[发明专利]一种医学图像增强方法及系统

权利要求书

1.一种医学图像增强方法，其特征在于，给定一幅图像I，增强的具体步骤如下：

步骤A.设计一种基于梯度的图像滤波器，将该滤波器作用到图像I，得到滤波图像

步骤B.基于得到的滤波图像对每个像素点计算误差估计能量函数Δ；

步骤C.根据得到的误差估计能量函数Δ，构造一个4级量化器Q(Δ)∈{0，1，2，3}；

步骤D.根据量化后的Q(Δ)、原始图像I和滤波图像构造一个上下文量化器Q(C)；

步骤E.针对每个量化后的上下文C_Q，在一个菱形的窗口构造一个滤波器f(x|C_Q)；

步骤F.应用滤波器f(x|C_Q)对图像I进行去噪滤波；

其中，所述步骤A中，设计滤波器步骤为：

A1.对当前图像I计算其水平方向梯度值d_h和垂直方向梯度值d_v：

d_h＝(|I(i，j-2)-I(i，j-1)|+|I(i-1，j-1)-I(i-1，j)|

+|I(i-1，j)-I(i-1，j+1)|+|I(i，j+1)-I(i，j+2)|

+|I(i+1，j)-I(i+1，j+1)|+|I(i+1，j-1)-I(i+1，j)|)/2

                                                (2)

d_v＝(|I(i-1，j-1)-I(i，j-1)|+|I(i-2，j)-I(i-1，j)|

+|I(i-2，j+1)-I(i-1，j+1)|+|I(i-1，j+1)-I(i，j+1)|

+|I(i+1，j)-I(i+2，j)|+|I(i+1，j-1)-I(i+2，j-1)|)/2

这里，I(i-2，j-2)、I(i-2，j-1)…I(i+2，j+1)、I(i+2，j+2)是图像I在以(i，j)为中心的5×5邻域中的像素点灰度值；

A2.根据得到的水平梯度和垂直梯度，按公式(3)设计一个基于梯度的滤波器：

如果d_v(i，j)-d_h(i，j)＞C₁(经过点(i，j)存在水平方向强边缘)

I^(i,j)=I(i,j-1)+I(i,j+1)2;]]>

否则，如果d_v(i，j)-d_h(i，j)＜-C₁(经过点(i，j)存在垂直方向强边缘)

I^(i,j)=I(i-1,j)+I(i+1,j)2;]]>

否则

I^(i,j)=I(i,j-1)+I(i,j+1)+I(i-1,j)+I(i+1,j)4]]>

+I(i-1,j+1)-I(i-1,j-1)8+I(i+1,j-1)-I(i+1,j+1)8;]]>

如果d_v(i，j)-d_h(i，j)＞C₂(经过点(i，j)存在水平方向边缘)

I^(i,j)=I^(i,j)2+I(i,j-1)+I(i,j+1)4;---(3)]]>

否则，如果d_v(i，j)-d_h(i，j)＞C₃(经过点(i，j)存在水平方向弱边缘)

I^(i,j)=3I^(i,j)4+I(i,j-1)+I(i,j+1)8;]]>

否则，如果d_v(i，j)-d_h(i，j)＜-C₂(经过点(i，j)存在垂直方向边缘)

I^(i,j)=I^(i,j)2+I(i-1,j)+I(i+1,j)4;]]>

否则，如果d_v(i，j)-d_h(i，j)＜-C₃(经过点(i，j)存在垂直方向弱边缘)

I^(i,j)=3I^(i,j)4+I(i-1,j)+I(i+1,j)8;]]>

判断结束

判断结束；

所述步骤B中对每个像素点计算误差估计能量函数Δ的步骤为：

B1.基于图像I和滤波图像计算滤波误差图像

B2.根据得到的水平梯度d_h和垂直梯度d_v以及滤波误差图像g，按式(4)计算误差能量值Δ：

Δ＝d_h+d_v+(|g(i-1，j)|+|g(i+1，j)|)/2

                                                 (4)

+(|g(i，j-1)|+|g(i，j+1)|)/2

所述步骤C中，求4级量化器Q(Δ)∈{0，1，2，3}的步骤为：

C1.基于所得到的误差能量值Δ和滤波误差图像g，应用动态规划算法使得以下条件熵的值最小：

-Σd=03Σqd≤Δ<qd+1p(g|qd≤Δ<qd+1)logp(g|qd≤Δ<qd+1)---(5)]]>

p(g|q_d≤Δ＜q_d+1)是当前像素点在图像g相对于误差能量Δ得到的条件概率，q_d是个整数，d＝0，...，4，且有0＝q₁＜q₂＜q₃＜q₄＝∞，构成误差能量Δ的量化区间：

