当前位置: 首页 > 专利查询>清华大学专利>正文

用于对辐射图像进行质量评价的方法和系统技术方案

技术编号:18427540 阅读:13 留言:0更新日期:2018-07-12 02:16
本发明专利技术公开了一种用于对辐射图像进行质量评价的方法,包括:选择多个基准辐射图像,并且针对所述多个基准辐射图像中的每一个基准辐射图像的特定区域进行以下处理:计算归一化的灰度共生矩阵;以及根据所述归一化的灰度共生矩阵,计算特征参数;根据所述多个基准辐射图像的特征参数,计算所述多个基准辐射图像的特征参数的统计特征参数;计算待评价辐射图像的特定区域的归一化的灰度共生矩阵;根据所述待评价辐射图像的归一化的灰度共生矩阵计算所述待评价辐射图像的特征参数;以及根据所述多个基准辐射图像的特征参数的统计特征参数以及所述待评价辐射图像的特征参数计算偏差,所述偏差用于表征所述待评价辐射图像的质量。

【技术实现步骤摘要】
用于对辐射图像进行质量评价的方法和系统
本公开大体上涉及辐射成像领域,更具体地,涉及用于对辐射图像进行质量评价的方法和系统。
技术介绍
目前,辐射图像的质量主要依靠操作人员进行主观评价,这种评价方式不仅需要操作人员掌握一定的专业技能、耗费人力,还需要花费时间、达不到实时的效果,且不同的操作人员对同一辐射图像的评价也不尽相同,严重制约了辐射图像质量的实际应用。辐射图像中被扫描物体的细小差异可能会造成视觉效果的极大不同,因此辐射图像质量评价中要尽量避免被扫描物体的差异,集中关注被扫描内容相对稳定的区域;为了符合人眼视觉显著性的要求,需要关注纹理较多、方向性较强的区域。因此,本专利技术分析了图像中内容相对稳定、具有较高视觉显著性的区域来进行辐射图像质量的评价。辐射图像的灰度比较集中,对比度的大小、包含的细节信息的多少决定了辐射图像视觉效果的好坏。对比度是图像清晰性的反映;角二阶矩是图像灰度分布均匀性的度量,代表了图像的纹理性,纹理越粗角二阶矩越大;边缘信号能量通过对图像灰度变化剧烈程度的度量反映了图像的信息多少,图像灰度变化越剧烈说明图像的纹理越多、图像越复杂即图像的边缘信号能量越大。因此,本专利技术集中考虑图像的角二阶矩、对比度、边缘信号能量三个特征参数。对大量基准辐射图像的分析发现,图像中内容相对稳定且显著性较强的区域的诸如角二阶矩、对比度、边缘信号能量等的特征参数往往呈正态分布,而不同程度的失真在不同程度上影响了图像特征的分布,因而本专利技术将待评价辐射图像的特征参数与基准辐射图像的统计特征参数(例如,对于正态分布而言,特征参数的均值和标准差)的偏差来度量待评价辐射图像的质量。
技术实现思路
鉴于此,本专利技术提出了用于对辐射图像进行质量评价的方法和系统。在本专利技术的一个方面,提供了一种用于对辐射图像进行质量评价的方法,包括:选择多个基准辐射图像,并且针对所述多个基准辐射图像中的每一个基准辐射图像的特定区域进行以下处理:计算归一化的灰度共生矩阵;以及根据所述归一化的灰度共生矩阵,计算特征参数;根据所述多个基准辐射图像的特征参数,计算所述多个基准辐射图像的特征参数的统计特征参数;计算待评价辐射图像的特定区域的归一化的灰度共生矩阵;根据所述待评价辐射图像的归一化的灰度共生矩阵计算所述待评价辐射图像的特征参数;以及根据所述多个基准辐射图像的特征参数的统计特征参数以及所述待评价辐射图像的特征参数计算偏差,所述偏差用于表征所述待评价辐射图像的质量。优选地,当所述多个基准辐射图像的特征参数服从正态分布时,根据所述多个基准辐射图像的特征参数,计算所述多个基准辐射图像的特征参数的统计特征参数包括:根据所述多个基准辐射图像的特征参数,计算所述多个基准辐射图像的特征参数的均值和标准差。优选地,所述特征参数包括角二阶距、对比度和边缘信号能量。优选地,根据所述多个基准辐射图像的特征参数的统计特征参数以及所述待评价辐射图像的特征参数计算偏差包括:根据下式计算所述偏差:其中,d是所述偏差,asmmu,contrastmu,和emu分别是所述多个基准辐射图像的角二阶距、对比度和边缘信号能量的均值,asmcov,contrastcov和ecov分别是所述多个基准辐射图像的角二阶距、对比度和边缘信号能量的标准差,以及asmd,contrastd,和ed分别是所述待评价辐射图像的角二阶距、对比度和边缘信号能量。