專利名稱::使用神經(jīng)網(wǎng)絡(luò)的圖像處理的制作方法
技術(shù)領(lǐng)域:
:本發(fā)明涉及一種圖像處理方法,其中每個(gè)圖像由圖像點(diǎn)陣列組成,特別地,圖像點(diǎn)即所謂分別在二維、三維或更多維空間中的像素(Pixel)或體素(voxel),每個(gè)圖像點(diǎn)由其在圖像點(diǎn)陣列內(nèi)的位置和定義了關(guān)于亮度、灰度、色度等特性的圖像點(diǎn)外部特征的一個(gè)或多個(gè)數(shù)值參數(shù)來唯一地定義,并且其中每個(gè)圖像點(diǎn)被當(dāng)作是人工神經(jīng)網(wǎng)絡(luò)的節(jié)點(diǎn),根據(jù)把每個(gè)像素的外部特征定義為所述人工神經(jīng)網(wǎng)絡(luò)的節(jié)點(diǎn)值的參數(shù)以及根據(jù)把每個(gè)處理中像素與預(yù)定像素子集中像素所組成的鄰居像素特別是與所述處理中像素的鄰居像素即所謂的像素窗的連接來處理所述圖像。同時(shí),通過定義了外部特征的參數(shù)的迭代演化步驟(諸如節(jié)點(diǎn)值的演化步驟),或通過這組連接的值的迭代演化步驟,或通過所述演化的組合來獲得新圖像(即經(jīng)處理的圖像)的像素。
背景技術(shù):
:根據(jù)文獻(xiàn)W02005/020132或EP1656632已知這種類型的方法,其中描述了依照本發(fā)明的方法的基本原理,并且其公開內(nèi)容在基本概念方面應(yīng)該被當(dāng)作是本發(fā)明的一部分。依照上述文獻(xiàn)的已知方法的處理系統(tǒng)基于局部性、確定性和迭代操作來工作。局部性操作是由于在每個(gè)處理周期操作都涉及中心像素及其與直接相鄰的像素(中心像素的鄰居)的關(guān)系的事實(shí)。確定性操作是由于動(dòng)態(tài)系統(tǒng)朝之演化的穩(wěn)定條件是按照確定方程排序的事實(shí),所述動(dòng)態(tài)系統(tǒng)由具有新圖像的像素矩陣表示,因此可以重復(fù)這種處理而總是導(dǎo)致相同的結(jié)果。迭代操作是由于反復(fù)地重復(fù)操作直到動(dòng)態(tài)系統(tǒng)的空間演化步驟達(dá)到它們自己的吸引子的事實(shí)。概括上述已知系統(tǒng)的基本理論概念,具有在D維空間中相關(guān)拓?fù)涞默F(xiàn)象(phenomenon),例如由像素或體素陣列組成的或由值陣列組成的圖像,其中每個(gè)值都用于區(qū)分在像素或體素陣列中具有預(yù)定位置的像素或體素的外部特征,可以由被稱作節(jié)點(diǎn)的最小單元和所建立的相互之間的局部連接來表示。在處理步驟n的每個(gè)最小單元u由其在現(xiàn)象中所占據(jù)的位置x二(Xl,x2,…,x。)以及依賴該位置的量值來定義『"11>]<」YY=<Al,A2,..,ADA[21]在實(shí)踐中,設(shè)想最小單元u是在位置坐標(biāo)X所布置的點(diǎn),其中還對(duì)所述位置坐標(biāo)X給出被稱作強(qiáng)度的值。對(duì)于每個(gè)單元u來說,在項(xiàng)u產(chǎn)]中總計(jì)在處理周期n—起獲得的位置x和強(qiáng)度值。起始給定的圖像必須被當(dāng)作是由在處理周期"O"的單元組成,因此其每個(gè)單元由項(xiàng)u,w來標(biāo)識(shí)。當(dāng)我們不參照處理周期n而參照總體上最小的單元時(shí),則我們通過項(xiàng)u來指示,或通過ux來指示它,如果我們還希望指示位置。把在指標(biāo)kw(i=1,2…,D)的絕對(duì)值之中的最大值當(dāng)作是在兩個(gè)最小單元的位置x=(x"x2,…,xD)禾卩xs=(x一ks"x2+kS2,…,xD+kSD)之間的距離dist(x,xs),其中l(wèi)=max,■=1,2,..""'57給定(在給定圖像內(nèi)的)位置坐標(biāo)X,我們把X的半徑為G的鄰居當(dāng)作是以位置X為中心的鄰居1/,包括X和離X的距離不是空的并且不超過G的所有位置A:*w乂o<'5"在實(shí)踐中,X的每個(gè)鄰居l/只由滿足[2.3]的所有點(diǎn)XS和X本身組成。位置X被命名為鄰居1/的中心像素的位置。下標(biāo)S標(biāo)示不同于中心位置X的鄰居點(diǎn)XS的位置的可變性。在二維情況(D=2)并且半徑為1的情況下,S是用于標(biāo)示以位置X為中心的8個(gè)鄰居像素的位置的下標(biāo)。該組位置X和屬于各自鄰居1/的XS,由于它們是位置坐標(biāo),所以被無差別地用來標(biāo)示起始給定圖像、處理中的圖像和最終圖像的像素的位置。如果我們參照半徑G=1的鄰居,那么鄰居將由簡單的符號(hào)I,來標(biāo)示。在兩個(gè)最小單元之間的每個(gè)局部連接定義了由最小單元施加在另一個(gè)最小單元上的力,反之亦然。因此,一旦給出兩個(gè)最小單元,總是提供兩個(gè)局部連接,其值是獨(dú)立的并且通常是不同的。在具有位置x=(Xl,x2,,xD)的最小單元和具有位置xs=(xsl,xS2,...,xSD)的另--個(gè)最小單元之間的連接在步驟n由連接單元的位置x和xs以及數(shù)值來定義等于4〗、義1,X^',&),(Xsi,xs2二>vX,乂sXSD—XD+ks(ksl,kS2,..',xD,x2,.',Xd+&£>)[25]其中清楚地指示X和XS二者的每個(gè)坐標(biāo)xsl=Xl+ksl,xS2=x2+ks反之,在[2.4]中,使用更簡單的符號(hào),其中一起被指示為^二x+ks,其中k^kSD)。因此,一般說來,使用符號(hào)w]^來指處理步驟n在(位于鄰居的位置x中的)中心A,入S像素的最小單元ux和(位于位置xS中的)鄰居1/的像素的每個(gè)最小單元";c,之間的每個(gè)連接值。相對(duì)于具有半徑G的鄰居定義了活動(dòng)連接矩陣。對(duì)于每個(gè)最小單元ux來說,只考慮在位置x的中心單元及它的半徑為G的鄰居/:的單元"々之間的連接。將活動(dòng)連接矩陣定義為由下列方程組成的系統(tǒng)—義1,巧,,,XD<formula>formulaseeoriginaldocumentpage9</formula>并且具有初始固定值z(mì)4"、x="^和<formula>formulaseeoriginaldocumentpage9</formula>第一方程[2.6]表明單元的演化依賴單元的值、所有鄰居單元和半徑G的超立方體鄰居的所有單元的(2*G+1)D-1個(gè)連接之一;同時(shí)用于連接的(2*G+1)D_1個(gè)方程表明它們中每個(gè)的演化依賴該連接的值和兩個(gè)連接的單元之一。