[發(fā)明專利]基于全變分最小化的圖像優(yōu)化方法、裝置和計(jì)算機(jī)設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202111330586.4
• 申請(qǐng)日: 2021-11-11
• 公開（公告）號(hào): CN114022387A
• 公開（公告）日: 2022-02-08
• 發(fā)明（設(shè)計(jì)）人: 高成龍;李山奎;李俊杰;黃燦鴻;郭新路
• 申請(qǐng)（專利權(quán)）人: 上海聯(lián)影醫(yī)療科技股份有限公司
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00
• 代理公司: 杭州華進(jìn)聯(lián)浙知識(shí)產(chǎn)權(quán)代理有限公司 33250
• 代理人: 賀才杰

本申請(qǐng)涉及一種基于全變分最小化的圖像優(yōu)化方法、裝置和計(jì)算機(jī)設(shè)備，其中，該方法包括：將待優(yōu)化圖像由邊緣向外擴(kuò)展至少兩個(gè)像素，得到由內(nèi)到外依次為待優(yōu)化區(qū)域、中心區(qū)域和拓展區(qū)域的圖像；基于所述拓展區(qū)域內(nèi)各像素點(diǎn)的灰度初始值、拉格朗日乘子初始值、懲罰參數(shù)，對(duì)所述中心區(qū)域內(nèi)各像素點(diǎn)的灰度值、收縮因子、拉格朗日乘子進(jìn)行交替迭代計(jì)算，直至滿足迭代停止要求，得到各像素點(diǎn)的灰度優(yōu)化值。解決了相關(guān)技術(shù)中存在的總運(yùn)算量大、迭代變量多、圖像數(shù)據(jù)不連續(xù)的問題，為后續(xù)的數(shù)據(jù)并行化提供了基礎(chǔ)；減少了迭代變量，提高了圖像優(yōu)化效率。

技術(shù)領(lǐng)域

本申請(qǐng)涉及圖像處理技術(shù)領(lǐng)域，特別是涉及基于全變分最小化的圖像優(yōu)化方法、裝置和計(jì)算機(jī)設(shè)備。

背景技術(shù)

圖像是人類獲取信息、表達(dá)信息和傳遞信息的重要手段，高質(zhì)量的圖像可以為人們提供更全面、更準(zhǔn)確的信息。但在實(shí)際應(yīng)用中，由于各種因素的存在，往往會(huì)使得圖像存在各種類型的噪聲。例如在醫(yī)療領(lǐng)域中，病患的自主移動(dòng)，可能引入運(yùn)動(dòng)偽影；高密度物質(zhì)的線束硬化，可能導(dǎo)致條紋偽影；輻射劑量的變化，可能引入斑點(diǎn)噪聲等。噪聲作為多余的干擾信息，影響了圖像質(zhì)量和人們對(duì)圖像信息的理解和判斷，應(yīng)盡量去除。基于此，對(duì)圖像進(jìn)行去噪處理是提升圖像質(zhì)量、保證圖像分辨率最有效的方法，而在圖像去噪技術(shù)中，全變分最小化(Total Variation Minimization，TVM)是最常見的去噪方法之一，該方法在圖像去噪的實(shí)際應(yīng)用中起著無(wú)可替代的作用。

相關(guān)技術(shù)中基于TVM的圖像優(yōu)化方法，是將待優(yōu)化圖像劃分為多個(gè)區(qū)域，運(yùn)用與該區(qū)域?qū)?yīng)的公式逐步迭代計(jì)算獲得該區(qū)域圖像的優(yōu)化結(jié)果。該方法雖然可以得到有效結(jié)果，但由于各區(qū)域的計(jì)算公式不同，且每個(gè)計(jì)算公式中都包含多個(gè)不同的迭代變量，加之需要多次迭代計(jì)算，導(dǎo)致其本身的計(jì)算量非常巨大，從而會(huì)極大地影響整體的處理效率。此外，相關(guān)技術(shù)中的圖像優(yōu)化方法對(duì)圖像數(shù)據(jù)進(jìn)行分塊處理，破壞了數(shù)據(jù)在迭代過程中的連續(xù)性。

針對(duì)相關(guān)技術(shù)中基于TVM的圖像優(yōu)化方法存在的總運(yùn)算量大、迭代變量多、圖像數(shù)據(jù)不連續(xù)的問題，目前還沒有提出有效的解決方案。

發(fā)明內(nèi)容

在本實(shí)施例中提供了一種基于全變分最小化的圖像優(yōu)化方法、裝置、和計(jì)算機(jī)設(shè)備，以解決相關(guān)技術(shù)中圖像優(yōu)化方法存在的總運(yùn)算量大、迭代變量多、圖像數(shù)據(jù)不連續(xù)的問題。

第一個(gè)方面，在本實(shí)施例中提供了一種基于全變分最小化的圖像優(yōu)化方法，所述方法包括：

將待優(yōu)化圖像由邊緣向外擴(kuò)展至少兩個(gè)像素，得到的圖像由內(nèi)到外依次為待優(yōu)化區(qū)域、中心區(qū)域和拓展區(qū)域，其中，所述拓展區(qū)域包括所述中心區(qū)域及由所述中心區(qū)域邊緣向外擴(kuò)展至少一個(gè)像素的圖像區(qū)域，所述中心區(qū)域包括所述待優(yōu)化區(qū)域及由所述待優(yōu)化區(qū)域邊緣向外擴(kuò)展至少一個(gè)像素的圖像區(qū)域，所述待優(yōu)化區(qū)域?yàn)榇齼?yōu)化圖像所在區(qū)域；采用分裂布雷格曼迭代法，基于所述拓展區(qū)域內(nèi)各像素點(diǎn)的灰度初始值、拉格朗日乘子初始值、懲罰參數(shù)，對(duì)所述中心區(qū)域內(nèi)各像素點(diǎn)的灰度值、收縮因子、拉格朗日乘子進(jìn)行交替迭代計(jì)算，直至滿足迭代停止要求，得到所述中心區(qū)域內(nèi)各像素點(diǎn)的灰度優(yōu)化值。

在其中的一些實(shí)施例中，采用分裂布雷格曼迭代法，基于所述拓展區(qū)域內(nèi)各像素點(diǎn)的灰度初始值、拉格朗日乘子初始值、懲罰參數(shù)，對(duì)所述中心區(qū)域內(nèi)各像素點(diǎn)的灰度值、收縮因子、拉格朗日乘子進(jìn)行交替迭代計(jì)算包括：

初始化計(jì)算得到所述中心區(qū)域內(nèi)各像素點(diǎn)的灰度第1次迭代值、收縮因子初始值、拉格朗日乘子第1次迭代值；

基于所述中心區(qū)域內(nèi)各像素點(diǎn)的灰度初始值、灰度第k+1次迭代值、拉格朗日乘子第k次迭代值和第k+1次迭代值，迭代計(jì)算所述像素點(diǎn)的灰度第k+2次迭代值；

基于所述像素點(diǎn)的灰度第k+2次迭代值的梯度值和拉格朗日乘子第k+1次迭代值，迭代計(jì)算所述像素點(diǎn)的收縮因子第k+1次迭代值；