目的：为了照顾患者，我们研究了一种新的降噪方法，可从降级图像中去除泊松噪声，以改善低剂量CT图像的图像质量。方法：我们首先通过基于剪切波的多重方差稳定变换（SMVST）将泊松噪声转换为近似高斯噪声。其次，基于相邻的小波系数的相关性，通过自适应去噪方法找到非噪声的小波系数的位置。其中，假定图像的剪切波系数遵循拉普拉斯先验分布，并且通过MAP估计（最大后验估计）获得非噪声系数的位置。最后，使用基于混合梯度下降（HGD）的迭代方案，根据非噪声系数的位置估计降噪后的图像。主要贡献在于将基于相邻小波系数相

低剂量CT（LDCT）扫描是减少人群中X射线辐射的一种潜在方法。 有必要提高低剂量CT图像的质量。 在本文中，我们提出了一种有效的算法，用于利用剪切波变换去除LDCT图像中的量子噪声。 因为可以通过泊松过程来模拟量子噪声，所以我们首先使用安斯科姆方差稳定变换（VST）对量子噪声进行变换，从而产生具有单位方差的近似高斯噪声。 其次，通过在小波域中的自适应硬阈值处理获得无噪声的小波系数。 第三，我们使用逆剪切波变换来重建去噪图像。 最后，将anscombe逆变换应用于降噪后的图像，从而可以产生改进的

目的：为了照顾患者，我们研究了一种新的降噪方法，可从降级图像中去除泊松噪声，以改善低剂量CT图像的图像质量。 方法：我们首先通过基于剪切波的多重方差稳定变换（SMVST）将泊松噪声转换为近似高斯噪声。 其次，基于相邻的小波系数的相关性，通过自适应去噪方法找到非噪声的小波系数的位置。 其中，假设图像的小波系数遵循拉普拉斯先验分布，并且通过MAP估计（最大后验估计）获得非噪声系数的位置。 最后，使用基于混合梯度下降（HGD）的迭代方案，根据非噪声系数的位置估计降噪后的图像。 主要贡献在于将基于相邻小