在二維情況(D=2)的情況下,可以使用更簡單的標(biāo)號(hào)i和j代替xl和x2來在矩陣中表示現(xiàn)象的單元,其作為下式給出而方程[2.6和2.7]被特殊化并且如下詳細(xì)描述<formula>formulaseeoriginaldocumentpage9</formula><formula>formulaseeoriginaldocumentpage10</formula>在具有D維空間中相關(guān)拓?fù)洳⑶揖哂邪霃綖镚的最小連接元素的現(xiàn)象的一般情況元在步驟n的變化利用下式確定在步驟n+l影響傳播,直到遠(yuǎn)處單元g(n+l)位置g(n+l)=(n+l)G[2.11]因此,仍然在步驟n+l,由鄰居的變化所命中的單元數(shù)目r(n+l),不包括中心單于<formula>formulaseeoriginaldocumentpage10</formula>類似地,另外可以觀察兩個(gè)單元ux和"化相互影響的延遲步驟的數(shù)目An等于<formula>formulaseeoriginaldocumentpage10</formula>因此,基于這種考慮,應(yīng)當(dāng)注意方程[2.6和2.7]可以容易地推導(dǎo)出<formula>formulaseeoriginaldocumentpage11</formula><formula>formulaseeoriginaldocumentpage11</formula>是有效的通過這些,可以指出在演化期間由現(xiàn)象矩陣(即,起始圖像的像素)組成的動(dòng)態(tài)系統(tǒng)描述的路徑怎樣依賴在每個(gè)步驟擴(kuò)展的鄰居內(nèi)的單元和連接的初始值。單元和連接取決于初始值的事實(shí)由函數(shù)fW和g[n]的序列來表示第一個(gè)函數(shù)由具有多個(gè)自變量的函數(shù)組成,其隨n增加并且等于2(2(n+l)G+1)D_1[2.17]而第二個(gè)函數(shù)具有相同數(shù)目自變量的函數(shù)。[2.6]和[2.7]指示具有相關(guān)拓?fù)涞默F(xiàn)象的單元和連接的演化是朝向用于表示其解集的吸引子(attractor)??梢圆捎靡筇貏e注意的兩種退化(degerate)形式來提供它們。第一種考慮固定連接。在這種情況下,在它們的初始值固定連接,而關(guān)于單元我們得到<formula>formulaseeoriginaldocumentpage11</formula>「2.181二襲0],.Xl,義2,-.-,義D),(Xl+^51,義2+^2,'",乂0+^D)\義l,X2,…,Xo77義5"i,叉w,W0]w、=/(一,""《5<。是有效的'(WW并且具有開始固定值wi1^x="^和_Jo]=w(;q,x2,...,化,x2+^2'■.+^Z))''X,XS在這種情況下,現(xiàn)象的連接僅充當(dāng)過程的剌激(impulse)并且充當(dāng)在單元空間中出現(xiàn)的單元演化的約束條件。第二退化情況在單元和連接方面相對(duì)于第一種是對(duì)稱的。在這種情況下它們被認(rèn)為是在它們的初始值固定的單元,充當(dāng)過程的剌激。對(duì)于這種類型的系統(tǒng)來說,以下方程是有效的(A,X2,'",XD),(X!'x2+&幼)X,W[220]二丄[?!?"、/、,[o]°\乂i,叉2,'",xO7XS1,XS2,…,X幼二,,])是有效的V《ev《("+l)G并且具有開始固定值i^"^v=Z^Q^P'[o]W=一]〔Xj,X2,..,X^),X2+^S2,..',^D+A幼)這種演化的特性在于用于設(shè)置連接演化的過程發(fā)生在連接空間中的事實(shí)。在此空間內(nèi)部發(fā)現(xiàn)單元演化的解。因此,在該過程中,單元的原始值僅充當(dāng)連接演化的約束條件。后者動(dòng)態(tài)提供單元的值,因此,這種過程的吸引子是每個(gè)單元的重定義,僅作為關(guān)系元素,由其初始值和與之相鄰的其它單元的初始值之間的動(dòng)態(tài)協(xié)商產(chǎn)生。特定的簡單實(shí)施例是二維圖像的情況,其中標(biāo)號(hào)i、j是平面圖像的二個(gè)維度。從該例子開始,可以描述在通常的D維情況下的各種已知的系統(tǒng)。上述合成符號(hào)將用來簡化閱讀。表示所涉及單元的坐標(biāo)的標(biāo)號(hào)集將由鄰居l/的點(diǎn)x和xs來代替。如已經(jīng)描述的,由于對(duì)于所有圖像來說位置坐標(biāo)是相等的,所以鄰居將以中心點(diǎn)x為中心,被用為基準(zhǔn)的單元ux被認(rèn)為位于其中,并且落入鄰居1/內(nèi)的其它單元"&的位置將相對(duì)于該位置改變Xs=x+ks和《={0,A)|0<x5)^C}[2如上所述,已知方法系列取決于它們?nèi)绾卧试S單元和連接進(jìn)行演化而彼此不同。特別地是,基于以下演化定律它們被劃分為三個(gè)系列固定連接允許單元UX演化直到達(dá)到標(biāo)識(shí)吸引子存在的穩(wěn)定狀態(tài)。這種穩(wěn)定狀態(tài),以及因此該吸引子根據(jù)使用哪個(gè)演化定律來改變。使用連接矩陣,其中使用給定圖像的像素矩陣通過被稱作自動(dòng)機(jī)規(guī)則(AutomataRule)的方程來(首先)確定所述連接矩陣;固定單元允許連接^;c,;^演化直到達(dá)到標(biāo)識(shí)吸引子存在的穩(wěn)定狀態(tài)。穩(wěn)定狀態(tài),因此吸引子根據(jù)使用哪個(gè)演化定律來改變。它使用在每個(gè)處理周期保持不變的給定圖像的像素矩陣;動(dòng)態(tài)單元和連接連接"^x,x,基于在每個(gè)處理周期更新的單元UX的矩陣來達(dá)到它們自己的吸引子?,F(xiàn)在當(dāng)系統(tǒng)參與校正連接矩陣演化時(shí)更新單元ux的矩陣的像素的亮度。從上可知,顯然已知方法是基于以下假設(shè)的,在由上述三個(gè)系列中任何一個(gè)經(jīng)處理的圖像中可以看出的新形態(tài)和動(dòng)態(tài)規(guī)律是對(duì)開始圖像像素的矩陣及其局部鄰居的每個(gè)像素的連接矩陣執(zhí)行的局部、確定和迭代操作的結(jié)果。
