[發明專利]一種醫學圖像增強方法及系統

無效

• 申請號: 201010263904.5
• 申請日: 2010-08-24
• 公開（公告）號: CN101930599A
• 公開（公告）日: 2010-12-29
• 發明（設計）人: 黃偉萍;徐漫濤;吳志家
• 申請（專利權）人: 黃偉萍
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 上海正旦專利代理有限公司 31200
• 代理人: 陸飛;盛志范

1.一種醫學圖像增強方法，其特征在于，給定一幅圖像I，增強的具體步驟如下：

步驟A.設計一種基于梯度的圖像濾波器，將該濾波器作用到圖像I，得到濾波圖像

步驟B.基于得到的濾波圖像對每個像素點計算誤差估計能量函數Δ；

步驟C.根據得到的誤差估計能量函數Δ，構造一個4級量化器Q(Δ)∈{0，1，2，3}；

步驟D.根據量化后的Q(Δ)、原始圖像I和濾波圖像構造一個上下文量化器Q(C)；

步驟E.針對每個量化后的上下文C_Q，在一個菱形的窗口構造一個濾波器f(x|C_Q)；

步驟F.應用濾波器f(x|C_Q)對圖像I進行去噪濾波；

其中，所述步驟A中，設計濾波器步驟為：

A1.對當前圖像I計算其水平方向梯度值d_h和垂直方向梯度值d_v：

d_h＝(|I(i，j-2)-I(i，j-1)|+|I(i-1，j-1)-I(i-1，j)|

+|I(i-1，j)-I(i-1，j+1)|+|I(i，j+1)-I(i，j+2)|

+|I(i+1，j)-I(i+1，j+1)|+|I(i+1，j-1)-I(i+1，j)|)/2

????????????????????????????????????????????????(2)

d_v＝(|I(i-1，j-1)-I(i，j-1)|+|I(i-2，j)-I(i-1，j)|

+|I(i-2，j+1)-I(i-1，j+1)|+|I(i-1，j+1)-I(i，j+1)|

+|I(i+1，j)-I(i+2，j)|+|I(i+1，j-1)-I(i+2，j-1)|)/2

這里，I(i-2，j-2)、I(i-2，j-1)…I(i+2，j+1)、I(i+2，j+2)是圖像I在以(i，j)為中心的5×5鄰域中的像素點灰度值；

A2.根據得到的水平梯度和垂直梯度，按公式(3)設計一個基于梯度的濾波器：

如果d_v(i，j)-d_h(i，j)＞C₁(經過點(i，j)存在水平方向強邊緣)

I^(i,j)=I(i,j-1)+I(i,j+1)2;]]>

否則，如果d_v(i，j)-d_h(i，j)＜-C₁(經過點(i，j)存在垂直方向強邊緣)

I^(i,j)=I(i-1,j)+I(i+1,j)2;]]>

否則

I^(i,j)=I(i,j-1)+I(i,j+1)+I(i-1,j)+I(i+1,j)4]]>

+I(i-1,j+1)-I(i-1,j-1)8+I(i+1,j-1)-I(i+1,j+1)8;]]>

如果d_v(i，j)-d_h(i，j)＞C₂(經過點(i，j)存在水平方向邊緣)

I^(i,j)=I^(i,j)2+I(i,j-1)+I(i,j+1)4;---(3)]]>

否則，如果d_v(i，j)-d_h(i，j)＞C₃(經過點(i，j)存在水平方向弱邊緣)

I^(i,j)=3I^(i,j)4+I(i,j-1)+I(i,j+1)8;]]>

否則，如果d_v(i，j)-d_h(i，j)＜-C₂(經過點(i，j)存在垂直方向邊緣)

I^(i,j)=I^(i,j)2+I(i-1,j)+I(i+1,j)4;]]>

否則，如果d_v(i，j)-d_h(i，j)＜-C₃(經過點(i，j)存在垂直方向弱邊緣)

I^(i,j)=3I^(i,j)4+I(i-1,j)+I(i+1,j)8;]]>

判斷結束

判斷結束；

所述步驟B中對每個像素點計算誤差估計能量函數Δ的步驟為：

B1.基于圖像I和濾波圖像計算濾波誤差圖像

B2.根據得到的水平梯度d_h和垂直梯度d_v以及濾波誤差圖像g，按式(4)計算誤差能量值Δ：

Δ＝d_h+d_v+(|g(i-1，j)|+|g(i+1，j)|)/2

?????????????????????????????????????????????????(4)

