本发明专利技术涉及一种用于增强图像的电子表示中的对比度噪声比的多尺度图像处理算法，由如下各项表示：a）将所述数字图像分解成在多个分辨率水平下的细节图像和在低于所述多个分辨率水平的分辨率水平下的残余图像集合，b）处理所述细节图像，c）通过将重建算法应用于残余图像和经处理的细节图像来计算经处理的图像，所述重建算法使得如果它在不进行处理的情况下被应用于残余图像和细节图像，则将获得所述数字图像或其接近的近似。该处理包括如下步骤：d）为所述细节图像像素的邻域内的至少一个细节图像像素计算局部方差值；e）根据所述局部方差值和所述细节图像像素来增强或抑制至少一个细节图像像素。个细节图像像素。个细节图像像素。
【技术实现步骤摘要】
【国外来华专利技术】Intelligence, vol. 6, no. 2, March 1984, and in US
‑
A
‑
4, 718, 104。
[0009]在如下论文中呈现替代的多分辨率表示：Mallat S.G., "A Theory for Multiresolution Signal Decomposition: The Wavelet Representation", IEEE Trans. on Pattern Analysis and Machine Intelligence, vol. 11, no. 7, July 1989；Ebrahimi T., Kunt M., "Image compression by Gabor Expansion", Optical Engineering, vol. 30, no. 7, pp. 873
‑
880, July 1991。
[0010]迄今为止，这些种类的图像处理技术的主要目的是针对图像压缩。其他应用包括多分辨率图像分割、图像对比度增强、图像插值和具有特定频率响应的滤波器合成。
[0011]在如下论文中提出多分辨率噪声滤波算法：Ranganath S., "Image Filtering Using Multiresolution Representations", IEEE Trans. on Pattern Analysis and Machine Intelligence, vol. 13, no. 5, pp. 426<br/>‑
440, May 1991。根据该论文中描述的范例，计算原始图像在接连的较粗分辨率水平的低通近似序列，并且通过线性组合每个像素位置的所有水平来实现自适应噪声抑制，权重系数适于每个像素的局部噪声统计。
[0012]在1991年8月的“Pattern Recognition Letters”第12卷第8期上，发布了题为“Edge preserving artefact free smoothing with image pyramids”的文章。该文章公开了一种平滑方法，其中取决于块是否同质（从较大的块大小开始分配），通过将大小为8x8、4x4或2x2的非重叠像素块的局部均值分配给块的所有像素来执行平滑。不属于任何大小的同质块的像素被分配一个值，该值是输入像素值和2x2局部均值的加权平均。向像素块分配相同的值固有地引起所谓的“块伪像”，这是在同一参考文献中认识到的问题。
[0013]在欧洲专利EP0574969 B1（US5461655）中，提出了一种去噪多尺度技术，其包括将原始图像分解成在多个分辨率水平下的细节图像和残余图像集合的分解步骤，继之以产生结果所得图像的处理步骤和重构算法。本文的处理步骤基于细节图像信号的逐像素衰减。以每个感兴趣的像素为中心的NxN邻域中的每个细节图像的像素值的平方的移动平均（即，像素值的平方除以N2的和）被计算为局部方差，并且为每个细节图像产生局部方差的直方图。接下来，将对应于直方图中的峰值的局部方差确定为“噪声方差”，并将对应于每个像素的局部方差与该“噪声方差”进行比较。当局部方差与噪声方差相当或小于噪声方差时，对应于像素的带限图像信号（细节图像信号）的一部分被减少。
[0014]US2002/071600 A1在多尺度图像分解的情境下公开了一种自适应滤波器，其沿着在图像中检测到的边缘的取向执行平滑处理，其具有在不降低边缘对比度的情况下抑制噪声并且因此降低在显著的灰色水平过渡附近的失真的目的。
[0015]本专利技术的目的是提供一种用于降低数字图像中以及更特别地在数字医学灰度图像中的噪声水平的方法。本专利技术的优点在于，它提供了一种用于在不显著减少相关信号的情况下抑制数字图像中噪声使得信噪比水平增加的方法。同时，该方法提供了一种用于在不降低边缘对比度的情况下降低数字图像中噪声水平并且因此降低在显著的灰色水平过渡附近的失真的方法。
[0016]此外，提及的噪声水平的降低发生在宽空间频带上并且不仅仅是特定的频带的数字图像中。本专利技术的另外优点在于，它提供了一种用于在没有信噪比先验知识的情况下降低数字图像中噪声水平的方法。本专利技术的仍另外优点在于，它将边缘保持噪声抑制与对比度增强相组合，使得可以在不将固有的图像噪声提高到干扰水平的情况下实现极好的对比
