借助多分辨率分解处理输入图像的方法技术

一种处理包括Ｎ行图像点的输入图像（Ｉ）的方法，其中　　　　ａ）将包括输入图像的ｎ＜Ｎ个相邻行的图像条分解为Ｋ个细节图像（Λ↓［０］，…Λ↓［３］；Γ↓［０］，…，Γ↓［３］）的序列，这Ｋ个细节图像在所有情况下仅包含输入图像的部分空间频率；　　　　ｂ）对至少一个细节图像（Λ↓［０］，…Λ↓［２］）进行修改；　　　　ｃ）由可能修改过的细节图像重构输出图像条；　　　　ｄ）对输入图像的其它图像条重复进行步骤ａ）、ｂ）和ｃ）；　　　　ｅ）由所计算出来的输出图像条重构输出图像（Ａ）。（*该技术在2023年保护过期，可自由使用*）

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及用于处理输入图像的方法和数据处理单元，具体来说是用于实时X射线图像的多分辨率分解和梯度自适应滤波的方法和处理单元。
技术介绍
图像的自动评价出现在大量不同的应用领域中。因此，应当将下面更详细考虑的荧光镜X射线图像的处理理解为仅仅是一种实例。为了使患者和医务人员受到的X辐射量最小化，X射线图像是以尽可能低的辐射剂量得到的。不过，存在着重要的图像细节将丢失在图像噪声中的风险。为了防止这个问题，进行了尝试，以便在不破坏处理中的相关图像信息的情况下，通过对X射线图像或图像序列使用空域和时域滤波器来抑制噪声。在这种图像处理的环境中，经常要进行称为输入图像的多分辨率分解的处理。在这种情况下，将输入图像分解为一系列细节图像，其中这些细节图像各自包含来自处于各个(空间)频率下的相关区域或条带的图像信息。此外，要在细节图像的分解(即，用于表现图像内容的图像点数量)方面使它们适合它们各自的频率范围。通过修改细节图像，能够以有的放矢的方式对某些频率范围施加影响。在修改之后，可以将细节图像一同重新放回原处，以形成输出图像。从WO 98/55916A1和EP 996090A2中，我们获知了关于这方面的用于对X射线图像进行后处理的有效方法，其中出现多分辨率分解，并且使用滤波器对由此获得的细节图像进行修改，这些滤波器的系数根据图像梯度进行了调节。所有情况下的梯度源于多分辨率分解的较粗略的分解级。在这种称为MRGAF(多分辨率分解梯度自适应滤波)的方法中，垂直于图像结构(比如线或边)进行的低通滤波要比沿着这些结构的方向进行的程度小，从而产生了使得信息能够获得的噪声抑制。不过，考虑到需要巨大的运算量，到目前为止仅仅可以对所存储的图像或图像序列离线地执行这种方法。
技术实现思路
鉴于这种背景，本专利技术的目的是，提供用于使用多分辨率分解来更加有效地处理输入图像的手段，其中优选地应当可以进行实时的图像分析。这一目的是通过具有如权利要求1中所要求保护的特征的方法、通过具有如权利要求8所要求保护的特征的数据处理单元以及通过具有如权利要求10中所要求保护的特征的X射线系统来实现的。在从属权利要求中给出了优选的细化方案。按照本专利技术的方法被用于处理包括N行图像点的输入图像。一般来说，图像点是以具有垂直于行的列的矩形栅格形式排列的，虽然其它具有行结构的排列方式、比如六边形栅格也是可行的。输入图像尤其可以是数字化荧光镜X射线图像，不过本方法并不局限于此，并且可以有利地用在出现图像多分辨率分解的所有相近的应用情况下。本方法包括下述步骤a)将包括输入图像的n＜N个相邻行的图像条分解为K个细节图像的序列，此处这些细节图像在所有情况下仅包含图像条的空间频率的局部范围。这样，使用整个输入图像的条状部分实现多分辨率分解。b)例如使用预定的滤波器或由图像条计算出的滤波器对步骤a)中获得的细节图像中的至少一个进行修改。优选地，修改所需的所有信息都可在图像条中得到。c)由细节图像或经过修改的细节图像(如果后者存在)重构输出图像条；d)对输入图像的其它图像条重复进行上面的步骤a)、b)和c)，也就是说，它们是按照与计算相应输出图像条相似的方式进行的。