發(fā)明內(nèi)容本發(fā)明的目的在于放大在中心像素及其鄰居像素之間的關(guān)系,使得把操作范圍擴(kuò)展到整個(gè)系統(tǒng)從而使處理成為不嚴(yán)格的局部處理。本發(fā)明通過提供上述類型的方法來實(shí)現(xiàn)以上目的,并且其中通過演化迭代步驟進(jìn)行處理,其中每個(gè)步驟還是鄰居像素與檢查中的像素的連接的函數(shù),當(dāng)檢查中的像素的所述鄰居像素的每個(gè)還被認(rèn)為是鄰近關(guān)于所述檢查中的像素的所述鄰居像素的至少一個(gè)或所有像素的鄰居像素時(shí),所述函數(shù)是用于確定所有其它像素的外部特征值的即時(shí)反饋貢獻(xiàn)(immediatefeedbackcontribution),其中圖像的每個(gè)像素的外部特征值有助于確定源于所述迭代步驟的新圖像的所有其它像素的新外部特征值。因此通過本發(fā)明,在中心像素及其鄰居像素之間的關(guān)系由于這樣的事實(shí)而被放大,所述關(guān)系還包括當(dāng)它們中的每個(gè)也是與之鄰近的所有像素的鄰居像素時(shí)的關(guān)系。在這種情況下,與現(xiàn)有技術(shù)相反,在現(xiàn)有技術(shù)中每個(gè)處理步驟僅根據(jù)目標(biāo)像素的有限鄰居(例如3X3方矩陣)內(nèi)的像素來確定所述目標(biāo)像素的新值的技術(shù),本發(fā)明考慮上面所公開的函數(shù)在獲得新圖像的每個(gè)處理周期的整個(gè)貢獻(xiàn),意味著每個(gè)像素的外部特征值給出即時(shí)反饋貢獻(xiàn)以確定圖像中的所有其它像素的新的外部特征值。由于來自區(qū)域的每個(gè)點(diǎn)的所有應(yīng)力可能會(huì)同時(shí)用于確定高山區(qū)(mountainregion),所以這可以由另一例子表示。依照本發(fā)明的新方法包括所有鄰居像素相對(duì)于上面描述的已知方法的情況c)以更可觀的方式參與演化連接矩陣,所述連接矩陣最后用于利用由于處理生成的新圖像來創(chuàng)建像素矩陣。依照本發(fā)明的方法用于使用考慮鄰居像素值及其與中心像素的連接值的新方程,以及當(dāng)它們中的每個(gè)被認(rèn)為是自己鄰近的像素的鄰居像素時(shí)和當(dāng)后者被認(rèn)為是中心像素時(shí)所導(dǎo)出的隨后的順序關(guān)系。在每個(gè)處理周期重復(fù)的方法允許每個(gè)像素借助于用來傳播貢獻(xiàn)的鄰居像素如波一樣向遠(yuǎn)處的每個(gè)像素給出其貢獻(xiàn)。定義依照本發(fā)明方法的方程被劃分為兩組旨在演化給定圖像的每個(gè)圖像點(diǎn)或像素或體素的連接值的方程組;旨在演化給定圖像的每個(gè)圖像點(diǎn)或像素或體素的內(nèi)部狀態(tài)值的方程組。本發(fā)明的進(jìn)一步改進(jìn)是從屬權(quán)利要求的目的。根據(jù)以下說明書和附圖,據(jù)此導(dǎo)出的本發(fā)明的特性和優(yōu)點(diǎn)將更加清楚,其中圖1是依照本發(fā)明方法的流程圖。圖2和圖3分別是在圖2中的噪聲影響下的橢圓,其被視為以圖3的平面圖像的中心的水平截面,橢圓的大小是253X189像素(來自T.Hansen、H.Neumann,神經(jīng)網(wǎng)絡(luò)17(2004)647-662)。圖4和5是用于使用商業(yè)軟件并且特別是AdobePhotoshop7.0來提取橢圓邊緣的兩種嘗試。圖6是與圖4和5相同的嘗試,但是使用依照本發(fā)明的在五個(gè)周期之后(即在五次迭代之后)停止的方法。圖7是通過被稱為具有D0I的細(xì)胞模型的已知處理方法的處理結(jié)果。圖8是通過依照本發(fā)明的方法的處理結(jié)果,其中用于停止迭代步驟序列的規(guī)則是依照方程(17)的能量最小化準(zhǔn)則。圖9和10是橢圓及其兩個(gè)焦點(diǎn)的相應(yīng)位置的圖像。圖11和12分別是來自利用依照本發(fā)明的方法均衡和處理的圖9的橢圓以及把圖10的焦點(diǎn)圖像迭加到圖11的處理圖像的圖形。圖13a、13b、13c如下,圖13a:胸部Rx:針狀物質(zhì)的細(xì)節(jié)(Calma投射),圖13b:依照本發(fā)明的方法在前7個(gè)周期之后的處理結(jié)果,圖13c是依照本發(fā)明在收斂之后的處理結(jié)果。圖13d是通過本發(fā)明方法獲得的圖像13a的處理結(jié)果,其中已經(jīng)使用不同的閾值a(alpha)的值。圖14a、14b、14c類似于圖13a到13c分別是通過本發(fā)明方法的數(shù)字式減影血管造影的處理結(jié)果動(dòng)脈(米蘭的Galeazzi醫(yī)院),圖14a是依照本發(fā)明方法對(duì)于前12個(gè)周期執(zhí)行的處理結(jié)果,圖14b是通過本發(fā)明方法在收斂之后的處理結(jié)果圖14c。圖15a和15b分別是在74歲男人中的B型腺癌,其中開始CT掃描示出了在左下肺葉中22X22mm的位于背景的不透明體并且在初始掃描之后349天由CT掃描所獲得的相同惡性腫瘤,所述圖像示出了血管收斂的增加大小(23X26mm)和發(fā)展情況,而在腫瘤中心的衰減略微地增加。圖15e是從圖像15a到圖像15a6開始的圖像序列,使用不同的正a值處理的圖像15al到15a6來增加每個(gè)處理的靈敏度以發(fā)現(xiàn)隱藏在背景中的圖案。圖15f是從圖像15b到圖像15b6開始的圖像序列,圖像15bl到15b6通過依照本發(fā)明方法進(jìn)行處理,即執(zhí)行減少a值,以便使在每個(gè)處理的方法對(duì)某些亮度越來越不敏感,就像出現(xiàn)及時(shí)返回一樣。圖15c是圖15a.1:時(shí)間0-當(dāng)前-a=0.0和圖15a.5:時(shí)間0_可能未來-a=0.4的迭加,并且其中在不調(diào)整和延伸嘗試的情況下已經(jīng)手動(dòng)地迭加圖15b.1(用黑色表示l年后的真正腫瘤)和圖15&.5(用白色表示在一年以前預(yù)測的腫瘤)。因此不完美的一致是由于在兩個(gè)不同場合中采取的圖像的格式不同。圖15d是在圖15a.1(在1年前的真實(shí)情況)上照相迭加圖15b.5(腫瘤的原始預(yù)測),在不調(diào)整和延伸嘗試的情況下手動(dòng)迭加圖15a.l(用黑色在一年之前的腫瘤)和圖15b.6(用白色在一年以后重構(gòu)的腫瘤的可能形狀)。因此不完美的一致是由于在兩個(gè)不同場合中采取的圖像的格式不同。圖16a和16b分別是在64歲男人的B型腺癌,初始CT掃描示出了在右中腦葉中鄰近背景的最小玻璃狀不透明體(15X10mm)的小固體結(jié)核(箭頭),以及相同的惡性腫瘤,在初始CT掃描之后已經(jīng)獲得CT掃描1137并且示出了增加的大小(25X20mm)和血管收斂,并且其中還增加了固體衰減區(qū)域。圖16e是從圖像16a到圖像16a6開始的圖像序列,圖像16al到16a6利用不同的正a值處理。圖16c是作為借助于依照本發(fā)明方法利用a=0.4預(yù)測腫瘤形狀的圖16b和16a.5的迭加。圖16d是借助于依照本發(fā)明方法利用a=0.5預(yù)測腫瘤形狀的圖16b和16a.6的迭加。具體實(shí)施例方式下面將再現(xiàn)這些處理方程,對(duì)于這些處理方程如下定義(方程O)PK,=O.O;在任何兩個(gè)像素之間的連接的初始值。UiG[-l+a,l+a];給定圖像的所有像素值的初始量度。a=像素值的量度閾值。XW=x在n步驟;在特定處理周期的任何變量(連接,像素等)。二Z'—^在n步驟的像素;二/—A在n步驟的輸出;《"]二/—^在n步驟的狀態(tài);N二鄰居節(jié)點(diǎn)。