+(|g(i，j-1)|+|g(i，j+1)|)/2

所述步驟C中，求4級量化器Q(Δ)∈{0，1，2，3}的步驟為：

C1.基于所得到的誤差能量值Δ和濾波誤差圖像g，應用動態規劃算法使得以下條件熵的值最小：

-Σd=03Σqd≤Δ<qd+1p(g|qd≤Δ<qd+1)logp(g|qd≤Δ<qd+1)---(5)]]>

p(g|q_d≤Δ＜q_d+1)是當前像素點在圖像g相對于誤差能量Δ得到的條件概率，q_d是個整數，d＝0，...，4，且有0＝q₁＜q₂＜q₃＜q₄＝∞，構成誤差能量Δ的量化區間：

Δ∈∪d=03[qd,qd+1)---(6)]]>

C2.將誤差能量Δ，量化到正整數域中的四個區間里，即Q(Δ)為：

Q(Δ)=0,q0≤Δ<q11,q1≤Δ<q22,q2≤Δ<q33,q3≤Δ<q4---(7)]]>

Q(Δ)∈{0，1，2，3}，Q(Δ)也稱作標量量化器，{0，1，2，3}是4個整數的集合；所述步驟D中，構造上下文量化器Q(C)步驟為：

D1.設當前像素點的坐標值為x＝(i，j)，取式(8)所示的3×3的圖像鄰域：

x₀＝(i-1，j-1)

x₁＝(i-1，j)

x₂＝(i-1，j+1)

x₃＝(i，j-1)

x₄＝(i，j+1)

x₅＝(i+1，j-1)???????????????????????????????????(8)

x₆＝(i+1，j)

x₇＝(i+1，j+1)

D2.在以上3×3的圖像鄰域內，抽取紋理特征S＝s₇s₆s₅s₄s₃s₂s₁s₀，其中：

sk=0I(xk)≥I^(i,j)1I(xk)<I^(i,j)0≤k≤7---(9)]]>

D3.紋理特征S為大小8位，量化的誤差能量Q(Δ)為0～3的數字，大小為2位的數字，將Q(Δ)和S做二進制位數合并，生成一個大小為10位的數字，把它看作一個量化的上下文C_Q，得到一組1024個數字，即0～1023，把這1024個數字標記成一個量化的上下文集合C＝{C_Q|C_Q＝0，...1023}；

所述E步驟E中，構造濾波器f(x|C_Q)的步驟為：

E1.在圖像I中，針對每個像素點y，在其周圍，選擇一個如下的菱形鄰域R(y)：

??x₁??x₂??x₃??x₄??x₅??x₆??y??x₇??x₈??x₉??x₁₀??x₁₁??x₁₂

(10)

E2.根據步驟D所得到1024個量化的上下文集合C，得到像素點集滿足Y＝{yC_Q(y)∈C，C_Q(y)＝C_Q}，且有R(Y)＝{R(y)|C_Q(y)∈C，C_Q(y)＝C_Q}，設對所有R(Y)，像素點灰度值y和其菱形鄰域內中的其它12個像素點灰度值x_k都滿足如下關系：

Σk=112bkxk+α=y---(1)]]>

則通過回歸分析方法，估計出系數b_k和α，該系數b_k和α即為濾波器f(x|C_Q)的濾波系數。

2.一種醫學圖像增強系統，其特征在于包括：一種基于梯度的圖像濾波器、一個4級量化器Q(Δ)∈{0，1，2，3}、一個上下文量化器Q(C)和一個濾波器f(x|C_Q)；其中：

所述基于梯度的圖像濾波器的構造如下：

A1.對當前圖像I計算其水平方向梯度值d_h和垂直方向梯度值d_v：

d_h＝(|I(i，j-2)-I(i，j-1)|+|I(i-1，j-1)-I(i-1，j)|

+|I(i-1，j)-I(i-1，j+1)|+|I(i，j+1)-I(i，j+2)|

+|I(i+1，j)-I(i+1，j+1)|+|I(i+1，j-1)-I(i+1，j)|)/2

???????????????????????????????????????????????????????(2)

d_v＝(|I(i-1，j-1)-I(i，j-1)|+|I(i-2，j)-I(i-1，j)|

+|I(i-2，j+1)-I(i-1，j+1)|+|I(i-1，j+1)-I(i，j+1)|

+|I(i+1，j)-I(i+2，j)|+|I(i+1，j-1)-I(i+2，j-1)|)/2

這里，I(i-2，j-2)、I(i-2，j-1)…I(i+2，j+1)、I(i+2，j+2)是圖像I在以(i，j)為中心的5×5鄰域中的像素點灰度值；

A2.根據得到的水平梯度和垂直梯度，按公式(3)設計得到基于梯度的濾波器：如果d_v(i，j)-d_h(i，j)＞C₁(經過點(i，j)存在水平方向強邊緣)

I^(i,j)=I(i,j-1)+I(i,j+1)2;]]>

否則，如果d_v(i，j)-d_h(i，j)＜-C₁(經過點(i，j)存在垂直方向強邊緣)