优选地,根据所述多个基准辐射图像的特征参数,计算所述多个基准辐射图像的特征参数的均值包括:根据下式计算所述多个基准辐射图像的角二阶距、对比度和边缘信号能量的均值:其中,asmmu,contrastmu,和emu分别是所述多个基准辐射图像的角二阶距、对比度和边缘信号能量的均值,asmn,contrastn,和en分别是所述多个基准辐射图像中的基准辐射图像n的角二阶距、对比度和边缘信号能量,n=1…N,N是基准辐射图像的总数。优选地,根据所述多个基准辐射图像的特征参数,计算所述多个基准辐射图像的特征参数的标准差包括:根据下式计算所述多个基准辐射图像的角二阶距、对比度和边缘信号能量的标准差:其中,asmcov,contrastcov,和ecov分别是所述多个基准辐射图像的角二阶距、对比度和边缘信号能量的标准差,asmmu,contrastmu,和emu分别是所述多个基准辐射图像的角二阶距、对比度和边缘信号能量的均值,asmn,contrastn,和en分别是所述多个基准辐射图像中的基准辐射图像n的角二阶距、对比度和边缘信号能量,n=1…N,N是基准辐射图像的总数。优选地,所述特定区域是内容稳定且视觉显著性高的区域。在本专利技术的的另一方面,提供了一种用于对辐射图像进行质量评价的系统,包括:处理器,被配置为执行程序指令以进行以下操作:选择多个基准辐射图像,并且针对所述多个基准辐射图像中的每一个基准辐射图像的特定区域进行以下处理:计算归一化的灰度共生矩阵;以及根据所述归一化的灰度共生矩阵,计算特征参数;根据所述多个基准辐射图像的特征参数,计算所述多个基准辐射图像的特征参数的统计特征参数;计算待评价辐射图像的特定区域的归一化的灰度共生矩阵;根据所述待评价辐射图像的归一化的灰度共生矩阵计算所述待评价辐射图像的特征参数;以及根据所述多个基准辐射图像的特征参数的统计特征参数以及所述待评价辐射图像的特征参数计算偏差,所述偏差用于表征所述待评价辐射图像的质量;以及存储器,被配置为存储所述程序指令。优选地,当所述多个基准辐射图像的特征参数服从正态分布时,所述处理器还被配置为:根据所述多个基准辐射图像的特征参数,计算所述多个基准辐射图像的特征参数的均值和标准差。优选地,所述特征参数包括角二阶距、对比度和边缘信号能量。优选地,所述处理器还被配置为:根据下式计算所述偏差:其中,d是所述偏差,asmmu,contrastmu,和emu分别是所述多个基准辐射图像的角二阶距、对比度和边缘信号能量的均值,asmcov,contrastcov和ecov分别是所述多个基准辐射图像的角二阶距、对比度和边缘信号能量的标准差,以及asmd,contrastd,和ed分别是所述待评价辐射图像的角二阶距、对比度和边缘信号能量。优选地,所述处理器还被配置为:根据下式计算所述多个基准辐射图像的角二阶距、对比度和边缘信号能量的均值:其中,asmmu,contrastmu,和emu分别是所述多个基准辐射图像的角二阶距、对比度和边缘信号能量的均值,asmn,contrastn,和en分别是所述多个基准辐射图像中的基准辐射图像n的角二阶距、对比度和边缘信号能量,n=1…N,N是基准辐射图像的总数。优选地,所述处理器还被配置为:根据下式计算所述多个基准辐射图像的角二阶距、对比度和边缘信号能量的标准差:其中,asmcov,contrastcov,和ecov分别是所述多个基准辐射图像的角二阶距、对比度和边缘信号能量的标准差,asmmu,contrastmu,和emu分别是所述多个基准辐射图像的角二阶距、对比度和边缘信号能量的均值,asmn,contrastn,和en分别是所述多个基准辐射图像中的基准辐射图像n的角二阶距、对比度和边缘信号能量,n=1…N,N是基准辐射图像的总数。优选地,所述特定区域是内容稳定且视本文档来自技高网
...

【技术保护点】
1.一种用于对辐射图像进行质量评价的方法,包括:选择多个基准辐射图像,并且针对所述多个基准辐射图像中的每一个基准辐射图像的特定区域进行以下处理:计算归一化的灰度共生矩阵;以及根据所述归一化的灰度共生矩阵,计算特征参数;根据所述多个基准辐射图像的特征参数,计算所述多个基准辐射图像的特征参数的统计特征参数;计算待评价辐射图像的特定区域的归一化的灰度共生矩阵;根据所述待评价辐射图像的归一化的灰度共生矩阵计算所述待评价辐射图像的特征参数;以及根据所述多个基准辐射图像的特征参数的统计特征参数以及所述待评价辐射图像的特征参数计算偏差,所述偏差用于表征所述待评价辐射图像的质量。

