论文部分内容阅读
射线DR检测技术具有成像速度快、动态范围大、量子检测效率高等优点,被广泛应用于医疗和工业无损检测中。受平板探测器制作工艺、散射等因素的限制,DR系统空间分辨率低,受到量子噪声、结构噪声干扰而影响图像质量。由于高的信噪比对不清晰度和对比度以及空间分辨率具有补偿作用,通过适当的数字信号处理方法提高图像的信噪比具有重要意义。本文设计并实现了基于开源软件μManager的DR图像采集评价系统。在该系统的基础上,结合实验对探测器的响应特性、曝光时间和积分帧数等参数对图像质量的影响进行研究。DR检测中的随机噪声随着积分帧数的增加而减少,足够数量的积分帧数可以完全消除该类噪声,但是同时也降低了检测效率。实际检测中需要在检测效率和噪声水平之间取得平衡。DR检测过程中的随机噪声主要是量子噪声,近似为泊松分布,在低剂量或穿透大厚度工件时泊松噪声尤其表现突出。本文通过构建泊松噪声和高斯噪声的混合噪声模型,引入Anscombe变换将泊松噪声转换为高斯噪声,利用高斯噪声消除算法对噪声图像进行处理。基于稀疏表示方法对图像复原和重建有着极高的效率,在处理降噪等逆问题上取得较为出色表现。其中,基于结构聚类的非局部降噪算法BM3D在峰值信噪比方面表现突出。基于结构聚类的稀疏表示去噪方法CSR将聚类的思想和图像的自相似以及稀疏性联系起来,将去噪问题转化为一个双头L1最优化问题。利用Anscombe变换结合NL-means、BM3D和CSR等多种去噪算法对实际检测中的DR图像进行降噪处理。结果表明基于结构聚类和字典学习的CSR方法在PSNR、SSIM等多项指标上均优于BM3D、K-SVD、传统的小波、维纳滤波等算法。而BM3D算法的去噪效果接近CSR,但其在算法效率上远高于CSR,具有较好的综合表现。基于稀疏表示的图像去噪重建方法能够有效地消除DR检测中的噪声,同时保持图像本身的结构信息,可以应用于DR检测中作为图像的后处理手段。经过降噪处理,将可以提高缺陷检出率,降低DR检测所需要的叠加帧数,提高检测效率。