一種最大提取噪聲有用信息的圖像分解方法及系統的製作方法

2023-10-10 21:15:29

專利名稱：一種最大提取噪聲有用信息的圖像分解方法及系統的製作方法
技術領域：
本發明屬於數字圖像處理與醫學成像技術交叉領域，特別涉及一種最大提取噪聲有用信息的圖像分解方法及系統。
背景技術：
隨著計算機技術與其他各類領域學科越來越緊密的結合及在各個方面的共同發展，應用於醫學圖像獲取及分析的技術與手段無論從種類數量還是從實用效果上看均有長足的提高，這也使得相比於傳統醫學診斷方法更加直觀、準確、效率更高的醫學圖像輔助診斷在臨床中的應用更加廣泛，臨床診斷也因此變得更加準確、方便。醫學圖像技術的發展可以分為對圖像獲取硬體的創新和改進以及對後期圖像處理方法的改進。由於基於目前任何醫學圖像獲取手段(包括較早發明的超聲、計算機斷層掃描Computed tomography, CT)技術到近些年的核磁共振成像(MagnaticResonance Imaging)、正電子發身寸斷層成像圖像(PositronEmission Tomography, PET)等)所得到的圖像都不能做到完全無損(其中或多或少存在圖像噪聲)，因此在進行對於臨床診斷有重要影響的圖像重建、特徵提取、邊緣檢測等步驟前，對圖像進行一定程度的預處理是十分必要的。在傳統的圖像處理中，通常將最初得到的圖像中的噪聲當作是無用的幹擾信息，通過採用各種濾波算法，如全變差去噪等去噪方法去除。然而近年來的研究發現，醫學圖像的噪聲在一定程度上也包含了有用的信息，如:在超聲領域，Michailovich, 0.and Tannenbaum, A., 「De-speckling ofultrasound images,，，IEEETrans.Ultrason., Ferroelec., Freq.Contr.53 (I)，64 - 78 (2006)。因此，在圖像後期處理前對圖像進行分解，而不是簡單的去噪，是有必要的。而圖像分解的理論背景已被證實，如:Meyer, Y., [Oscillating patterns in image processing and nonlinear evolutionequations], vol.22 of University Lecture Series, American Mathematical Society,Providence, RI(2001);Osher, S., Sole, A., and Vese,L., 「Image decomposition andrestoration using total variation minimization and the H-lnorm, 」MultiscaleModeling and Simulationl, 349370 (2003)等,本發明提出的使用貝葉斯框架最大後驗概率(MAP)估計，用於從噪聲中最大提取有用信息的圖像分解方法是一種值得嘗試的選擇。

