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：
[0008] -種基于改進(jìn)非局部均值的三維CBCT圖像除噪方法，包括：
[0009] 步驟⑴：獲取不同角度的三維CBCT圖像的投影數(shù)據(jù)，每一個角度的三維CBCT圖 像的投影數(shù)據(jù)對應(yīng)一組三維CBCT圖像的投影數(shù)據(jù)，求取三維CBCT圖像的邊緣信息，并劃分 出三維CBCT圖像的背景子塊和紋理子塊；
[0010] 步驟（2):分別計(jì)算三維CBCT圖像的中背景區(qū)域的噪聲標(biāo)準(zhǔn)差以及三維CBCT圖 像中紋理子塊平均梯度值的均值；
[0011] 步驟（3):根據(jù)三維CBCT圖像的邊緣信息、背景區(qū)域的噪聲標(biāo)準(zhǔn)差以及紋理子塊 平均梯度值的均值，分別求取每個角度的三維CBCT圖像的投影數(shù)據(jù)的濾波強(qiáng)度值；
[0012] 步驟⑷：在三維CBCT圖像中搜尋與被濾波像素點(diǎn)相似的其他像素點(diǎn)，根據(jù)每個 角度的三維CBCT圖像的投影數(shù)據(jù)的濾波強(qiáng)度值，計(jì)算被濾波像素點(diǎn)相似的其他像素點(diǎn)之 間的相似度來實(shí)現(xiàn)三維CBCT圖像除噪。
[0013] 所述步驟（1)中采用基于子塊分割的算法進(jìn)行劃分三維CBCT圖像的背景子塊和 紋理子塊。
[0014] 劃分三維CBCT圖像的背景子塊和紋理子塊的具體過程，包括：
[0015] 將三維CBCT圖像的投影數(shù)據(jù)劃分為大小為若干個呈方陣排列的子塊，計(jì)算每個 子塊的方差；
[0016] 根據(jù)預(yù)設(shè)的子塊方差閾值，進(jìn)行劃分背景子塊和紋理子塊，當(dāng)子塊的方差小于預(yù) 設(shè)的子塊方差閾值，則是背景子塊；當(dāng)子塊的方差大于預(yù)設(shè)的子塊方差閾值，則是紋理子 塊。
[0017] 所述步驟⑶中求取的三維CBCT圖像的投影數(shù)據(jù)的濾波強(qiáng)度值，包括：
[0018] 選定一組三維CBCT圖像的投影數(shù)據(jù)，根據(jù)該組三維CBCT圖像的投影數(shù)據(jù)的噪聲 標(biāo)準(zhǔn)差與邊緣信息的比值，得到該組三維CBCT圖像的投影數(shù)據(jù)的濾波強(qiáng)度值h1:
[0020] 其中，I1表示選定的一組投影數(shù)據(jù)，將其作為第一組投影數(shù)據(jù)；〇 i表示第一組投 影數(shù)據(jù)1:的噪聲標(biāo)準(zhǔn)差，E(I D表示第一組影數(shù)據(jù)I1的邊緣信息。
[0021] 所述步驟（3)中求取的三維CBCT圖像的投影數(shù)據(jù)的濾波強(qiáng)度值，還包括：
[0022] 求取第i組CBCT投影數(shù)據(jù)的投影數(shù)據(jù)的濾波強(qiáng)度值h1:
[0026] 其中，Ii1 i為第i-1組CBCT投影數(shù)據(jù)的投影數(shù)據(jù)的濾波強(qiáng)度值，G i為第i組CBCT 投影數(shù)據(jù)中紋理子塊平均梯度值的均值，G1^為第i-Ι組CBCT投影數(shù)據(jù)中紋理子塊平均梯 度值的均值，σ i為第i組CBCT投影數(shù)據(jù)的噪聲標(biāo)準(zhǔn)差；〇 i i為第i-Ι組CBCT投影數(shù)據(jù)的 噪聲標(biāo)準(zhǔn)差；i = 2, 3, 4…η，η為獲取CBCT投影數(shù)據(jù)的組數(shù)。
[0027] 所述預(yù)設(shè)的子塊方差閾值Vth為：
[0029] 其中，▽為三維CBCT圖像的投影數(shù)據(jù)劃分的所有子塊方差的平均值；α為比例常 數(shù)。