用于調(diào)節(jié)每個(gè)像素的連接值的方程組可以被劃分為四個(gè)步驟(方程i)A.=應(yīng)當(dāng)清楚,因子Di不是距離,而僅是在每個(gè)像素值和中心像素與之相連的權(quán)重之間的差異和。(方程2)1/,=4^;變量Ji是把雙曲正切函數(shù)應(yīng)用到因子Di的結(jié)果。此運(yùn)算具有三個(gè)目的a)在有限區(qū)間中封閉可能的Di值;b)向可能的Di值提供平滑的S型形狀;c)利用在每個(gè)點(diǎn)可微的函數(shù)來操作。(方程3)A=—("f"].■/,)(-2.J,).(1—").(";."]—此方程可以被劃分為三個(gè)分量a)第一分量-(11產(chǎn)]J》,根據(jù)其鄰居(權(quán)重和像素)利用變量Ji加權(quán)中心像素的值。然而,它反轉(zhuǎn)了在符號(hào)之間的經(jīng)典數(shù)學(xué)關(guān)系在這種情況下,一致導(dǎo)致負(fù)值,而不一致導(dǎo)致正值。這意味著1.如果中心像素趨向于黑色(負(fù)值)并且把它連接到其鄰居的權(quán)重平均大于該鄰居的像素,那么該部分方程的值將為負(fù);2.如果中心像素趨向于黑色(負(fù)值)并且把它連接到其鄰居的權(quán)重平均小于該鄰居的像素,那么該部分方程的值將為正;3.如果中心像素趨向于白色(正值)并且把它連接到其鄰居的權(quán)重平均大于該鄰居的像素,那么該部分方程的值將為正;4.如果中心像素趨向于白色(正值)并且把它連接到其鄰居的權(quán)重平均小于該鄰居的像素,那么該部分方程的值將為負(fù);b.方程(3)的第二分量(_2J》(1-Ji2)是二的二階導(dǎo)數(shù)。它分析在鄰居像素和中心像素與之連接的權(quán)重之間的變化如何改變;c.方程(3)的第三分量通過在每個(gè)鄰居像素和中心像素與之相連的權(quán)重之間的差來加權(quán)整個(gè)方程。(方程4)二+A;z,v在此方程中,更新用于把中心像素連接到其鄰居的每個(gè)像素的權(quán)重。在用于定義四個(gè)步驟的這前四個(gè)方程中,應(yīng)當(dāng)注意以下內(nèi)容a.在中心像素及其鄰居之間的所有連接取決于鄰居像素的值;b.在中心像素及其鄰居的每個(gè)像素之間的每個(gè)連接取決于所有鄰居像素。因此,權(quán)重的演化是給定圖像的每個(gè)像素(關(guān)于其鄰居的每個(gè)像素)的一階轉(zhuǎn)換。依照本發(fā)明方法的這些第一方程已經(jīng)能夠確定任何圖像的有意義的轉(zhuǎn)換。在每個(gè)演化周期,足以計(jì)算每個(gè)中心像素的輸出權(quán)重值的平均值并且在0和255之間(在圖像中像素可以獲得的值范圍)適當(dāng)?shù)亓慷仍撝担员銓?shí)現(xiàn)把圖像劃分為兩部分的轉(zhuǎn)換圖形和背景。:0173](方程5):0177]化。:0178]至于旨在演化給定圖像的每個(gè)圖像點(diǎn)或像素或體素的內(nèi)部狀態(tài)值的方程組,其目的在于修改單元U的激活狀態(tài)的這種方程還可以被劃分為不同的步驟:0179](方程7)(方程8)々:0174]:0175]:0176];《](方程6)在初始量度(方程0)使用值a的不同值的事實(shí)導(dǎo)致圖形的邊緣相對(duì)于背景的變:0180]:0181]:0182]。,2,她x『+MW^、=i,『i,.—--Max『-揚(yáng)W頃她x『-MW:0183]這種方程的目的在于利用其在區(qū)間{_1,+1}的數(shù)集中量度把每個(gè)中心像素與其:卩居連接的值的平均值。:0184]這樣的量度的結(jié)果取絕對(duì)值,定義了每個(gè)中心像素的內(nèi)部激活狀態(tài):,](方程9)5j"]二l(9wf"|;:0186]因此,考慮像素值,可以說用于把每個(gè)中心像素連接到其自己鄰居的權(quán)重的平均值越遠(yuǎn)離中性值(如果在-1和+1之間量度值,那么為"O",或者如果在0和255之間量度值那么為"灰度127"),該中心像素有效的內(nèi)部狀態(tài)越活躍(active)。:0187]現(xiàn)在借助于下列方程,我們向每個(gè)像素給予"A因子"ASi,jW,考慮其激活值和作為其鄰居的每個(gè)像素的激活值:0188](方程IO):0190]由于各種原因,方程(10)是重要的:0191]如果半徑是單位一,那么二維圖像的每個(gè)像素具有至少由8個(gè)其它像素組成的鄰居;這意味著當(dāng)應(yīng)用方程(10)時(shí),中心像素的內(nèi)部狀態(tài)越趨向于1并且鄰居像素的激活狀態(tài)越大于零,ASi,/n]將越具有相對(duì)于鄰居像素值相反的符號(hào);而中心像素的內(nèi)部狀態(tài)越趨向1并且鄰居像素的激活狀態(tài)越趨向-1,ASi,/n]將越趨向零。適當(dāng)加權(quán)的每個(gè)鄰居像素的每個(gè)鄰居的ASi,/n]的1補(bǔ)碼的平方和將定義每個(gè)圖像像素的二階《^"]。(方程11)^"]=丄。<";"].X(i-《]2);現(xiàn)在下列方程考慮組成每個(gè)像素的鄰居的^;"]的和的函數(shù),因此它們考慮每個(gè)像素的三階變量(方程切^"]=X^"H(""])=i當(dāng)向量p"定義了給定圖像的封閉邊緣時(shí),向量^[n]負(fù)責(zé)逐漸產(chǎn)生從初始邊緣移動(dòng)到圖像最明亮部分的邊緣波,所述邊緣波借助于它們的相長性和破壞性干擾定義了圖像的一種"框架"。下列方程考慮適于定義每個(gè)圖像將接收的最終變量的二階效應(yīng)和三階效應(yīng)之間的交叉。(方程13)J""]=^^"]'^/j"];作為結(jié)果,用于在隨后的周期修改每個(gè)圖像單元的激活狀態(tài)的最終方程如下(方程14)=%["]+.用于停止本方法的迭代處理步驟的規(guī)則與連接值的穩(wěn)定性相關(guān)(參見方程(3))。更詳細(xì)地,依照下列方程通過對(duì)在每個(gè)處理周期的整個(gè)圖像的連接值變化進(jìn)行求和來給出系統(tǒng)的能量EW:x=l>s=l其中X=給定圖像的像素的基數(shù),N=每個(gè)像素的單位半徑的鄰居,X,XS=第x個(gè)像素及其鄰居,(方程15a)系統(tǒng)演化導(dǎo)致系統(tǒng)能量隨處理周期的增加而降低(方程15b)lim五["]=0.這意味著在演化結(jié)束時(shí)的系統(tǒng)能量最小(方程15c)E*=min{E[n]}因此,以更抽象的方式,依照本發(fā)明的方法可以由圖1的流程圖來表示。如上面方程所定義,像素的初始值定義每個(gè)像素的激活狀態(tài)U和初始連接矩陣。