專利名稱：一種最大提取噪聲有用信息的圖像分解方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于數(shù)字圖像處理與醫(yī)學(xué)成像技術(shù)交叉領(lǐng)域，特別涉及一種最大提取噪聲有用信息的圖像分解方法及系統(tǒng)。
背景技術(shù)：
隨著計算機(jī)技術(shù)與其他各類領(lǐng)域?qū)W科越來越緊密的結(jié)合及在各個方面的共同發(fā)展，應(yīng)用于醫(yī)學(xué)圖像獲取及分析的技術(shù)與手段無論從種類數(shù)量還是從實用效果上看均有長足的提高，這也使得相比于傳統(tǒng)醫(yī)學(xué)診斷方法更加直觀、準(zhǔn)確、效率更高的醫(yī)學(xué)圖像輔助診斷在臨床中的應(yīng)用更加廣泛，臨床診斷也因此變得更加準(zhǔn)確、方便。醫(yī)學(xué)圖像技術(shù)的發(fā)展可以分為對圖像獲取硬件的創(chuàng)新和改進(jìn)以及對后期圖像處理方法的改進(jìn)。由于基于目前任何醫(yī)學(xué)圖像獲取手段(包括較早發(fā)明的超聲、計算機(jī)斷層掃描Computed tomography, CT)技術(shù)到近些年的核磁共振成像(MagnaticResonance Imaging)、正電子發(fā)身寸斷層成像圖像(PositronEmission Tomography, PET)等)所得到的圖像都不能做到完全無損(其中或多或少存在圖像噪聲)，因此在進(jìn)行對于臨床診斷有重要影響的圖像重建、特征提取、邊緣檢測等步驟前，對圖像進(jìn)行一定程度的預(yù)處理是十分必要的。在傳統(tǒng)的圖像處理中，通常將最初得到的圖像中的噪聲當(dāng)作是無用的干擾信息，通過采用各種濾波算法，如全變差去噪等去噪方法去除。然而近年來的研究發(fā)現(xiàn)，醫(yī)學(xué)圖像的噪聲在一定程度上也包含了有用的信息，如:在超聲領(lǐng)域，Michailovich, 0.and Tannenbaum, A., “De-speckling ofultrasound images,，，IEEETrans.Ultrason., Ferroelec., Freq.Contr.53 (I)，64 - 78 (2006)。因此，在圖像后期處理前對圖像進(jìn)行分解，而不是簡單的去噪，是有必要的。而圖像分解的理論背景已被證實，如:Meyer, Y., [Oscillating patterns in image processing and nonlinear evolutionequations], vol.22 of University Lecture Series, American Mathematical Society,Providence, RI(2001);Osher, S., Sole, A., and Vese,L., “Image decomposition andrestoration using total variation minimization and the H-lnorm, ”MultiscaleModeling and Simulationl, 349370 (2003)等,本發(fā)明提出的使用貝葉斯框架最大后驗概率(MAP)估計，用于從噪聲中最大提取有用信息的圖像分解方法是一種值得嘗試的選擇。

發(fā)明內(nèi)容
針對現(xiàn)有技術(shù)中的采用簡單去噪方法去除存在的斑點噪聲部分，有可能丟失其中包含的有用信息等問題，本發(fā)明提供一種最大提取噪聲有用信息的圖像分解方法及系統(tǒng)，同時提取圖像中光滑部分和噪聲部分，將噪聲部分中的有用信息整合到光滑圖像，得到更真實可信的復(fù)原圖像。一種圖像分解方法，具體為:(I)初始分解原始圖像I得到初始光滑圖像U(°)和初始噪聲圖像V ；(2)以初始噪聲圖像U(°)和初始光滑圖像V(°)為初始值，以光滑圖像和噪聲圖像的能量之和最大為目標(biāo)，迭代求解最終光滑圖像U和噪聲圖像V ；(3)將最終光滑圖像U和最終噪聲圖像V相加獲得復(fù)原圖像G。進(jìn)一步地，所述步驟(2)采用交替最小化方法或最小二乘法。進(jìn)一步地，所述步驟(2)具體為:(201)初始化迭代次數(shù)k = 0，提取初始噪聲圖像U(°)和初始光滑圖像 V(202)計算第 k+Ι 次的光滑圖像
