X射线数字底片去噪方法的研究

　　0　引　　言

　　X射线检测主要用于工业器件的裂缝、缺陷检测,射线穿透物体时根据强度的削减程度不同形成底片,从而反映出物体是否存在局部缺陷。传统的胶质底片由于体积稍大,存储占空间,且时间一长容易模糊,导致错误判识。X射线底片数字化就是将射线检测到的底片,通过扫描仪将模拟信号转化为数字信号输入到计算机,经过一系列的图像去噪及恢复工作后,再对处理后的图像进行分析缺陷识别和归类。底片数字化解决了传统胶质底片不易保存和复查难等缺点,提高了工业生产的效率以及安全系数。但是,底片在数字化的过程中,由于器件以及人为等影响,引入了较大的噪声,使得底片不清晰,影响判断。因此,数字底片的去噪也是关键。随着小波分析的发展,小波变换在去噪方面的应用越来越广泛,Donoho提出了经典的小波萎缩去噪算法,但是传统的小波萎缩阈值法中的阈值是恒定不变的。本文提出的改进型阈值去噪算法对图像进行多次去噪处理,每次都对噪声及各子带小波系数的参数进行估计,从而优化了阈值去噪的性能。

　　1　X射线数字底片的噪声模型

　　X射线数字底片的主要噪声来源于3大部分:(1)电子噪声,在阻性器件中由于电子随机热运动而造成;(2)光电子噪声,由光的统计本质和图像传感器中光电子转换过程引起;(3)胶片本身制作带来的颗粒噪声,胶片颗粒噪声于胶片本身的颗粒大小有关。其中,电子噪声属于加性噪声,一般用零均值高斯白噪声作为其模型。光量子噪声和胶片颗粒噪声属乘性噪声。通常在光照较弱时,用具有泊松分布的随机变量作为光量子噪声的模型。但在光照较强时,其模型更趋向于高斯分布。对于颗粒噪声,假设其颗粒散布且大小均匀,颗粒噪声可以用正比于局部平均灰度立方根的零均值的高斯白噪声作模型。所以,将X射线底片的噪声归为加性噪声(高斯白噪声)。

　　f(i,j)=s(i,j)+n(i,j) (1)

　　式中:f(i,j)为含噪图片;s(i,j)为原始图片;n(i,j)为噪声。噪声建模就是通过观察图像的灰度分布来确定。引入噪声的图像(如图1所示),其灰度会以一定的规律分布,如图2所示。根据噪声灰度直方图来寻找相似的噪声模型,如果模型匹配,则利用子图计算灰度的均值和方差。噪声的随机性确定了必须用随机过程来描述它,即要求知道其分布函数和密度函数。在许多情况下,噪声的随机性函数很难测出或描述,甚至不可能得到,所以常用统计特征来描述噪声。

　　高斯噪声在相当宽的频率范围内具有平坦的功率谱密度:

　　式中:x为灰度值;μ为期望值;σ为标准差。