[发明专利]一种基于可训练联合双边滤波器的数字X射线图像去噪方法

权利要求书

1.一种基于可训练联合双边滤波器的数字X射线图像去噪方法，其特征在于，所述方法具体步骤如下：

步骤1，随机读取128×128大小的低剂量图像与对应的正常剂量图像，其中，低剂量图像作为卷积神经网络EDCNN的输入，正常剂量图像作为标签，共同训练EDCNN网络；

步骤2，使用训练好的EDCNN网络去除低剂量图像中的噪声，得到较为清晰的图像，即联合双边滤波器的引导图；

步骤3，将得到的引导图像和原低剂量图像作为所述可训练联合双边滤波器的输入，正常剂量图像作为标签，共同训练联合双边滤波器；

步骤4，使用训练好的联合双边滤波器去除低剂量图像中的噪声，最终得到去噪后的高质量图像。

2.根据权利要求1所述的一种基于可训练联合双边滤波器的数字X射线图像去噪方法，其特征在于，步骤1中需要训练的EDCNN网络包括1个边缘增强模块，8个卷积块，其中，卷积块由“1*1卷积+LeakyReLU激活层+3*3卷积+LeakyReLU激活层”的顺序组成；边缘增强模块由4个Sobel算子组成，包括垂直、水平和2个对角方向。

3.根据权利要求1所述的一种基于可训练联合双边滤波器的数字X射线图像去噪方法，其特征在于，步骤1中需要训练的EDCNN网络的损失函数为：

其中，F(x_i,θ)为EDCNN模型的运算操作；x_i为当前低剂量图像第i个位置的像素；θ为当该模型可训练的参数；y_i为对应正常剂量标签的第i个位置的像素；N为该图像上的像素总数。

4.根据权利要求1所述的一种基于可训练联合双边滤波器的数字X射线图像去噪方法，其特征在于，步骤2中的EDCNN模型参数经过优化器迭代更新。

5.根据权利要求1所述的一种基于可训练联合双边滤波器的数字X射线图像去噪方法，其特征在于，步骤3中的联合双边滤波器包括灰度域核、可训练的空间域核和传统双边滤波器，空间域核为3*3的矩阵，初始值为1；灰度域核为常数，值为0.8，所述联合双边滤波器的计算方式为：

其中，I_n为原低剂量图像；I_f为联合双边滤波器过滤后的图像；x为当前图像的像素点；N(x)是在过滤操作中考虑到的x的邻域点；I_g为引导图像；F(·)是用于整个邻域范围内的滤波函数；G(·)是用于计算空间域核的函数，W_g为G(·)的权重。

6.根据权利要求1所述的一种基于可训练联合双边滤波器的数字X射线图像去噪方法，其特征在于，步骤4中的联合双边滤波器的输入为原低剂量图像和引导图像，正常剂量图像作为标签，其损失函数为其空间域核的数值经过优化器迭代更新。