[發(fā)明專(zhuān)利]一種醫(yī)學(xué)圖像增強(qiáng)方法及系統(tǒng)

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 201010263904.5
• 申請(qǐng)日: 2010-08-24
• 公開(kāi)（公告）號(hào): CN101930599A
• 公開(kāi)（公告）日: 2010-12-29
• 發(fā)明（設(shè)計(jì)）人: 黃偉萍;徐漫濤;吳志家
• 申請(qǐng)（專(zhuān)利權(quán)）人: 黃偉萍
• 主分類(lèi)號(hào): G06T5/00
• 分類(lèi)號(hào): G06T5/00
• 代理公司: 上海正旦專(zhuān)利代理有限公司 31200
• 代理人: 陸飛;盛志范

技術(shù)領(lǐng)域

本發(fā)明屬于醫(yī)學(xué)圖像處理技術(shù)領(lǐng)域，具體涉及一種對(duì)醫(yī)學(xué)圖像進(jìn)行去噪處理的方法及系統(tǒng)。

背景技術(shù)

圖像去噪技術(shù)面臨最主要的挑戰(zhàn)就是在圖像噪音被消除的同時(shí)，一些重要的圖像細(xì)節(jié)或邊緣信息也被弱化。這使得邊緣保留濾波器的設(shè)計(jì)成為醫(yī)學(xué)圖像處理一個(gè)研究熱點(diǎn)。傳統(tǒng)的邊緣保留濾波器應(yīng)用數(shù)學(xué)形態(tài)學(xué)算子，可以在去圖像加性或乘性噪音的同時(shí)，又使邊緣信息得到增強(qiáng)，如中值濾波器等。然而，它們依然無(wú)法克服一些弱邊界被弱化的問(wèn)題。為了解決這一問(wèn)題，本發(fā)明應(yīng)用信息論中的上下文量化技術(shù)和自適應(yīng)回歸分析方法，設(shè)計(jì)一個(gè)非局部的邊緣保留濾波器，在保持重要的邊緣信息同時(shí)，圖像的噪音得到最大限度的去除。

醫(yī)學(xué)圖像由于臨床診斷的要求通常是圖像的空間和灰度分辨率較高，然而其圖像質(zhì)量經(jīng)常由于成像過(guò)程所產(chǎn)生的噪音污染而下降，例如超聲圖像、低劑量的CT圖像及X-ray圖像。因此，在將圖像發(fā)送給臨床醫(yī)生做診斷前，通常醫(yī)學(xué)圖像需要降噪或增強(qiáng)等預(yù)處理。通常的增強(qiáng)辦法是在一個(gè)固定大小的局部窗口內(nèi)，應(yīng)用一個(gè)空間濾波器平滑輸入的噪音圖像。但是這樣的處理會(huì)嚴(yán)重破壞圖像本身所具有的紋理特征和邊緣細(xì)節(jié)，而且圖像的對(duì)比度會(huì)下降。

為了解決這一實(shí)際問(wèn)題，近年來(lái)很多邊緣保留的濾波器得到廣泛地研究并應(yīng)用到醫(yī)學(xué)圖像增強(qiáng)的軟件開(kāi)發(fā)上。例如，中值濾波器、雙邊濾波器，各項(xiàng)異性濾波器等被廣泛地應(yīng)用到醫(yī)療影像設(shè)備中，但是他們大部分只對(duì)高斯噪音或乘性噪音比較有效，對(duì)解決具有混合型噪音的醫(yī)學(xué)圖像增強(qiáng)問(wèn)題效果并不理想，例如MRI圖像的增強(qiáng)問(wèn)題。

本發(fā)明主要涉及設(shè)計(jì)具有一個(gè)邊緣保留的、自適應(yīng)的濾波器，在去除圖像噪音的同時(shí)，圖像的邊緣細(xì)節(jié)和紋理同時(shí)得到增強(qiáng)。不像傳統(tǒng)的噪音估計(jì)方法，應(yīng)用信息論中的上下文量化技術(shù)來(lái)估計(jì)噪音不依賴(lài)于噪音信號(hào)和圖像信號(hào)本身，這樣的估計(jì)方法有很強(qiáng)的魯棒性，適用于所有的噪音模型未知的去噪問(wèn)題。

綜上所述，現(xiàn)有圖像增強(qiáng)技術(shù)都無(wú)法適用于大部分醫(yī)學(xué)圖像去噪問(wèn)題，不同的醫(yī)學(xué)圖像去噪問(wèn)題需要不同的方法來(lái)解決，這給醫(yī)學(xué)圖像增強(qiáng)預(yù)處理的軟件開(kāi)發(fā)帶來(lái)很大的難度和開(kāi)發(fā)成本。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種在去除圖像噪音的同時(shí)，圖像的邊緣細(xì)節(jié)和紋理同時(shí)得到保留的醫(yī)學(xué)圖像增強(qiáng)處理方法及系統(tǒng)。

本發(fā)明考慮到信息論中的上下文量化技術(shù)來(lái)解決醫(yī)學(xué)圖像噪音模型的估計(jì)問(wèn)題。首先應(yīng)用基于梯度的濾波器將圖像平滑，再根據(jù)得到的平滑圖像，計(jì)算濾波誤差能量函數(shù)，也就是估計(jì)每個(gè)像素點(diǎn)上的高頻信息，包括像素點(diǎn)周?chē)倪吘壭畔⒑驮胍?。然后，?yīng)用動(dòng)態(tài)規(guī)劃的辦法，將所得到的誤差能量函數(shù)量化到四個(gè)不同的級(jí)別。隨后，將所得到的量化后的誤差能量和圖像的紋理特征后，構(gòu)造一組量化的上下文。最后依據(jù)不同的量化上下文，應(yīng)用回歸分析的方法針對(duì)不同的上下文模型，構(gòu)造不同的參數(shù)的濾波器，實(shí)現(xiàn)一個(gè)自適應(yīng)的濾波器。

對(duì)于給定的一幅圖像I，本發(fā)明提出的醫(yī)學(xué)圖像增強(qiáng)處理方法，包括以下步驟：

A.設(shè)計(jì)一種基于梯度的圖像濾波器或預(yù)測(cè)器(Gradient?Adjusted?Predictor)，將該濾波器作用到圖像I，得到濾波圖像

B.基于得到的濾波圖像對(duì)每個(gè)像素點(diǎn)計(jì)算誤差估計(jì)能量函數(shù)Δ；

C.根據(jù)得到的誤差估計(jì)能量函數(shù)Δ，構(gòu)造一個(gè)4級(jí)量化器Q(Δ)∈{0，1，2，3}；

D.根據(jù)量化后的Q(Δ)、原始圖像I和濾波圖像構(gòu)造一個(gè)上下文量化器Q(C)；

E.針對(duì)每個(gè)量化后的上下文C_Q，應(yīng)用回歸分析(Regression?Analysis)方法求解公式(1)中的濾波系數(shù)波器系數(shù)b_k和α，在一個(gè)菱形的窗口構(gòu)造一個(gè)濾波器f(x|C_Q)；

Σk=112bkxk+α=y---(1)]]>