【技术特征摘要】
1.一种用于对辐射图像进行质量评价的方法,包括:选择多个基准辐射图像,并且针对所述多个基准辐射图像中的每一个基准辐射图像的特定区域进行以下处理:计算归一化的灰度共生矩阵;以及根据所述归一化的灰度共生矩阵,计算特征参数;根据所述多个基准辐射图像的特征参数,计算所述多个基准辐射图像的特征参数的统计特征参数;计算待评价辐射图像的特定区域的归一化的灰度共生矩阵;根据所述待评价辐射图像的归一化的灰度共生矩阵计算所述待评价辐射图像的特征参数;以及根据所述多个基准辐射图像的特征参数的统计特征参数以及所述待评价辐射图像的特征参数计算偏差,所述偏差用于表征所述待评价辐射图像的质量。2.根据权利要求1所述的方法,其中,当所述多个基准辐射图像的特征参数服从正态分布时,根据所述多个基准辐射图像的特征参数,计算所述多个基准辐射图像的特征参数的统计特征参数包括:根据所述多个基准辐射图像的特征参数,计算所述多个基准辐射图像的特征参数的均值和标准差。3.根据权利要求2所述的方法,其中,所述特征参数包括角二阶距、对比度和边缘信号能量。4.根据权利要求3所述的方法,其中,根据所述多个基准辐射图像的特征参数的统计特征参数以及所述待评价辐射图像的特征参数计算所述偏差包括:根据下式计算所述偏差:其中,d是所述偏差,asmmu,contrastmu,和emu分别是所述多个基准辐射图像的角二阶距、对比度和边缘信号能量的均值,asmcov,contrastcov和ecov分别是所述多个基准辐射图像的角二阶距、对比度和边缘信号能量的标准差,以及asmd,contrastd,和ed分别是所述待评价辐射图像的角二阶距、对比度和边缘信号能量。5.根据权利要求3或4所述的方法,其中,根据所述多个基准辐射图像的特征参数,计算所述多个基准辐射图像的特征参数的均值包括:根据下式计算所述多个基准辐射图像的角二阶距、对比度和边缘信号能量的均值:其中,asmmu,contrastmu,和emu分别是所述多个基准辐射图像的角二阶距、对比度和边缘信号能量的均值,asmn,contrastn,和en分别是所述多个基准辐射图像中的基准辐射图像n的角二阶距、对比度和边缘信号能量,n=1...N,N是基准辐射图像的总数。6.根据权利要求3或4所述的方法,其中,根据所述多个基准辐射图像的特征参数,计算所述多个基准辐射图像的特征参数的标准差包括:根据下式计算所述多个基准辐射图像的角二阶距、对比度和边缘信号能量的标准差:其中,asmcov,contrastcov,和ecov分别是所述多个基准辐射图像的角二阶距、对比度和边缘信号能量的标准差,asmmu,contrastmu,和emu分别是所述多个基准辐射图像的角二阶距、对比度和边缘信号能量的均值,asmn,contrastn,和en分别是所述多个基准辐射图像中的基准辐射图像n的角二阶距、对比度和边缘信号能量,n=1...N,N是基准辐射图像的总数。7.根据权利要求1所述的方法,其中,所述特定区域是内容稳定且视觉显著性高的区域。8.一种用于对辐射图像进行质量评价的系统,包括:处理器,被配置为执行程序指令以进行以下操作:选择多个基准辐射图像,并且针对所述多个基准辐射图像中的每一个基准辐射图像的特定区域进行以下处理:计算归一化的灰度共生矩阵;以及根据所述归一化的灰度共生矩阵,计算特征参数;根据所述多个基准辐射图像的特征参数,计算所述多个基准辐射图像的特征参数的统计特征参数;计算待评价辐射图像的特定区域的归一化的灰度共生矩阵;根据所述待评价辐射图像的归一化的灰度共生矩阵计算所述待评价辐射图像的特征参数;以及根据所述多个基准辐射图像的特征参数的统计特征参数以及所述待评价辐射图像的特征参数计算偏差,所述偏差用于表征所述待评价辐射图像的质量;以及存储器,被配置为存储所述程序指令。9.根据权利要求8所述的系统,其中,当所述多个基准辐射图像的特征参数服从正态分布时,所述处理器还被配置为:根据所述多个基准辐射图像的特征参数,计算所述多个基准辐射图像的特征参数的均值和标准差。10.根据权利要求9所述的系统,其中,所述特征参数包括角二阶距、对比度和边缘信号能量。11.根据权利要求10所述的系统,其中,所述处理器还被配置为:根据下式计算所述偏差:其中,d是所述偏差,asmmu,contrastmu,和emu分别是所述多个基准辐射图像的角二阶距、对比度和边缘信号能量的均值,asmcov,contrastcov和ecov分别是所述多个基准辐射图像的角二阶距、对比度和边缘信号...

【专利技术属性】
技术研发人员:赵自然顾建平王志明温宏胜朱强强
申请(专利权)人:清华大学同方威视技术股份有限公司
类型:发明
国别省市:北京,11

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1