基于区域内容感知核范数的低剂量CT影像去噪

针对传统基于核范数最小化的低秩约束模型在低剂量CT (low-dose CT, LDCT)影像去噪中易造成局部纹理细节丢失的问题,提出一种具有区域内容感知能力的加权核范数最小化LDCT 影像去噪算法。首先采用基于奇异值分解的方法估计LDCT 影像中的局部噪声强度;然后采用基于局部统计特性的方法进行目标影像块匹配;最后根据影像局部噪声强度以及不同奇异值水平自适应设置核范数权重,以实现基于加权核范数最小化的LDCT 影像去噪。仿真实验结果表明,所提算法在均方根误差指标上较传统核范数最小化算法、全变分最小化算法以及变换学习算法分别提高30.11%、14.38%和8.75%;在结构相似度指标上较上述3 种算法分别提高34.24%、23.06%和11.52%;真实临床数据实验结果表明,所提算法处理结果的放射医生评价平均分为8.94,与常规剂量CT 影像的评价平均分数仅差0.21,显著高于传统核范数最小化算法、全变分最小化算法和变换学习算法。仿真及真实临床数据的实验结果表明,所提算法能够在滤除LDCT 影像伪影噪声的同时,有效保持局部纹理细节信息。