發明內容
針對現有技術中的採用簡單去噪方法去除存在的斑點噪聲部分，有可能丟失其中包含的有用信息等問題，本發明提供一種最大提取噪聲有用信息的圖像分解方法及系統，同時提取圖像中光滑部分和噪聲部分，將噪聲部分中的有用信息整合到光滑圖像，得到更真實可信的復原圖像。一種圖像分解方法，具體為:(I)初始分解原始圖像I得到初始光滑圖像U(°)和初始噪聲圖像V ；(2)以初始噪聲圖像U(°)和初始光滑圖像V(°)為初始值，以光滑圖像和噪聲圖像的能量之和最大為目標，迭代求解最終光滑圖像U和噪聲圖像V ；(3)將最終光滑圖像U和最終噪聲圖像V相加獲得復原圖像G。進一步地，所述步驟(2)採用交替最小化方法或最小二乘法。進一步地，所述步驟(2)具體為:(201)初始化迭代次數k = 0，提取初始噪聲圖像U(°)和初始光滑圖像 V(202)計算第 k+Ι 次的光滑圖像
權利要求
1.一種圖像分解方法，具體為: (1)初始分解原始圖像I得到初始光滑圖像U(°)和初始噪聲圖像vto)； (2)以初始噪聲圖像U(°)和初始光滑圖像V(°)為初始值，以光滑圖像和噪聲圖像的能量之和最大為目標，迭代求解最終光滑圖像U和噪聲圖像V ； (3)將最終光滑圖像U和最終噪聲圖像V相加獲得復原圖像G。
2.根據權利要求1所述的圖像分解方法，，其特徵在於，所述步驟(2)採用交替最小化方法或最小二乘法。
3.根據權利要求1所述的圖像分解方法，其特徵在於，所述步驟(2)具體為: (201)初始化迭代次數k= 0，提取初始噪聲圖像U(°)和初始光滑圖像V ; (202)計算第k+Ι 次的光滑圖像
4.根據權利要求1所述的圖像分解方法，其特徵在於，所述步驟(2)具體為: (211)初始化迭代次數k= 0，提取初始噪聲圖像U(°)和初始光滑圖像V ; (212)計算第k+Ι次的噪聲圖像 V(k+1) = νω+βρω, Pw 二 —(▽沐⑴)—1.▽,』,)，VF4-(/f) = 2("⑴ +Vm-1) + Α,[2οχρ(2Γα'') — 2], ⑴=2/ + ^diagiexp {2Vik))) f β表示沿著牛頓方向P(k)進行線性搜索的步長，exp表示指數，diag表示對角矩陣； (213)計算第k+l 次的光滑圖像
5.根據權利要求1或2或3或4所述的圖像分解方法，其特徵在於，所述步驟(I)採用經驗設定法、簡單初始化法、隨機值初始化方法和全變差去噪法中的任意一種進行初始分解。
6.一種圖像分解系統，包括 第一模塊，用於初始分解原始圖像I得到初始光滑圖像u(°)和初始噪聲圖像V ; 第二模塊，用於以初始噪聲圖像U(°)和初始光滑圖像v(°)為初始值，以光滑圖像和噪聲圖像的能量之和最大為目標，迭代求解最終光滑圖像U和噪聲圖像V ； 第三模塊，用於將最終光滑圖像U和最終噪聲圖像V相加獲得復原圖像G。
7.根據權利要求6所述的圖像分解系統，其特徵在於，所述第二模塊採用交替最小化方法或最小二乘法。
8.根據權利要求6所述的圖像分解系統，其特徵在於，所述第二模塊包括: 第201子模塊，用於初始化迭代次數k = 0，提取初始噪聲圖像U(°)和初始光滑圖像V(o).第202子模塊，用於計算第k+Ι次的光滑圖像
9.根據權利要求6所述的圖像分解系統，其特徵在於，所述第二模塊包括: 第211子模塊，用於初始化迭代次數k = 0，提取初始噪聲圖像U(°)和初始光滑圖像V(O).第212子模塊，用於計算第k+Ι次的噪聲圖像
10.根據權利要求6或7或8或9所述的圖像分解系統，其特徵在於，所述第一模塊採用經驗設定法、簡單初始化法、隨機值初始化方法和全變差去噪法中的任意一種進行初始分解。
全文摘要
本發明公開了一種圖像分解方法，具體為(1)初始分解原始圖像I得到初始光滑圖像U(0)和初始噪聲圖像V(0)；(2)以初始噪聲圖像U(0)和初始光滑圖像V(0)為初始值，以光滑圖像和噪聲圖像的能量之和最大為目標，迭代求解最終光滑圖像U和噪聲圖像V；(3)將最終光滑圖像U和最終噪聲圖像V相加獲得復原圖像G。本發明還提供實現上述分解方法的系統。本發明同時提取圖像中光滑部分和噪聲部分，並將噪聲部分中的有用信息整合到光滑圖像，得到更真實可信的復原圖像，從而使得後續的圖像處理如特徵提取、圖像分割和組織分類等更加準確。
文檔編號G06T5/00GK103116874SQ20131004113
公開日2013年5月22日 申請日期2013年2月1日 優先權日2013年2月1日
發明者丁明躍, 楊鑫, 李春芳, 吳慧慧, 方夢捷, 王鈺潔, 蔡文娟, 曾雅潔, 林園, 黃金河 申請人:華中科技大學