度。该方法对于降低具有本质上泊松分布噪声的数字图像中的噪声水平特别高效，该数字图像诸如是从数字射线照相术和计算机断层摄影获得的图像。
技术实现思路
[0017]本专利技术提供了一种用于通过处理由像素值阵列表示的原始图像来增强所述图像的电子表示中的对比度
‑
噪声比（或抑制噪声）的方法，所述处理包括如下步骤：将所述数字图像分解成在多个分辨率水平下的细节图像和在低于所述多个分辨率水平的分辨率水平下的残余图像集合，处理所述细节图像，通过将重建算法应用于残余图像和经处理的细节图像来计算经处理的图像，所述重建算法使得如果它在不进行处理的情况下被应用于残余图像和细节图像，则将获得所述数字图像或其接近的近似，其特征在于，所述处理包括如下步骤：计算至少一个细节图像像素的局部方差，以及根据所述局部方差值和所述细节图像像素来增强/抑制至少一个细节图像像素。
[0018]迄今为止本专利技术与如在EP0574969 B1（US5461655）中描述的现有技术的不同之处在于，如在我们的专利技术中要求保护的，增强/抑制取决于局部方差的计算以及取决于局部细节图像像素值（或细节图像像素），而不是将对应于每个像素的局部方差与整个细节图像上的全局值（“噪声方差”）进行比较。
[0019]以上提及的方面是通过如在限定本专利技术的所附权利要求书中限定的方法、计算机程序产品和计算机可读介质来实现的。从属权利要求中阐述了本专利技术的具体和优选实施例。
[0020]在本专利技术的上下文中，特定术语限定如下：数字图像的分解（数字图像分解）：指代图像的多尺度（或多分辨率）分解，这是在多个尺度上计算图像的细节图像的过程。多尺度分解机制通常涉及用于计算细节图像的滤波器组。例如，公知的技术有：拉普拉斯金字塔、Burt金字塔、拉普拉斯堆叠、小波分解和QMF滤波器组。
[0021]近似图像：近似图像是灰度值图像，其在相同或更大的尺度或者在相同或更低的分辨率下表示原始灰度值图像。在特定尺度下的近似图像等效于原始灰度值图像，其中该尺度下的所有细节都被省略（Mallat S.G.,"A Theory for Multiresolution Signal Decomposition: The Wavelet Representation", IEEE Trans. On Pattern Analysis and Machine Intelligence, vol. 11, no. 7, July 1989）。
[0022]细节图像：细节图像被限定为在特定尺度的近似图像和在更小尺度的近似图像之间的信息差异。
[0023]通常，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】1.一种用于通过处理由像素值阵列表示的原始图像来增强所述图像的电子表示中的对比度噪声比的方法，所述处理包括如下步骤a）将所述数字图像分解成在多个分辨率水平下的细节图像和在低于所述多个分辨率水平的分辨率水平下的残余图像集合，b）处理细节图像，c）通过将重建算法应用于残余图像和经处理的细节图像来计算经处理的图像，所述重建算法使得如果它在不进行处理的情况下被应用于残余图像和细节图像，则将获得所述数字图像或其接近的近似，d）为所述细节图像像素的邻域内的至少一个细节图像像素计算局部方差值；e）根据所述局部方差值和所述细节图像像素值来增强或抑制至少一个细节图像像素其特征在于：所述局部方差值被计算为邻域内细节图像像素的值的平方的预定百分位数。2.根据权利要求1所述的方法，其中，所述预定百分位数被限定为邻域内细节图像像素的值的平方的最大值、中位数或95%百分位数。3.根据权利要求1所述的方法，其中，所述局部方差值被计算为细节图像像素值和细节图像像素值的邻域内的加权平均之间的差的平方的邻域内的加权平均。4.根据权利要求1所述的方法，其中，所述局部方差值被计算为细节图像像素的值的平方的邻域内的加权平均。5.根据权利要求1所述的方法，其中，所述局部方差值是近似图像像素的基本对比度度量的局部方差。6.根据权利要求1所述的方法，其中，所述局部方差值被计算为近似图像像素的基本对比度度量与细节图像像素值之间的差的平方的邻域内的加权平均。7.根据权利要求1所述的方法，其中，所述局部方差值被计算为近似图像像素的基本对比度度量与细节图像像素值之间的差的平方的邻域内的加权平均，其中，所述细节图像像素值被计算为近似图像像素值的基本对比度度量的邻域内的加权平均。8.根据权利要求7所述的方法其中所述增强或抑制被限定为每个细节图像像素的乘法因子：其中是经处...
【专利技术属性】
技术研发人员：J，
申请(专利权)人：爱克发有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。