纹理引导的稀疏张量表示及在肺CT图像中的应用

基于张量理论在高维图像处理中的应用,提出一种张量模式的稀疏表示方法,以便有效地去除肺部CT序列图像的噪声,增强图像的有用信息。首先,设计了张量模式的正交匹配追踪法(TOMP)来表达稀疏系数;构建了高维K-奇异值分解法(HOK-SVD)用于字典更新。然后,对张量乘法的参数进行优化,即通过构造三维灰度共生矩阵,建立三维纹理特征与张量乘法模式之间的数学模型。最后,将这种方法应用于LIDC数据库的150组CT序列图像的预处理,对各算法的稀疏表示效果进行评价。与当前应用的其他方法相比,本文提出的高维K-SVD算法的的峰值信噪比提高了1.5%,平均误差降低了1.2%;在此预处理基础上进行的图像分割结果表明:图像的边缘偏移误差下降了3.0%,体积重叠率提高了1.2%。上述结果显示基于张量的方法可以更精确地完成对三维CT图像序列的稀疏表示。