非下采样Contourlet 域中基于改进隐马尔可夫树的低剂量CT 图像去噪

提出一种基于小波域内统计建模的低剂量计算机X 线断层(CT) 图像去噪新方法。利用非下采样Contourlet 变换(NSCT)获得具有平移不变性的多尺度、多方向频率子带;结合噪声特点,通过统计参数预置改进隐马尔可夫树(HMT)模型,加速构建层间、方向间不同子带系数的概率转移矩阵,采用期望最大(EM)算法训练获得边缘概率密度;设计Bayes 最大后验概率(MAP)估计器对图像噪声进行建模与滤除。实验表明:相比小波HMT 去噪、Contourlet 软阈值去噪等同类方法,该方法提高了噪声估计精度,使图像峰值信噪比(PSNR)明显增加,细节信息更清晰。