[发明专利]一种高能X射线图像非盲去模糊方法

说明书

本发明公开一种高能X射线图像非盲去模糊方法，首先，获取高能X射线模糊图像，在频域上运用Gibbs抽样动态构造马尔科夫链，得到图像初步的去模糊结果、正则化参数值以及噪声标准差的估计量。利用迭代引导滤波方法对初步的去模糊图像进行噪声去除，并提出一种有效的插值方法对图像中的负值进行填充，抑制图像的振铃效应。然后结合处理后的平滑图像以及估计的正则化参数作为稀疏引导正则项约束的子目标函数的暖启动，获取最终平滑且边缘细节丰富的高能X射线去模糊图像。优点：本发明能够加速高能X射线图像的去模糊进程，并且能够更好地去除图像中的噪声和振铃。

技术领域

本发明涉及一种高能X射线图像非盲去模糊方法，属于图像处理技术领域。

背景技术

高能X射线成像技术是研究客体内部结构的一种重要手段，是核武器研究的主要工具，具有成像直观，灵敏度高，对物体不破坏、无污染，适用材料广泛等优点，在医学、工业、材料和国防军事等很多领域中都有极为广泛的应用。由于高能X射线成像系统本身很复杂，成像过程会受到模糊、噪声等影响，致使图像质量较差。为了从模糊的高能X射线图像中获得更佳的诊断结果，发展了各种图像处理方法。传统的解析方法、迭代方法以及统计方法等在医学影像诊断、工业无损探测等领域得到了广泛的应用，但却难以满足高能X射线成像这类复杂场合下的高维反演要求。

针对高能X射线图像，求解的问题属于高维反演，面对的主要难题是消除模糊及噪声的影响。目前，主要反演方法有滤波反投影法(FBP)、约束共轭梯度法(CCG)及基于不同正则化技术的反演方法等。上述方法中FBP反演图像分辨率低，对噪声的抑制能力较差；CCG主要考虑了非负约束和光滑性约束条件，还没有对系统模糊影响边界恢复质量的问题研究针对性的约束条件；基于正则化技术的反演方法主要将正则项作为惩罚项，通过正则化参数来调节数据保真项与正则项之间的矛盾，没有考虑引入先验约束条件。

发明内容

本发明所要解决的技术问题是克服现有技术的高能X射线图像去模糊的进程过慢，高能X射线图像的清晰度不够的缺陷，提供一种高能X射线图像非盲去模糊方法。

为解决上述技术问题，本发明提供一种高能X射线图像非盲去模糊方法，获取高能X射线模糊图像y和预先已给定的模糊核K；

将高能X射线模糊图像y和预先给定的模糊核K作为输入至预先构建的频域上的最大后验概率模型，并设定该模型的采样次数N_samps和老化的样本数N_b，初始化λ₀和δ₀，得到变量x，λ和δ的后验密度函数；

运用Gibbs抽样从变量x，λ和δ的后验密度函数中提取样本，动态构造马尔可夫链，当各变量的各条马尔可夫链达到平稳后，进行抽样，得到满足同分布的各变量，计算平稳后的各变量样本均值，得到初步去模糊图像x_a、正则化参数τ和噪声标准差1/λ的估计量，其中变量x表示待估计的清晰图像，λ表示噪声精度参数，δ表示先验精度参数；

利用迭代引导滤波对初步去模糊图像x_a进行噪声的去除，并通过噪声标准差1/λ进行迭代次数的判断，得到滤波图像x_filter；

基于x的统计样本的贝叶斯置信区间对初步去模糊图像x_a的负值像素进行非负插值处理，并在滤波图像x_fil_ter上，用处理后的值替换掉对应于x_a负值位置上的值，同时抑制滤波图像x_fil_ter的振铃效应，得到平滑图像

基于稀疏引导正则项约束的子目标函数，将处理后的平滑图像以及估计的正则化参数τ作为该目标函数的暖启动，获得最终平滑且边缘信息丰富的高能X射线去模糊图像。

进一步的，所述高能X射线模糊图像y利用第一类弗雷德霍姆积分方程来表示，经过离散化后得到一个线性方程，其表达式为：

y＝Kx+η(1)