由IO標(biāo)示的框AW標(biāo)識(shí)連接矩陣的演化步驟,后面是確定每個(gè)像素的內(nèi)部狀態(tài)S,據(jù)此執(zhí)行像素的激活狀態(tài)U的演化。從該新值開始,可以執(zhí)行一個(gè)或多個(gè)進(jìn)一步的迭代步驟直到達(dá)到最終處理?xiàng)l件,照此通過最后的處理步驟的演化所定義的權(quán)重矩陣來生成經(jīng)處理的圖像的像素值。各個(gè)測試已經(jīng)示出了依照本發(fā)明的方法在較少周期之后從圖像中提取邊緣的能力。測試1作為開始圖像,圖3的橢圓的圖像已經(jīng)遭受諸如在圖2中所示的噪聲。這樣的圖像取自以下文檔,T.Hansen、H.Neumann,神經(jīng)網(wǎng)絡(luò)17(2004)647-662。已經(jīng)通過使用商業(yè)軟件Photoshop(AdobePhotoshop7.0)執(zhí)行所述圖像的橢圓的邊緣的提取。諸如在圖4和5中所示,商業(yè)軟件在從背景提取橢圓邊緣時(shí)會(huì)有某些麻煩。通過使用依照本發(fā)明的方法來執(zhí)行相同的嘗試。在數(shù)個(gè)周期之后所獲得結(jié)果由在圖6中所示出的尖銳和準(zhǔn)確的邊緣組成。還通過使用具有支配對(duì)立禁止(o卯onentinhibition)的新細(xì)胞模型(T.Hansen、H.Neumann的"Asimplecellmodelwithdominatingopponentinhibitionforarobustimageprocessing",神經(jīng)網(wǎng)絡(luò)17(2004)647-662)來處理開始圖形。在圖7中示出了在該著作中所示出的最好結(jié)果。顯然在該模型中圖形的邊緣還具有可變強(qiáng)度并且通過隨后的邏輯內(nèi)插使之更加平滑。通過放大原始圖形,可以注意在橢圓邊緣上的較深邊緣怎樣具有不均勻的趨勢,其一般是數(shù)字化的圓圈和省略號(hào)。相反,依照本發(fā)明的方法生成完美封閉的橢圓,具有恒定的強(qiáng)度線和邊緣,用以動(dòng)態(tài)地反映由局部像素獨(dú)立達(dá)到的協(xié)商過程。在第一周期之后,當(dāng)定義橢圓邊緣時(shí),依照本發(fā)明的方法朝向收斂方向繼續(xù)其用于描繪橢圓的內(nèi)部框架的路徑,諸如在圖8中所示出。所述方法在已經(jīng)發(fā)現(xiàn)并指出在圖像(橢圓)中普遍圖形邊緣之后自然地生成了朝向圖形內(nèi)部的"波"。這種波彼此滿足的事實(shí)生成相長干涉(趨向白色的值)和破壞干涉(趨向黑色的值)。因此破壞干涉以完美地標(biāo)識(shí)了兩個(gè)橢圓焦點(diǎn)的準(zhǔn)確度繪制了圖形的框架。測試2已經(jīng)進(jìn)行了特定測試來驗(yàn)證以上論述。已經(jīng)借助于MatLab來圖解地產(chǎn)生橢圓并且已經(jīng)分析計(jì)算了其焦點(diǎn)。在圖9和10中指示了橢圓和焦點(diǎn)的圖像。然后已經(jīng)借助于依照本發(fā)明的方法處理了橢圓的空心形狀,并且最后通過依照本發(fā)明的方法所獲得的圖像已經(jīng)被迭加到用于分析示出兩個(gè)焦點(diǎn)位置的圖像上(圖10)。在圖11和12中示出了處理和迭加的結(jié)果。依照本發(fā)明的方法由于其基于亮度從圖像中提取構(gòu)成它的圖形的能力而具有重要的醫(yī)學(xué)應(yīng)用。在胸部腫瘤領(lǐng)域,定義腫瘤邊緣及其結(jié)構(gòu)可能對(duì)醫(yī)生來說是有用的。在圖13a到13c的序列中示出了例子。在這種情況下,圖像13a示出了典型的胸部射線照相診斷圖像,其中可以注意到所謂的針狀物質(zhì)。已經(jīng)通過使用依照本發(fā)明的方法處理了圖像,在所述方法的前7個(gè)迭代周期之后獲得圖13b的結(jié)果并且當(dāng)達(dá)到收斂條件時(shí)獲得圖13c的結(jié)果。諸如在圖14a到14c中所示,依照本發(fā)明的方法在諸如數(shù)字式減影血管造影之類的特別復(fù)雜圖像的情況下也提供了有用的結(jié)果。所述圖形清楚地示出了依照本發(fā)明的方法在發(fā)現(xiàn)內(nèi)部狹窄方面的能力,所述內(nèi)部狹窄對(duì)外科醫(yī)生來說并不是顯見的。在該處理中,在-1和+1之間量度初始圖像的值,并因此方程(0)的因子a隱含地等于零。該因子確定圖像亮度的系統(tǒng)靈敏閾值。用于指示在閾值和單位量度之間比率的表示例性地總計(jì)上面所陳述的<table>tableseeoriginaldocumentpage20</column></row><table>表1:在閾值和單位量度之間的比率可以通過依照本發(fā)明的方法以獨(dú)立方式利用不同的閾值a來處理圖13a的圖像。利用不同閾值a處理的圖像將指出具有不同圖形的最終圖像。最小因子a將僅指出具有較強(qiáng)亮度的圖形,而最大因子a將僅指出具有不那么強(qiáng)亮度的圖形。因此,不同的a值在給定圖像上執(zhí)行不同強(qiáng)度亮度的掃描。圖13的胸部物質(zhì)的圖像Rx可以清楚地示出上面所述的在圖13d中所示出的結(jié)果序列并由相應(yīng)的閾值a指出。如果亮度強(qiáng)度以某種方式與在醫(yī)學(xué)圖像中所檢查的病變活動(dòng)成正比,那么在此情況下可以使用通過依照本發(fā)明的方法所獲得的不同掃描以便發(fā)現(xiàn)病變發(fā)展的時(shí)間順序。例如,在肺腫瘤中,可以假定以下事實(shí),在計(jì)算機(jī)斷層掃描(CT)中的不同亮度強(qiáng)度反映了其中腫瘤更為活動(dòng)的區(qū)域。在惡性腫瘤的情況下,更多的周邊區(qū)域可能在人眼看起來與背景一樣深,而相反它們可能具有亮度"光陰暗區(qū)",指示腫瘤的探查和擴(kuò)散策略。這種亮度的非常微小的改變可能如此微弱,以致其它分析算法可能會(huì)簡單地將它們認(rèn)為是"噪聲"而去除它們。相反,依照本發(fā)明的方法似乎能夠區(qū)分當(dāng)背景的亮度變化為簡單噪聲時(shí)以及這種變化是很難描述的圖像模型時(shí)的情況。如下所示,通過依照本發(fā)明的方法改變閾值a掃描原始圖像的事實(shí)使得可以指出肺部腫瘤在一兩年前的某些發(fā)展形狀。為了驗(yàn)證該理論,已經(jīng)進(jìn)行了不同的測試,下面列出了一些例子。由一組研究人員于2000年在著名的科學(xué)回顧上發(fā)布的研究和圖像已經(jīng)被用于測試作者AOKIT.(l),NAKATAH.(l),WATANABEH.(l),NAKAMURAK.(l),KASAIT.(2),HASHM0T0H.(2),YASUMOTOK.(3),KIDOM.(4).