I^(i,j)=I(i-1,j)+I(i+1,j)2;]]>

否則

I^(i,j)=I(i,j-1)+I(i,j+1)+I(i-1,j)+I(i+1,j)4]]>

+I(i-1,j+1)-I(i-1,j-1)8+I(i+1,j-1)-I(i+1,j+1)8;]]>

如果d_v(i，j)-d_h(i，j)＞C₂(經過點(i，j)存在水平方向邊緣)

I^(i,j)=I^(i,j)2+I(i,j-1)+I(i,j+1)4;---(3)]]>

否則，如果d_v(i，j)-d_h(i，j)＞C₃(經過點(i，j)存在水平方向弱邊緣)

I^(i,j)=3I^(i,j)4+I(i,j-1)+I(i,j+1)8;]]>

否則，如果d_v(i，j)-d_h(i，j)＜-C₂(經過點(i，j)存在垂直方向邊緣)

I^(i,j)=I^(i,j)2+I(i-1,j)+I(i+1,j)4;]]>

否則，如果d_v(i，j)-d_h(i，j)＜-C₃(經過點(i，j)存在垂直方向弱邊緣)

I^(i,j)=3I^(i,j)4+I(i-1,j)+I(i+1,j)8;]]>

判斷結束

判斷結束；

所述4級量化器Q(Δ)∈{0，1，2，3}的構造如下：

B1.基于圖像I和濾波圖像計算濾波誤差圖像

B2.根據得到的水平梯度d_h和垂直梯度d_v以及濾波誤差圖像g，按式(4)計算誤差能量值Δ：

Δ＝d_h+d_v+(|g(i-1，j)|+|g(i+1，j)|)/2

????????????????????????????????????????(4)

+(|g(i，j-1)|+|g(i，j+1)|)/2

C1.基于所得到的誤差能量值Δ和濾波誤差圖像g，應用動態規劃算法使得以下條件熵的值最小：

-Σd=03Σqd≤Δ<qd+1p(g|qd≤Δ<qd+1)logp(g|qd≤Δ<qd+1)---(5)]]>

p(g|q_d≤Δ＜q_d+1)是當前像素點在圖像g相對于誤差能量Δ得到的條件概率，q_d是個整數，d＝0，...，4，且有0＝q₁＜q₂＜q₃＜q₄＝∞，構成誤差能量Δ的量化區間：

Δ∈∪d=03[qd,qd+1)---(6)]]>

C2.將誤差能量Δ，也就是當前像素點的誤差能量函數，量化到正整數域中的四個區間里，即Q(Δ)為：

Q(Δ)=0,q0≤Δ<q11,q1≤Δ<q22,q2≤Δ<q33,q3≤Δ<q4---(7)]]>

Q(Δ)∈{0，1，2，3}，Q(Δ)也稱作標量量化器，{0，1，2，3}是4個整數的集合；所述上下文量化器Q(C)的構造如下：

D1.設當前像素點的坐標值為x＝(i，j)，取式(8)所示的3×3的圖像鄰域：

x₀＝(i-1，j-1)

x₁＝(i-1，j)

x₂＝(i-1，j+1)

x₃＝(i，j-1)??????????????????????????????????????(8)

x₄＝(i，j+1)

x₅＝(i+1，j-1)

x₆＝(i+1，j)

x₇＝(i+1，j+1)

D2.在以上3×3的圖像鄰域內，抽取紋理特征S＝s₇s₆s₅s₄s₃s₂s₁s₀，

其中：

sk=0I(xk)≥I^(i,j)1I(xk)<I^(i,j)0≤k≤7---(9)]]>

D3.紋理特征S為大小8位，量化的誤差能量Q(Δ)為0～3的數字，大小為2位的數字，將Q(Δ)和S做二進制位數合并，生成一個大小為10位的數字，把它看作一個量化的上下文C_Q，得到一組1024個數字，即0～1023，把這1024個數字標記成一個量化的上下文集合C＝{C_Q|C_Q＝0，...1023}；

所述濾波器f(x|C_Q)的構造如下：

E1.在圖像I中，針對每個像素點y，在其周圍，取式(10)所示的菱形鄰域R(y)：

??x₁??x₂??x₃??x₄??x₅??x₆??y??x₇??x₈??x₉??x₁₀??x₁₁??x₁₂

(10)

E2.根據步驟D所得到1024個量化的上下文集合C，得到像素點集滿足Y＝{yC_Q(y)∈C，C_Q(y)＝C_Q}，且有R(Y)＝{R(y)|C_Q(y)∈C，C_Q(y)＝C_Q}，設對所有R(Y)，像素點灰度值y和其菱形鄰域內中的其它12個像素點灰度值x_k都滿足如下關系：

Σk=112bkxk+α=y---(1)]]>

則通過回歸分析方法，估計出系數b_k和α，該系數b_k和α即為濾波器f(x|C_Q)的濾波系數。