matlab实现图像去伪影,基于投影域小波滤波处理的 CT 图像环形伪影去除方法

环形伪影是X-线计算机断层成像常见的一种伪影，其产生的因素有很多，主要包括探测器的探测单元存在故障，探测单元没有校正，探测器上存在着灰尘和杂质等[。环形伪影在CT 图像中主要表现为一系列同心圆环或者圆弧，其在线积分投影数据上表现为竖直方向上的直线[。环形伪影在一定程度上降低图像质量，给图像噪声处理及图像分割等后续处理带来很大困扰，严重影响影像诊断效果。因此，去除或者最大程度地减少环形伪影是十分必要的。

目前，大量的环形伪影去除方法相继被提出[，主要分为两类，一类是基于线积分投影数据的去除方法，即图像重建前的处理方法。例如，Boin 等[采用均值滤波方法去除原始数据中因探测器响应不一致带来的高频信号，该方法可以有效抑制环形伪影，但图像分辨率会略有下降；余晓锷等[采用Hough 变换对线积分投影数据中的环形伪影进行准确定位，继而对相应位置上的数据进行线性插值实现校正；Münch 等[对线积分投影数据进行小波变换，利用低通滤波方法滤除垂直方向的高频分量，可以实现弱强度环形伪影的去除。第二类是基于CT 重建图像的去除方法，是一种图像后处理方法[。该类方法的主要思想是，将CT 图像通过坐标变换，将图像从直角坐标系变换到极坐标，在极坐标下对变换后的数据进行滤波处理，去除条形伪影，最后将处理后的数据再经过坐标变换回到直角坐标系。此类方法需经过两次坐标变换，若滤波器的阈值设置不妥当，将导致图像对比度和分辨率的明显下降。

针对上述两类方法各自的不足，本文提出一种基于投影域小波变换的环形伪影去除方法，此方法把线积分投影数据等间隔分成4 个子投影数据，以消除相邻探测器间的影响；接着分别对4 个子投影数据进行小波分解，然后分别对近似分量和垂直细节分量进行滤波处理，以消除具有高频特性的直线信息；随后对处理后的小波系数矩阵进行小波重构生成4 个新的子投影数据，继而合成为新的线积分投影数据；最后再用加权均值滤波方法对新的线积分投影数据进行滤波处理，处理后的线积分投影数据采用滤波反投影方法进行图像重建。实验结果表明，本文所提出的方法可有效地去除环形伪影。

1 方法

基于小波变换的CT 图像环形伪影去除方法主要包括3 个步骤：(1)获取子投影数据：将线积分投影数据等间隔分成四个子投影数据；(2)去除条形伪影：对每个子投影数据进行小波分解，生成小波系数矩阵，然后对小波系数中近似分量和垂直方向细节分量进行滤波处理，新的小波系数矩阵进行小波重构生成四个新的子投影数据(如

图 1(Figure 1)