在适当的情况下，也可以采用针对条宽度n和/或分解深度K的其它值。e)由所计算出来的输出图像条重构输出图像。结果，按照上述的方法，因此由输入图像产生输出图像(所述输出图像具有相同的大小或不同的大小)，其中对输入图像的某些或全部空间频率范围进行了期望类型的修改。与采用细节图像修改的传统多分辨率分解相比，与本方法的差别在于，在所有情况下，多分辨率分解都是在n行图像条上的部分内进行的。在这种情况下，将每个图像条分解为级K，然后在进行合成，以产生输出图像条。这种处理过程的优点在于，尤其适于在数据处理系统上高效实现，这是因为图像条处理的存储要求相应地小于处理整个图像的存储要求，从而可以使用具有快速存取能力的工作存储器来实现本方法。因此，可以实现速度的增加，这种速度的增加幅度非常大，以致在很多情况下第一次实现了实时地进行多分辨率分解。按照本方法的一种具体的细化方案，在步骤a)的多分辨率分解处理中，将每个图像条分解为在所有情况下都具有K级的拉普拉斯金字塔和高斯金字塔。在高斯金字塔的j级中，级输入图像是前一级(j-1)的输出图像，而输出图像(下文中称为“级j的高斯金字塔表达式”)是通过低通滤波和随后进行的分辨率降低而修改了的级输入图像。级j上的拉普拉斯金字塔的输出图像(下文称为“级j的拉普拉斯金字塔表达式”)是通过将同一级j的高斯金字塔表达式从前一级(j-1)的高斯金字塔表达式中减去而得到的，其中同一级j的高斯金字塔表达式的分辨率已经再次得到了提高并且已经经过了低通滤波。将输入图像分解为拉普拉斯金字塔和高斯金字塔常常用在医学图像处理当中，并且尤其适于对图像条使用。优选地，在步骤a)到d)中，对图像条进行的多分辨率分解在所有情况下都是2K行宽，其中K是多分辨率分解的分解级数。如果在分解的各个级上发生行和列在所有情况下都减小2倍，则对于级K来说具有2K宽度的图像条具有分解成拉普拉斯金字塔或高斯金字塔所必须的最小宽度。最粗级的细节图像具有这种图像条的一行的最小宽度。而且，图像条可选地在所有情况下相对于彼此偏移(2K-1)行，或者换句话说，在所有情况下相互重叠一行。这样的重叠(优选地也存在于所有分解级的图像条上)为在新的不重叠区域的边缘进行的滤波器操作提供必要的信息。取决于所使用的滤波器的宽度，还可能有图像条之间重叠多余一行宽度的情况。对细节图像进行的修改的类型可以依应用的情况而不同。优选地，分解级j＜K的细节图像的修改是使用滤波器进行的，此时这个滤波器的系数取决于由图像条计算出来的至少一个梯度。由于图像的梯度反映出局部结构在图像中的位置，因此可将它们用于定义各向异性滤波器，各向异性滤波器的使用使这些结构保持不变或者甚至将它们放大，并且抑制沿着这些结构的任何噪声。优选地，上述方法与分解成高斯金字塔和拉普拉斯金字塔相结合，并且梯度是由分解级j的高斯金字塔表达式计算出来的，并且被用于同一级j的拉普拉斯金字塔表达式的滤波。这具有这样的优点修改所需的所有信息都可以从分解级j的数据获得，从而修改可以直接在这一级的计算期间进行。按照上述细节图像的梯度自适应滤波的具体设计，滤波器系数 是由预定滤波器(比如二项式滤波器)的系数 计算出来的，其中 是由滤波器处理的图像点，而 是各个系数相对于滤波器中心的位置，并且此处应用了下述公式α(Δx→,x→)=β(Δx→)2---(1)]]>这里， 是在图像位置 处的梯度，并且0≤r＜1。在加权函数r(g→,x→)<1]]>的情况下，相应的滤波器系数β被减小，并且其对滤波结果的贡献减小。这样，抑制了在图像的相应位置处的噪声分布。加权函数r是优选地按如下方式定义的r(g→,Δx→)=(本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】

【专利技术属性】
技术研发人员：K·埃克，H·菲尔布兰德，
申请(专利权)人：皇家飞利浦电子股份有限公司，
类型：发明
国别省市：