權(quán)利要求
1.一種圖像分解方法，具體為: (1)初始分解原始圖像I得到初始光滑圖像U(°)和初始噪聲圖像vto)； (2)以初始噪聲圖像U(°)和初始光滑圖像V(°)為初始值，以光滑圖像和噪聲圖像的能量之和最大為目標(biāo)，迭代求解最終光滑圖像U和噪聲圖像V ； (3)將最終光滑圖像U和最終噪聲圖像V相加獲得復(fù)原圖像G。
2.根據(jù)權(quán)利要求1所述的圖像分解方法，，其特征在于，所述步驟(2)采用交替最小化方法或最小二乘法。
3.根據(jù)權(quán)利要求1所述的圖像分解方法，其特征在于，所述步驟(2)具體為: (201)初始化迭代次數(shù)k= 0，提取初始噪聲圖像U(°)和初始光滑圖像V ; (202)計算第k+Ι 次的光滑圖像
4.根據(jù)權(quán)利要求1所述的圖像分解方法，其特征在于，所述步驟(2)具體為: (211)初始化迭代次數(shù)k= 0，提取初始噪聲圖像U(°)和初始光滑圖像V ; (212)計算第k+Ι次的噪聲圖像 V(k+1) = νω+βρω, Pw 二 —(▽沐⑴)—1.▽,』,)，VF4-(/f) = 2("⑴ +Vm-1) + Α,[2οχρ(2Γα'') — 2], ⑴=2/ + ^diagiexp {2Vik))) f β表示沿著牛頓方向P(k)進(jìn)行線性搜索的步長，exp表示指數(shù)，diag表示對角矩陣； (213)計算第k+l 次的光滑圖像
5.根據(jù)權(quán)利要求1或2或3或4所述的圖像分解方法，其特征在于，所述步驟(I)采用經(jīng)驗設(shè)定法、簡單初始化法、隨機(jī)值初始化方法和全變差去噪法中的任意一種進(jìn)行初始分解。
6.一種圖像分解系統(tǒng)，包括 第一模塊，用于初始分解原始圖像I得到初始光滑圖像u(°)和初始噪聲圖像V ; 第二模塊，用于以初始噪聲圖像U(°)和初始光滑圖像v(°)為初始值，以光滑圖像和噪聲圖像的能量之和最大為目標(biāo)，迭代求解最終光滑圖像U和噪聲圖像V ； 第三模塊，用于將最終光滑圖像U和最終噪聲圖像V相加獲得復(fù)原圖像G。
7.根據(jù)權(quán)利要求6所述的圖像分解系統(tǒng)，其特征在于，所述第二模塊采用交替最小化方法或最小二乘法。
8.根據(jù)權(quán)利要求6所述的圖像分解系統(tǒng)，其特征在于，所述第二模塊包括: 第201子模塊，用于初始化迭代次數(shù)k = 0，提取初始噪聲圖像U(°)和初始光滑圖像V(o).第202子模塊，用于計算第k+Ι次的光滑圖像
9.根據(jù)權(quán)利要求6所述的圖像分解系統(tǒng)，其特征在于，所述第二模塊包括: 第211子模塊，用于初始化迭代次數(shù)k = 0，提取初始噪聲圖像U(°)和初始光滑圖像V(O).第212子模塊，用于計算第k+Ι次的噪聲圖像
10.根據(jù)權(quán)利要求6或7或8或9所述的圖像分解系統(tǒng)，其特征在于，所述第一模塊采用經(jīng)驗設(shè)定法、簡單初始化法、隨機(jī)值初始化方法和全變差去噪法中的任意一種進(jìn)行初始分解。
全文摘要
本發(fā)明公開了一種圖像分解方法，具體為(1)初始分解原始圖像I得到初始光滑圖像U(0)和初始噪聲圖像V(0)；(2)以初始噪聲圖像U(0)和初始光滑圖像V(0)為初始值，以光滑圖像和噪聲圖像的能量之和最大為目標(biāo)，迭代求解最終光滑圖像U和噪聲圖像V；(3)將最終光滑圖像U和最終噪聲圖像V相加獲得復(fù)原圖像G。本發(fā)明還提供實現(xiàn)上述分解方法的系統(tǒng)。本發(fā)明同時提取圖像中光滑部分和噪聲部分，并將噪聲部分中的有用信息整合到光滑圖像，得到更真實可信的復(fù)原圖像，從而使得后續(xù)的圖像處理如特征提取、圖像分割和組織分類等更加準(zhǔn)確。
文檔編號G06T5/00GK103116874SQ20131004113
公開日2013年5月22日 申請日期2013年2月1日 優(yōu)先權(quán)日2013年2月1日
發(fā)明者丁明躍, 楊鑫, 李春芳, 吳慧慧, 方夢捷, 王鈺潔, 蔡文娟, 曾雅潔, 林園, 黃金河 申請人:華中科技大學(xué)