Δ∈∪d=03[qd,qd+1)---(6)]]>

C2.将误差能量Δ，量化到正整数域中的四个区间里，即Q(Δ)为：

Q(Δ)=0,q0≤Δ<q11,q1≤Δ<q22,q2≤Δ<q33,q3≤Δ<q4---(7)]]>

Q(Δ)∈{0，1，2，3}，Q(Δ)也称作标量量化器，{0，1，2，3}是4个整数的集合；所述步骤D中，构造上下文量化器Q(C)步骤为：

D1.设当前像素点的坐标值为x＝(i，j)，取式(8)所示的3×3的图像邻域：

x₀＝(i-1，j-1)

x₁＝(i-1，j)

x₂＝(i-1，j+1)

x₃＝(i，j-1)

x₄＝(i，j+1)

x₅＝(i+1，j-1)                                   (8)

x₆＝(i+1，j)

x₇＝(i+1，j+1)

D2.在以上3×3的图像邻域内，抽取纹理特征S＝s₇s₆s₅s₄s₃s₂s₁s₀，其中：

sk=0I(xk)≥I^(i,j)1I(xk)<I^(i,j)0≤k≤7---(9)]]>

D3.纹理特征S为大小8位，量化的误差能量Q(Δ)为0～3的数字，大小为2位的数字，将Q(Δ)和S做二进制位数合并，生成一个大小为10位的数字，把它看作一个量化的上下文C_Q，得到一组1024个数字，即0～1023，把这1024个数字标记成一个量化的上下文集合C＝{C_Q|C_Q＝0，...1023}；

所述E步骤E中，构造滤波器f(x|C_Q)的步骤为：

E1.在图像I中，针对每个像素点y，在其周围，选择一个如下的菱形邻域R(y)：

  x₁  x₂  x₃  x₄  x₅  x₆  y  x₇  x₈  x₉  x₁₀  x₁₁  x₁₂

(10)

E2.根据步骤D所得到1024个量化的上下文集合C，得到像素点集满足Y＝{yC_Q(y)∈C，C_Q(y)＝C_Q}，且有R(Y)＝{R(y)|C_Q(y)∈C，C_Q(y)＝C_Q}，设对所有R(Y)，像素点灰度值y和其菱形邻域内中的其它12个像素点灰度值x_k都满足如下关系：

Σk=112bkxk+α=y---(1)]]>

则通过回归分析方法，估计出系数b_k和α，该系数b_k和α即为滤波器f(x|C_Q)的滤波系数。

2.一种医学图像增强系统，其特征在于包括：一种基于梯度的图像滤波器、一个4级量化器Q(Δ)∈{0，1，2，3}、一个上下文量化器Q(C)和一个滤波器f(x|C_Q)；其中：

所述基于梯度的图像滤波器的构造如下：

A1.对当前图像I计算其水平方向梯度值d_h和垂直方向梯度值d_v：

d_h＝(|I(i，j-2)-I(i，j-1)|+|I(i-1，j-1)-I(i-1，j)|

+|I(i-1，j)-I(i-1，j+1)|+|I(i，j+1)-I(i，j+2)|

+|I(i+1，j)-I(i+1，j+1)|+|I(i+1，j-1)-I(i+1，j)|)/2

                                                       (2)

d_v＝(|I(i-1，j-1)-I(i，j-1)|+|I(i-2，j)-I(i-1，j)|

+|I(i-2，j+1)-I(i-1，j+1)|+|I(i-1，j+1)-I(i，j+1)|

+|I(i+1，j)-I(i+2，j)|+|I(i+1，j-1)-I(i+2，j-1)|)/2

这里，I(i-2，j-2)、I(i-2，j-1)…I(i+2，j+1)、I(i+2，j+2)是图像I在以(i，j)为中心的5×5邻域中的像素点灰度值；

A2.根据得到的水平梯度和垂直梯度，按公式(3)设计得到基于梯度的滤波器：如果d_v(i，j)-d_h(i，j)＞C₁(经过点(i，j)存在水平方向强边缘)

I^(i,j)=I(i,j-1)+I(i,j+1)2;]]>

否则，如果d_v(i，j)-d_h(i，j)＜-C₁(经过点(i，j)存在垂直方向强边缘)

