Фильтрация изображений компьютерной томографии

Николай Мамаев, Алексей Лукин, Дмитрий Юрин

Алгоритм нелокального усреднения [1] (NLM) хорошо известен в качестве алгоритма для фильтрации изображений. Но он не учитывает поворот окрестностей пикселей, когда эти окрестности сравниваются. Функции Эрмита могут быть использованы для разложения окрестности пикселя и для формирования вектора признаков, описывающего окрестность. Так же полученный вектор признаков может быть переведен в инвариантную форму, которая учитывает поворот пикселей. Цель нашего исследования заключается в разработке эффективного алгоритма фильтрации изображений, основанный на разложении окрестности пикселя с использованием функций Эрмита. Сравнение алгоритма нелокального усреднения (NLM) [1], алгоритма локальных струй (LJNLM-LR) [2] и предложенного алгоритма (HeNLM):

Исходное изображение, имитирующее внутренние органы человека.

Изображение с добавленным гауссовым шумом (сигма = 3000).

Результат фильтрации зашумленного изображения алгоритмом нелокального усреднения (NLM). PSNR = 40.8627

Результат фильтрации зашумленного изображения алгоритмом локальных струй (LJNLM-LR). PSNR = 41.9012

Результат фильтрации зашумленного изображения предложенным алгоритмом (HeNLM). PSNR = 42.1067

Некоторые локальные PSNR на изображении:
Фрагмент
Detail 1
Detail 2
Detail 3
Edge
Flat
NLM 31.985 31.9863 30.0026 42.252 49.0291
LJNLM-LR 34.1288 33.9722 31.5183 43.1465 46.7268
HeNLM 34.171 33.9081 31.799 43.0914 47.414

Ссылки
[1] A. Buades. “A non-local algorithm for image denoising” // IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 2005, -V. 2, -P. 60–65.
[2] A. Manzanera. “Local Jet based similarity for NL-Means filtering” // 20th International Conference on Computer Vision and Pattern Recognition (ICPR), 2010, -P. 2668–2671.

Публикации

2014

N. Mamaev, A. Lukin, D. Yurin. “HeNLM-3D: A 3D Computer Tomography Image Denoising Algorithm” // In: The 12th International Conference on Pattern Recognition and Information Processing. United Institute of Informatics Problems of the National Academy of Sciences of Belarus, 28–30 May 2014, Minsk, Belarus, 2014, pp. 176−180. PDF.

N. V. Mamaev, A. S. Lukin, D. V. Yurin. “HeNLM–LA: a Locally Adaptive Nonlocal Means Algorithm Based on Hermite Functions Expansion” // Programming and Computer Software, Vol. 40, No. 4, Pleiades Publishing, Ltd., 2014, pp. 199−207. PDF_(draft,en).

2013

M. V. Storozhilova, A. S. Lukin, D. V. Yurin, V. E. Sinitsyn. “2.5D Extension of Neighborhood Filters for Noise Reduction in 3D Medical CT Images” // Lecture Notes in Computer Science, Vol. 7870, 2013, pp. 1−16. Springer.

А. С. Лукин, М. В. Сторожилова, Д. В. Юрин. «Методы анализа качества фильтрации шума на изображениях компьютерной томографии» // в: Труды 15-й международной конференции "Цифровая обработка сигналов и её применение" (DSPA'2013), т. 2. 2013, с. 85−88. PDF.

Н. В. Мамаев, А. С. Лукин, Д. В. Юрин, М. А. Глазкова, В. Е. Синицын. «Алгоритм нелокального среднего на основе разложения по функциям Эрмита в задачах компьютерной томографии» // в: 23-я международная конференция по компьютерной графике и зрению GraphiCon'2013. Россия, Владивосток, 2013, с. 254−258. PDF.

M. V. Storozhilova, A. S. Lukin, D. V. Yurin. “Methods of noise filtering quality assessment for CT images” // In: Proceedings of 15-th International Conference "Digital Signal Processing and its Applications" (DSPA'2013), Vol. 2. Moscow, Russia, 2013, p. 88.

2012

M. V. Storozhilova, A. S. Lukin, D. V. Yurin, V. E. Sinitsyn. “Two approaches for noise filtering in 3D medical CT-images” // In: 22-th International Conference on Computer Graphics GraphiCon'2012. Moscow, Russia, 2012, pp. 68−72. PDF.