隸屬的機(jī)構(gòu)1)放射部,產(chǎn)業(yè)醫(yī)科大學(xué),Yahatanishi-ku、Kitakyushu-shi,807-8555,日本(2)病變和腫瘤學(xué)部,產(chǎn)業(yè)醫(yī)科大學(xué),Kitakyushu-shi,807-8555,日本(3)第二外科部,產(chǎn)業(yè)醫(yī)科大學(xué),Kitakyushu-shi,807-8555,日本(4)呼吸道疾病學(xué)部,產(chǎn)業(yè)醫(yī)科大學(xué),Kitakyushu-shi,807-8555,日本標(biāo)題-"Evolutionofperipherallungadenocarcinomas:CTfindingscorrelatedwithhistologyandtumordoublingtime(周圍型月市腺癌的演化與歷史和腫瘤體積倍增時(shí)間相關(guān)的CT表現(xiàn))"。評(píng)論美國放射學(xué)雜志(Am.j.roentgenol.)2000年,巻174,第3期,頁763-768。從這樣的研究(Aoki2000)中已經(jīng)獲得兩對(duì)肺腫瘤圖像。每對(duì)示出了在第一CT時(shí)刻(時(shí)間0)的腫瘤和在1或3年后(時(shí)間1)的腫瘤。研究人員聲明在時(shí)間0,圖像不允許被明確地診斷為腫瘤。兩對(duì)圖像分別是圖15a和15b以及16a和16b的圖像。在已經(jīng)進(jìn)行兩次測試的圖像15a和15b對(duì)上第一個(gè)通過由不同的正a值處理第一圖像(圖15a)。這是為了在每個(gè)處理操作增加發(fā)現(xiàn)隱藏在背景中的圖案的靈敏度。在圖15e的圖像15al到15a6序列中示出了處理結(jié)果。可以注意到圖15a.1非常準(zhǔn)確地拍攝了源圖形的腫瘤邊緣(圖15a),而在圖15a.2到圖15a.5中相對(duì)于原始圖形(圖15a)腫瘤邊緣在似乎沒有緣由的情況下變得越來越多。然而應(yīng)當(dāng)注意,圖15a.5和15a.6的邊緣形狀與腫瘤將一年后取自同一個(gè)病人的形狀非常相像(參見圖15b)。在第二測試中,已經(jīng)處理了l年后的腫瘤圖像(圖15b)。此時(shí),已經(jīng)執(zhí)行了不同的處理來減小a值。為了使方法在每次處理對(duì)特定亮度強(qiáng)度不那么敏感,則希望及時(shí)返回。在圖15f的圖像15bl到15b6的序列中示出了此第二測試的處理結(jié)果。從這些圖像中應(yīng)當(dāng)注意,圖15b.1的腫瘤邊緣與圖15a.5的腫瘤邊緣相似。類似地,圖15a.1的腫瘤邊緣實(shí)際上可以被迭加到圖15b.6的腫瘤邊緣上。在a=0.0(當(dāng)前時(shí)間)和a=0.4(可能將來)的處理中在時(shí)間0的胸部腫瘤形狀的轉(zhuǎn)換是清楚的在圖15b.l(—年后的真實(shí)情況)上的圖15a.5(腫瘤發(fā)展的預(yù)測)的照相迭加示出了依照本發(fā)明的方法能夠發(fā)現(xiàn)諸如在圖15c中所示出的腫瘤的隱藏發(fā)展模型。類似地,在利用a=0.0(當(dāng)前時(shí)間)和利用a=-0.4(可能過去)的處理中在時(shí)間l的腫瘤形狀的轉(zhuǎn)換也是清楚的。由于其來自圖15d,在圖15a.l(l年前的真實(shí)情況)上的圖15b.5(腫瘤的原始預(yù)測)的照相迭加示出了在這種情況下本方法還能夠發(fā)現(xiàn)腫瘤的隱藏產(chǎn)生模型已經(jīng)利用圖16a和16b的第二對(duì)圖像重復(fù)了相同的過程。后者取自在大約3年的同一個(gè)病人。在這種情況下它是不同類型的腫瘤。諸如在圖16的圖16al到16a6的圖像序列中所示,本方法利用不同種類的正a值處理在時(shí)間0的圖像(圖16a):在圖16a.5和16a.6中的腫瘤形狀的處理似乎可以很好地預(yù)測3年后腫瘤的發(fā)展情況。在3年前的掃描圖像上迭加根據(jù)依照本發(fā)明的方法利用兩個(gè)獨(dú)立參數(shù)a的兩次預(yù)測在時(shí)間1(3年后)的真正腫瘤形狀(參見下文)確認(rèn)了系統(tǒng)在隔離并指出在具有亮度級(jí)的開始圖像中所提供的信息模型的特殊能力,所述亮度級(jí)如此的微弱且特殊以致其它算法將其視為噪聲變化并且對(duì)人眼來說并不明顯。根據(jù)以上測試,顯然依照本發(fā)明的方法能夠在時(shí)間0的圖像中讀取很難被看見的亮度變化。這些微弱的亮度變化似乎描述了將在時(shí)間1達(dá)到的腫瘤發(fā)展進(jìn)度。依照本發(fā)明的方法提供了每個(gè)單元的局部連接值和狀態(tài)值的動(dòng)態(tài)演化。關(guān)于這種復(fù)雜的演化動(dòng)態(tài),將要改變的圖像是關(guān)于每個(gè)像素單元的所有局部連接值的平均值在每個(gè)周期的適當(dāng)量度。從上可知,顯然所述方法的最重要特性如下a.在每個(gè)圖像中,所述方法基于特殊亮度強(qiáng)度(因子a)在很少周期內(nèi)隔離封閉的圖形和背景。b.在因子a改變的情況下,所述方法選擇不同的圖形和背景就好像它讀取亮度強(qiáng)度作為"不同類型的頻率"。c.在演化結(jié)束時(shí),所述方法利用從隔離的圖形傳播的波來填充圖形或背景(取決于哪個(gè)部分最亮)。每個(gè)波的形狀與充當(dāng)其源的圖形形狀是同源的(homologous)。在這些波當(dāng)中的破壞和相長干涉描述了圖形的框架。d.利用不同參數(shù)值a的方法的演化掃描相同圖像具有不同亮度的不同部分。在由CT檢測肺腫瘤的情況下,所述方法似乎能夠從腫瘤所留下的各個(gè)亮度軌跡中讀取腫瘤的過去和將來歷史并且據(jù)此揭示其發(fā)展過程。這是由于所述方法能夠幾乎在地理上隔離相同圖像中不同亮度的層;所述層對(duì)人眼和其它數(shù)學(xué)成像系統(tǒng)來說是不明顯的。依照本發(fā)明的方法的這些特性是因?yàn)橐韵聰?shù)學(xué)特性中的一些方法的體系結(jié)構(gòu),用于在空間和時(shí)間上提供其局部連接及其單元的獨(dú)立演化。算法,旨在從像素到像素當(dāng)中局部連接的網(wǎng)格投射每個(gè)圖像。在系統(tǒng)演變期間,用戶看不見圖像像素單元的演化,但是會(huì)看見用于把每個(gè)像素局部連接到其第一鄰居的權(quán)重值。方程,旨在在不同的像素之間產(chǎn)生吸引并且在類似的像素之間產(chǎn)生排斥(從方程(1)到方程(4)),幫助在圖像內(nèi)制作封閉的圖形。改變每個(gè)單元的內(nèi)部狀態(tài)的方程考慮在每個(gè)像素及其鄰居的鄰居的鄰居之間的delta3°階(從方程(5)到方程(14))。這種級(jí)聯(lián)傳播幫助系統(tǒng)自然地封閉已經(jīng)發(fā)現(xiàn)的圖形,并且相對(duì)于源圖形產(chǎn)生類似的波。圖像的初始量度參數(shù)a(方程(O))允許隔離不同的"亮度強(qiáng)度頻率",它們?nèi)绱说奈⑷跻灾聝H被認(rèn)為是噪聲或者不可見。