I^(i,j)=I(i-1,j)+I(i+1,j)2;]]>

否则

I^(i,j)=I(i,j-1)+I(i,j+1)+I(i-1,j)+I(i+1,j)4]]>

+I(i-1,j+1)-I(i-1,j-1)8+I(i+1,j-1)-I(i+1,j+1)8;]]>

如果d_v(i，j)-d_h(i，j)＞C₂(经过点(i，j)存在水平方向边缘)

I^(i,j)=I^(i,j)2+I(i,j-1)+I(i,j+1)4;---(3)]]>

否则，如果d_v(i，j)-d_h(i，j)＞C₃(经过点(i，j)存在水平方向弱边缘)

I^(i,j)=3I^(i,j)4+I(i,j-1)+I(i,j+1)8;]]>

否则，如果d_v(i，j)-d_h(i，j)＜-C₂(经过点(i，j)存在垂直方向边缘)

I^(i,j)=I^(i,j)2+I(i-1,j)+I(i+1,j)4;]]>

否则，如果d_v(i，j)-d_h(i，j)＜-C₃(经过点(i，j)存在垂直方向弱边缘)

I^(i,j)=3I^(i,j)4+I(i-1,j)+I(i+1,j)8;]]>

判断结束

判断结束；

所述4级量化器Q(Δ)∈{0，1，2，3}的构造如下：

B1.基于图像I和滤波图像计算滤波误差图像

B2.根据得到的水平梯度d_h和垂直梯度d_v以及滤波误差图像g，按式(4)计算误差能量值Δ：

Δ＝d_h+d_v+(|g(i-1，j)|+|g(i+1，j)|)/2

                                        (4)

+(|g(i，j-1)|+|g(i，j+1)|)/2

C1.基于所得到的误差能量值Δ和滤波误差图像g，应用动态规划算法使得以下条件熵的值最小：

-Σd=03Σqd≤Δ<qd+1p(g|qd≤Δ<qd+1)logp(g|qd≤Δ<qd+1)---(5)]]>

p(g|q_d≤Δ＜q_d+1)是当前像素点在图像g相对于误差能量Δ得到的条件概率，q_d是个整数，d＝0，...，4，且有0＝q₁＜q₂＜q₃＜q₄＝∞，构成误差能量Δ的量化区间：

Δ∈∪d=03[qd,qd+1)---(6)]]>

C2.将误差能量Δ，也就是当前像素点的误差能量函数，量化到正整数域中的四个区间里，即Q(Δ)为：

Q(Δ)=0,q0≤Δ<q11,q1≤Δ<q22,q2≤Δ<q33,q3≤Δ<q4---(7)]]>

Q(Δ)∈{0，1，2，3}，Q(Δ)也称作标量量化器，{0，1，2，3}是4个整数的集合；所述上下文量化器Q(C)的构造如下：

D1.设当前像素点的坐标值为x＝(i，j)，取式(8)所示的3×3的图像邻域：

x₀＝(i-1，j-1)

x₁＝(i-1，j)

x₂＝(i-1，j+1)

x₃＝(i，j-1)                                      (8)

x₄＝(i，j+1)

x₅＝(i+1，j-1)

x₆＝(i+1，j)

x₇＝(i+1，j+1)

D2.在以上3×3的图像邻域内，抽取纹理特征S＝s₇s₆s₅s₄s₃s₂s₁s₀，

其中：

sk=0I(xk)≥I^(i,j)1I(xk)<I^(i,j)0≤k≤7---(9)]]>

D3.纹理特征S为大小8位，量化的误差能量Q(Δ)为0～3的数字，大小为2位的数字，将Q(Δ)和S做二进制位数合并，生成一个大小为10位的数字，把它看作一个量化的上下文C_Q，得到一组1024个数字，即0～1023，把这1024个数字标记成一个量化的上下文集合C＝{C_Q|C_Q＝0，...1023}；

所述滤波器f(x|C_Q)的构造如下：

E1.在图像I中，针对每个像素点y，在其周围，取式(10)所示的菱形邻域R(y)：

  x₁  x₂  x₃  x₄  x₅  x₆  y  x₇  x₈  x₉  x₁₀  x₁₁  x₁₂

(10)

E2.根据步骤D所得到1024个量化的上下文集合C，得到像素点集满足Y＝{yC_Q(y)∈C，C_Q(y)＝C_Q}，且有R(Y)＝{R(y)|C_Q(y)∈C，C_Q(y)＝C_Q}，设对所有R(Y)，像素点灰度值y和其菱形邻域内中的其它12个像素点灰度值x_k都满足如下关系：

Σk=112bkxk+α=y---(1)]]>

则通过回归分析方法，估计出系数b_k和α，该系数b_k和α即为滤波器f(x|C_Q)的滤波系数。