Adaptive edge-preserving denoising using a gradient-based delta-map for NDT X-ray imaging

技术摘要：基于梯度 $\delta$-图的自适应边缘保留型去噪技术在 NDT X 射线成像中的应用

问题陈述
在医学成像和工业无损检测（NDT）领域，存在着一个基本的物理权衡：空间分辨率与噪声抑制之间的矛盾。增强高频成分可以锐化边缘和脊结构，但同时会放大系统噪声，从而损害诊断或缺陷检测的可靠性。相反，低通滤波虽然能抑制噪声，但会降低微结构的检测能力。传统的滤波技术（如高斯滤波、反锐化掩模、双边滤波、引导滤波）通常依赖于全局固定的超参数。这种空间不变性无法优化异构成像环境下的性能，例如印刷电路板（PCB）X 射线图像，其中高频结构细节（焊点、导体）与均匀的低频基底区域并存。虽然深度学习提供了自适应解决方案，但往往受限于对大规模训练数据集的需求、沉重的计算资源消耗，以及在实际工业部署中缺乏所需的算法可解释性。

方法论
本研究提出了一种**基于梯度的 $\delta$-图自适应图像处理（$\delta$-AIP）**框架。该方法扩展了传统反锐化掩模（UM）的残差架构，通过将全局固定的放大系数替换为空间变化的像素级控制矩阵（$\delta$-图）。该算法通过以下阶段运行：

1. 梯度幅值计算： 首先对原始图像应用各向同性高斯滤波器以减轻高频噪声。随后，利用 Sobel 滤波器计算梯度幅值矩阵，将其作为局部结构边界的度量。
2. 归一化与映射： 梯度幅值使用基于百分位数的阈值（第 5 和第 95 百分位数）进行归一化，以确保对脉冲噪声的鲁棒性。随后，通过线性映射函数将这些归一化值转换为初步权重矩阵。该矩阵经过缩放以定义“结构显著性调节器”：
   • 负权重 ($\delta < 0$)： 应用于低梯度、均匀区域，以诱导低通滤波（噪声抑制）。
   • 正权重 ($\delta > 0$)： 应用于高梯度、边缘区域，以放大高频成分（边缘增强）。
3. 自适应重建： 最终图像通过将 $\delta$-图与高频残差（原始图像与低通滤波图像之差）的逐元素乘积相加到原始图像上进行重建。

核心贡献

• 像素级自适应性： 与在整个图像中应用统一参数的传统方法不同，所提出的 $\delta$-图根据局部结构显著性动态调整处理过程。这实现了在背景区域进行噪声抑制的同时，增强结构特征的锐度。
• 算法可解释性与高效性： 该方法依赖于确定性的数学运算（梯度计算和线性映射），而非数据驱动的深度学习模型。这确保了极高的计算效率，使其适用于实时 X 射线检测系统，并提供了清晰的分析可解释性。
• 全面的验证： 研究使用了一个多层框架进行评估，包括全参考指标（SSIM、PSNR、LPIPS）、无参考指标（BRISQUE、NIQE、PIQE）以及基于物理的空间频率分析（MTF、NPS、NEQ）。

实验结果
将所提方法应用于含有添加高斯噪声 ($\sigma_n = 2.0$) 的 PCB X 射线图像，并与高斯滤波、反锐化掩模（UM）、双边滤波、引导滤波以及商业算法 MUSICA 进行对比。

• 定性性能： 定性分析表明，该方法有效地抑制了背景噪声，同时保留了结构边界，且未产生传统全局滤波器中常见的振铃或光晕伪影。
• 定量指标：
  • 全参考： 该方法实现了具有竞争力的结构相似性（SSIM = 0.9751）和峰值信噪比（PSNR = 33.001 dB），且较低的感知图像块相似度（LPIPS）得分表明其具有极高的感知保真度。
  • 无参考： 在所有对比算法中，该方法获得了最低的 BRISQUE（23.736）和 PIQE（40.747）得分，表明其能更好地保持自然场景统计特性并减少局部失真。在 NIQE 方面，该方法得分为 8.280，在研究报告的特定上下文中优于高斯（5.897）、UM（11.165）、双边（4.818）、引导（10.656）和 MUSICA（10.374），尽管在原始数据表中引导滤波和 MUSICA 显示出更低的 NIQE 值。
  • 频域分析：
    • MTF： 与其他边缘保留滤波器相比，该方法在中高频段（高达 10 mm⁻¹）保持了更高的调制传递值，表明其具有更好的分辨率保持能力。
    • NPS/NEQ： 与边缘保留滤波器相比，该方法在各频段内实现了更低且更稳定的噪声功率谱（NPS），同时在中频范围内保持了更高的噪声等效量子数（NEQ）。这证实了该方法在最小化空间分辨率退化的同时，优化了信号传输特性的能力。

意义与主张
作者声称，$\delta$-AIP 框架为解决放射成像中固有的分辨率-噪声权衡问题提供了一种切实可行的方案。通过在像素级量化结构显著性，该方法缓解了空间不变参数的局限性，且没有引入深度学习的计算和可解释性负担。研究结论指出，该技术可立即应用于放射诊断和工业 NDT 环境中的实时 X 射线检测系统。未来的工作方向确定为集成多尺度结构分析（如基于 Hessian 的脊线检测），以进一步增强结构提取能力。