[0030] 所述步驟（4)中搜尋與被濾波像素點(diǎn)相似的其他像素點(diǎn)的過程為：
[0031] 根據(jù)三維CBCT圖像中所有像素灰度值的加權(quán)平均的方法，來獲取三維CBCT圖像 中像素的灰度值：
[0033] 式中，I為三維CBCT圖像；像素 ρ和像素 q為三維CBCT圖像中的任意像素點(diǎn)；V (q) 表示像素 q的灰度值;w (P，q)表示像素 P和像素 q的相似度。
[0034] 像素 ρ和像素 q的相似度w (p，q)滿足：
[0038] 式中，Z (ρ)表示歸一化常數(shù)；Np和N q分別表示以像素 ρ和像素 q為中心的正方形 相似窗口，窗口大小均為（2d+l) X (2d+l)，d為相似窗口半徑；11 I U α為高斯加權(quán)歐式距 離函數(shù)屯表示第j組CBCT投影數(shù)據(jù)的濾波強(qiáng)度，j = 1，2, 3…η ;η為獲取CBCT投影數(shù)據(jù) 的組數(shù)。
[0039] 本發(fā)明的有益效果為：
[0040] (1)本發(fā)明利用不同投射角度下的噪聲標(biāo)準(zhǔn)差、紋理子塊平均梯度值的均值和第 一組投影數(shù)據(jù)的邊緣信息，確定與投影數(shù)據(jù)相適應(yīng)的濾波強(qiáng)度值，有效地保留投影數(shù)據(jù)中 的有用信息并提高NLM算法的去噪性能；
[0041] (2)本發(fā)明還根據(jù)劃分背景區(qū)域的閾值，對背景區(qū)域進(jìn)行精確劃分，進(jìn)一步提高了 NLM算法的有效性，有利于后續(xù)的擺位信息獲取和腫瘤實(shí)時跟蹤。
【附圖說明】
[0042] 圖1為本發(fā)明的三維CBCT圖像除噪方法的流程圖。
【具體實(shí)施方式】
[0043] 下面結(jié)合說明書附圖和具體實(shí)施例說明本發(fā)明：
[0044] 如圖1所示，本發(fā)明的基于改進(jìn)非局部均值的三維CBCT圖像除噪方法，包括：
[0045] 步驟⑴：獲取不同角度的三維CBCT圖像的投影數(shù)據(jù)，每一個角度的三維CBCT圖 像的投影數(shù)據(jù)對應(yīng)一組三維CBCT圖像的投影數(shù)據(jù)，求取三維CBCT圖像的邊緣信息，并劃分 出三維CBCT圖像的背景子塊和紋理子塊；
[0046] 步驟（2):分別計(jì)算三維CBCT圖像的中背景區(qū)域的噪聲標(biāo)準(zhǔn)差以及三維CBCT圖 像中紋理子塊平均梯度值的均值；
[0047] 步驟（3):根據(jù)三維CBCT圖像的邊緣信息、背景區(qū)域的噪聲標(biāo)準(zhǔn)差以及紋理子塊 平均梯度值的均值，分別求取每個角度的三維CBCT圖像的投影數(shù)據(jù)的濾波強(qiáng)度值；
[0048] 步驟⑷：在三維CBCT圖像中搜尋與被濾波像素點(diǎn)相似的其他像素點(diǎn)，根據(jù)每個 角度的三維CBCT圖像的投影數(shù)據(jù)的濾波強(qiáng)度值，計(jì)算被濾波像素點(diǎn)相似的其他像素點(diǎn)之 間的相似度來實(shí)現(xiàn)三維CBCT圖像除噪。
[0049] 進(jìn)一步地，步驟（1)中采用基于子塊分割的算法進(jìn)行劃分三維CBCT圖像的背景子 塊和紋理子塊。其中，劃分三維CBCT圖像的背景子塊和紋理子塊的具體過程，包括：
[0050] 將三維CBCT圖像的投影數(shù)據(jù)劃分為大小為若干個呈方陣排列的子塊，計(jì)算每個 子塊的方差；
[0051] 根據(jù)預(yù)設(shè)的子塊方差閾值，進(jìn)行劃分背景子塊和紋理子塊，當(dāng)子塊的方差小于預(yù) 設(shè)的子塊方差閾值，則是背景子塊；