從適當(dāng)定義的參數(shù)a開始,依照本發(fā)明的方法借助于其方程能夠只隔離亮度信號(hào),即使是暗淡的亮度信號(hào),趨向于形成封閉的形狀,使它們規(guī)則化;而在任何封閉圖形外部的亮度信號(hào),只在該亮度級(jí)被自然去除。權(quán)利要求一種圖像處理方法,其中每個(gè)圖像由圖像點(diǎn)陣列組成,特別地圖像點(diǎn)即所謂分別在二維、三維或更多維空間中的像素或體素,每個(gè)圖像點(diǎn)由其在圖像點(diǎn)陣列內(nèi)的位置和定義了關(guān)于明亮、灰度、色度等特性的該圖像點(diǎn)外部特征的一個(gè)或多個(gè)數(shù)值參數(shù)來唯一地定義,并且其中每個(gè)圖像點(diǎn)被當(dāng)作是人工神經(jīng)網(wǎng)絡(luò)的節(jié)點(diǎn),其中根據(jù)把每個(gè)像素的外部特征定義為所述人工神經(jīng)網(wǎng)絡(luò)的節(jié)點(diǎn)的值的參數(shù)和根據(jù)把每個(gè)處理中像素與預(yù)定像素子集中的像素所組成的鄰居像素、特別是與所述處理中像素的鄰居像素即所述像素窗的連接來處理所述圖像,同時(shí),通過定義了所述外部特征的參數(shù)的迭代演化步驟,諸如所述節(jié)點(diǎn)值的演化步驟,或通過該組連接的值的迭代演化步驟,或通過所述演化的組合來獲得新圖像即經(jīng)處理的圖像的像素,其特征在于,所述處理通過演化迭代步驟發(fā)生,其中每個(gè)步驟還是鄰居像素與檢查中像素的連接的函數(shù),當(dāng)該檢查中像素的所述鄰居像素中的每個(gè)還被當(dāng)作是鄰近于所述鄰居像素的一個(gè)或多個(gè)或全部像素的鄰居像素時(shí),該函數(shù)是用于確定所有其它像素的外部特征值的即時(shí)反饋貢獻(xiàn),其中所述圖像的每個(gè)像素的外部特征值有助于確定由所述迭代步驟產(chǎn)生的新圖像的所有其它像素的新的外部特征值。2.如權(quán)利要求1所述的方法,特征在于在處理結(jié)束時(shí)獲得的連接矩陣被用來生成構(gòu)成所述處理產(chǎn)生的新圖像的圖像點(diǎn)(像素或體素)的矩陣。3.如權(quán)利要求1或2所述的方法,特征在于它包括用來演化圖像點(diǎn)和/或所述圖像點(diǎn)的連接矩陣的方程,其中不僅考慮鄰居圖像點(diǎn)的值及它們與中心圖像點(diǎn)的連接,而且考慮當(dāng)所述鄰居圖像點(diǎn)的每個(gè)被當(dāng)作是每個(gè)鄰近的圖像點(diǎn)的鄰居圖像點(diǎn)時(shí)和當(dāng)后者被當(dāng)作是中心圖像點(diǎn)并且在每個(gè)處理周期提供所述方程的迭代時(shí)導(dǎo)出的隨后順序關(guān)系,因此每個(gè)圖像點(diǎn)借助于用來傳播貢獻(xiàn)的鄰居圖像點(diǎn)如波一樣向遠(yuǎn)處的每個(gè)圖像點(diǎn)給出其自己的貢獻(xiàn)。4.如先前權(quán)利要求中的一個(gè)或多個(gè)所述的方法,特征在于它包括用來確定給定圖像的每個(gè)圖像點(diǎn)或像素或體素的連接的值的演化的處理步驟,所述處理步驟結(jié)合用于確定所述給定圖像的每個(gè)圖像點(diǎn)或像素或體素的內(nèi)部狀態(tài)的值的演化的處理步驟。5.如先前權(quán)利要求中的一個(gè)或多個(gè)所述的方法,特征在于用來確定所述給定圖像的每個(gè)圖像點(diǎn)或像素或體素的連接值的演化的整個(gè)處理步驟由下列方程組成,其中以下定義是有效的^^0]=O.O;在任何兩個(gè)像素之間的連接的初始值。UiG[-l+a,l+a];所述給定圖像的所有像素值的初始量度。a=像素值的量度閾值。x[n]=x在n步驟;在特定處理周期的任何變量(連接,像素等)。=/—^在n步驟的像素;=/—A在n步驟的輸出;《"]=/—^在n步驟的狀態(tài);N二鄰居節(jié)點(diǎn)。并且這樣的整個(gè)處理可以被分為由如下四個(gè)方程定義的四個(gè)步驟<formula>formulaseeoriginaldocumentpage3</formula>其中,因子Di僅是在每個(gè)圖像點(diǎn)即每個(gè)像素的值和中心圖像點(diǎn)或像素與之連接的權(quán)重之間的差異和。其中,變量二是對(duì)因子Di應(yīng)用雙曲正切函數(shù)的結(jié)果,以確定以下效果_在有限區(qū)間中封閉可能的Di值;-向可能的Di值提供平滑的S型形狀;_利用在每個(gè)點(diǎn)可微的函數(shù)來操作。(方程3)<formula>formulaseeoriginaldocumentpage3</formula>包括如下三個(gè)分量a)第一分量-(u"*二),根據(jù)其鄰居(權(quán)重和像素)利用變量Ji加權(quán)所述中心圖像點(diǎn)或中心像素的值,同時(shí)它反轉(zhuǎn)了在符號(hào)間的經(jīng)典數(shù)學(xué)關(guān)系,特別是例如一致性生成負(fù)值,而不一致性生成正值;b.方程(3)的第二分量(-2J》(1-Ji2)是二的二階導(dǎo)數(shù),用于分析在鄰居圖像點(diǎn)或像素和與之連接的中心圖像點(diǎn)或中心像素之間的變化如何改變;c.方程(3)的第三分量通過在每個(gè)鄰居圖像點(diǎn)或像素和中心圖像點(diǎn)或中心像素與之相連的權(quán)重之間的差來加權(quán)整個(gè)方程。(方程4<formula>formulaseeoriginaldocumentpage3</formula>其中,更新用于把所述中心圖像點(diǎn)或中心像素連接到其鄰居的每個(gè)圖像點(diǎn)或像素的權(quán)重。6.如權(quán)利要求5所述的方法,特征在于用于根據(jù)其鄰居(權(quán)重和像素)利用變量Ji加權(quán)所述中心圖像點(diǎn)或像素的值的第一分量_(11,]Ji),當(dāng)它反轉(zhuǎn)在符號(hào)間的經(jīng)典數(shù)學(xué)關(guān)系時(shí),對(duì)圖像點(diǎn)運(yùn)算以下函數(shù)a.如果所述中心圖像點(diǎn)或像素趨向黑色(負(fù)值)并且把它連接到其鄰居的權(quán)重平均起來大于該鄰居的圖像點(diǎn)或像素,那么該部分方程的值將為負(fù);b.如果所述中心圖像點(diǎn)或像素趨向黑色(負(fù)值)并且把它連接到其鄰居的權(quán)重平均起來小于該鄰居的圖像點(diǎn)或像素,那么該部分方程的值將為正;c.如果所述中心圖像點(diǎn)或像素趨向白色(正值)并且把它連接到其鄰居的權(quán)重平均起來大于該鄰居的圖像點(diǎn)或像素,那么該部分方程的值將為正;d.如果所述中心圖像點(diǎn)或像素趨向白色(正值)并且把它連接到其鄰居的權(quán)重平均起來小于該鄰居的圖像點(diǎn)或像素,那么該部分方程的值將為負(fù)。