[发明专利]一种医学图像增强方法及系统

说明书

技术领域

本发明属于医学图像处理技术领域，具体涉及一种对医学图像进行去噪处理的方法及系统。

背景技术

图像去噪技术面临最主要的挑战就是在图像噪音被消除的同时，一些重要的图像细节或边缘信息也被弱化。这使得边缘保留滤波器的设计成为医学图像处理一个研究热点。传统的边缘保留滤波器应用数学形态学算子，可以在去图像加性或乘性噪音的同时，又使边缘信息得到增强，如中值滤波器等。然而，它们依然无法克服一些弱边界被弱化的问题。为了解决这一问题，本发明应用信息论中的上下文量化技术和自适应回归分析方法，设计一个非局部的边缘保留滤波器，在保持重要的边缘信息同时，图像的噪音得到最大限度的去除。

医学图像由于临床诊断的要求通常是图像的空间和灰度分辨率较高，然而其图像质量经常由于成像过程所产生的噪音污染而下降，例如超声图像、低剂量的CT图像及X-ray图像。因此，在将图像发送给临床医生做诊断前，通常医学图像需要降噪或增强等预处理。通常的增强办法是在一个固定大小的局部窗口内，应用一个空间滤波器平滑输入的噪音图像。但是这样的处理会严重破坏图像本身所具有的纹理特征和边缘细节，而且图像的对比度会下降。

为了解决这一实际问题，近年来很多边缘保留的滤波器得到广泛地研究并应用到医学图像增强的软件开发上。例如，中值滤波器、双边滤波器，各项异性滤波器等被广泛地应用到医疗影像设备中，但是他们大部分只对高斯噪音或乘性噪音比较有效，对解决具有混合型噪音的医学图像增强问题效果并不理想，例如MRI图像的增强问题。

本发明主要涉及设计具有一个边缘保留的、自适应的滤波器，在去除图像噪音的同时，图像的边缘细节和纹理同时得到增强。不像传统的噪音估计方法，应用信息论中的上下文量化技术来估计噪音不依赖于噪音信号和图像信号本身，这样的估计方法有很强的鲁棒性，适用于所有的噪音模型未知的去噪问题。

综上所述，现有图像增强技术都无法适用于大部分医学图像去噪问题，不同的医学图像去噪问题需要不同的方法来解决，这给医学图像增强预处理的软件开发带来很大的难度和开发成本。

发明内容

本发明的目的在于提供一种在去除图像噪音的同时，图像的边缘细节和纹理同时得到保留的医学图像增强处理方法及系统。

本发明考虑到信息论中的上下文量化技术来解决医学图像噪音模型的估计问题。首先应用基于梯度的滤波器将图像平滑，再根据得到的平滑图像，计算滤波误差能量函数，也就是估计每个像素点上的高频信息，包括像素点周围的边缘信息和噪音。然后，应用动态规划的办法，将所得到的误差能量函数量化到四个不同的级别。随后，将所得到的量化后的误差能量和图像的纹理特征后，构造一组量化的上下文。最后依据不同的量化上下文，应用回归分析的方法针对不同的上下文模型，构造不同的参数的滤波器，实现一个自适应的滤波器。

对于给定的一幅图像I，本发明提出的医学图像增强处理方法，包括以下步骤：

A.设计一种基于梯度的图像滤波器或预测器(Gradient Adjusted Predictor)，将该滤波器作用到图像I，得到滤波图像

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；

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}；

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)；

E.针对每个量化后的上下文C_Q，应用回归分析(Regression Analysis)方法求解公式(1)中的滤波系数波器系数b_k和α，在一个菱形的窗口构造一个滤波器f(x|C_Q)；

Σk=112bkxk+α=y---(1)]]>