低周波数でのノイズパワースペクトルを正確に決定するための均一な画像の効率的なディトンディング

デジタルX線イメージングデバイスのノイズパワースペクトル（NPS）は、通常、均一な放射線フィールドで得られた画像の対象領域（ROI）の平均の平均から推定されます。確率的プロセスから生じるものではなく、画像に存在する低周波数の傾向を緩和するために、フーリエ変換される前に画像に抑止方法が適用されます。これらの方法の中で最も一般的なことは、画像から2次多項式の適合を減算します。この作業では、低周波傾向の特性が空間座標への二次依存から逸脱できることが示されています。これにより、残留傾向が大きくなり、抑止された画像に重要な相関関係が生じ、低周波数でのNPS計算の不正確な上昇が生じます。均一な画像の新しいディトレンディング方法が提示されています。このメソッドは、ウェーブレット変換のサブバンドで動作し、均一な画像の低周波数内容物を削除します。これを行うには、最高レベルのウェーブレット変換の近似サブバンドがキャンセルされます。3つのデジタル検出器のNPS計算に対する影響が示されており、ウェーブレット変換のパラメーターの重要性について説明します。主な結果は、新しい方法のパフォーマンスにより、一般的に使用される2つの多項式抑止方法のパフォーマンスが改善され、均一な暴露画像法の減算のパフォーマンスに近いことが示されています。最後に、ウェーブレット分解のレベルの数など、手順の実装に関するガイドラインが提供されます。ウェーブレット変換のレベル数が増加すると、トレンドの除去はより低い周波数に制限されます。レベル数の選択は、イメージングチェーンを介したノイズの伝播から予想される形状に似ている必要がある、ディトレンド画像の自己相関関数の形状によって導かれる必要があります。

The noise power spectrum (NPS) of a digital x-ray imaging device is usually estimated from the average of periodograms of regions of interest (ROIs) in images obtained with uniform radiation fields. In order to mitigate low frequency trends, present in the images and not arising from stochastic processes, detrending methods are applied to the images before being Fourier transformed. The most common of these methods subtracts a second-order polynomial fit from the image. In this work, it is shown that the characteristics of low frequency trends can deviate from the quadratic dependence on spatial coordinates. This results in large residual trends that give rise to important correlations in the detrended images and produce an inaccurate rise of the NPS calculations at low frequencies. A new detrending method of uniform images is presented. The method operates in the subbands of a wavelet transform, removing the low frequency contents of the uniform image. To do this, the approximation subband of the highest level of the wavelet transform is cancelled. The effect on the NPS calculations for three digital detectors is shown and the importance of the parameters of the wavelet transform is discussed. The main result states that the performance of the new method improves those of two polynomial detrending methods commonly used and is close to the performance of the subtraction of uniform exposure images method. Finally, guidelines for the implementation of the procedure, like the number of levels in the wavelet decomposition, are provided. As the number of levels in the wavelet transform increases, the removal of trends is restricted to lower frequencies. The selection of the number of levels should be guided by the shape of the autocorrelation function of the detrended image, which has to resemble the shape expected from the propagation of noise through the imaging chain.