7.如先前權(quán)利要求4到6中的一個(gè)或多個(gè)所述的方法,特征在于它提供用于在每個(gè)演化周期計(jì)算每個(gè)中心圖像點(diǎn)或中心像素的輸出權(quán)重值的平均值并且在0和255(在圖像中可以獲得的圖像點(diǎn)或像素的值范圍)之間適當(dāng)?shù)亓慷冗@樣的值以實(shí)現(xiàn)把圖像劃分為由圖形和背景組成的兩個(gè)部分的轉(zhuǎn)換的步驟。8.如權(quán)利要求7所述的方法,其特征在于,依照下列方程進(jìn)行量度(方程5)<formula>formulaseeoriginaldocumentpage4</formula>(方程6)<formula>formulaseeoriginaldocumentpage4</formula>9.如權(quán)利要求7或8所述的方法,特征在于它用于在初始量度(方程0)時(shí)使用值a的不同值,使得相對(duì)于所述背景改變圖形邊緣。10.如權(quán)利要求5到9中的一個(gè)或多個(gè)所述的方法,特征在于用于確定所述給定圖像的每個(gè)圖像點(diǎn)或像素或體素的內(nèi)部狀態(tài)值的演化的處理步驟組由下列方程組成,其中以下定義有效^;[]=O.O;在任何兩個(gè)像素之間的連接的初始值。UiG[-l+a,l+a];所述給定圖像的所有像素值的初始量度:a=像素值的量度閾值。,[n]x-=x在n步驟;在特定處理周期的任何變j=/—^在n步驟的像素;二/—//Z在n步驟的輸出;《"]=/—A在n步驟的狀態(tài);N二鄰居節(jié)點(diǎn)。(連接,像素等)并且其中,方程如下(方程7)<formula>formulaseeoriginaldocumentpage4</formula>借此執(zhí)行在區(qū)間{-1,+1}的數(shù)集中量度每個(gè)中心圖像點(diǎn)或像素與其鄰居連接值的平均值的步驟,并且這樣的量度的結(jié)果取絕對(duì)值定義了每個(gè)中心圖像點(diǎn)或中心像素的內(nèi)部激活狀態(tài)方程<formula>formulaseeoriginaldocumentpage4</formula>對(duì)每個(gè)圖像點(diǎn)或像素給予"A因子"ASi,"的又一方程,考慮其激活值和作為其鄰居的每個(gè)圖像點(diǎn)或像素的激活值(方程10)<formula>formulaseeoriginaldocumentpage5</formula>而適當(dāng)加權(quán)的每個(gè)鄰居圖像點(diǎn)或像素的每個(gè)鄰居的ASi,j[n]的l補(bǔ)碼的平方和依照下列方程定義了圖像的每個(gè)圖像點(diǎn)或每個(gè)像素的二階值^"]:(方程丄"^"]=丄Cc^/.z^["]f;(1—A《;f);結(jié)合組成每個(gè)圖像點(diǎn)或每個(gè)像素的鄰居的p"的和的函數(shù)提供了又一方程,因此它們依照下式考慮每個(gè)圖像點(diǎn)或每個(gè)像素的三階變化<formula>formulaseeoriginaldocumentpage5</formula>當(dāng)向量^"]定義了給定圖像的封閉邊緣時(shí),向量^[n]負(fù)責(zé)逐漸產(chǎn)生從初始邊緣移動(dòng)到圖像的最明亮部分的邊緣波,借助于它們的相長和破壞干涉定義圖像的一種"框架",并且考慮在適于定義每個(gè)圖像單元將接收的最終變量的二階效應(yīng)和三階效應(yīng)之間的交叉提供又一方程(方程13)S^["]因此,用于在隨后的周期修改每個(gè)圖像單元的激活狀態(tài)的最終方程如下(方程14)<formula>formulaseeoriginaldocumentpage5</formula>11.如先前權(quán)利要求中的一個(gè)或多個(gè)所述的方法,特征在于用于停止本方法的迭代處理步驟的規(guī)則依照方程(3)與連接值的穩(wěn)定性相關(guān),(方程3)<formula>formulaseeoriginaldocumentpage5</formula>12.如先前權(quán)利要求中的一個(gè)或多個(gè)所述的方法,其中,用于停止方法迭代步驟的規(guī)則是使方程組特別是用于定義所述能量EW的方程的能量最小化,并且依照下列方程,它通過對(duì)在每個(gè)處理周期的整個(gè)圖像的連接值的變化進(jìn)行求和來給出其中x=所述給定圖像的像素的基數(shù),N=每個(gè)像素的單位半徑的鄰居,X,XS二第x個(gè)像素及其鄰居,(方程15a)同時(shí)系統(tǒng)演化導(dǎo)致系統(tǒng)能量隨處理周期的增加而降低(方程i5b)lim£["〗=()13.如先前權(quán)利要求中的一個(gè)或多個(gè)所述的方法,特征在于它用于處理診斷圖像。14.如權(quán)利要求13所述的方法,特征在于它是用于預(yù)測預(yù)定類型組織的時(shí)間發(fā)展特性的方法,特別是用于預(yù)測腫瘤組織的時(shí)間演化的方法。全文摘要一種圖像處理方法,其中每個(gè)圖像由圖像點(diǎn)陣列組成,特別地圖像點(diǎn)即所謂分別在二維、三維或更多維空間中的像素或體素,每個(gè)圖像點(diǎn)由其在圖像點(diǎn)陣列內(nèi)的位置和定義了關(guān)于明亮、灰度、色度等特性的圖像點(diǎn)外部特征的一個(gè)或多個(gè)數(shù)值參數(shù)來唯一地定義,并且其中每個(gè)圖像點(diǎn)被認(rèn)為是人工神經(jīng)網(wǎng)絡(luò)的節(jié)點(diǎn),其中根據(jù)把每個(gè)像素的外部特征定義為所述人工神經(jīng)網(wǎng)絡(luò)的節(jié)點(diǎn)值的參數(shù)和根據(jù)把處理中的每個(gè)像素與由預(yù)定的像素子集中的像素所組成的鄰居像素特別是與所述處理中的像素的鄰居像素(所謂的像素窗口)的連接來處理所述圖像,同時(shí)通過定義外部特征的參數(shù)的迭代演化步驟(諸如所述節(jié)點(diǎn)值的演化步驟)或通過該組連接值的迭代演化步驟或通過所述演化的組合來獲得新圖像即經(jīng)處理的圖像的像素,其中通過演化迭代步驟進(jìn)行處理,其中每個(gè)步驟還是把鄰居像素與檢查中的像素連接的函數(shù),當(dāng)檢查中的像素的所述鄰居像素的每個(gè)還被認(rèn)為是鄰近于所述鄰居像素的一個(gè)或多個(gè)或全部像素的鄰居像素時(shí),所述函數(shù)是用于確定所有其它像素的外部特征值的即時(shí)反饋貢獻(xiàn)。文檔編號(hào)G06T5/00GK101743566SQ200880023710公開日2010年6月16日申請(qǐng)日期2008年7月2日優(yōu)先權(quán)日2007年7月6日發(fā)明者保羅·馬西莫·布謝馬申請(qǐng)人:布拉科成像S.P.A.公司