一种螺旋断层放疗图像质量提高方法技术

一种螺旋断层放疗图像质量提高方法，它是涉及一种基于视网膜-大脑皮层理论的螺旋断层放疗图像质量提高方法，它有四大步骤：步骤一：计算机在MATLAB环境下读取螺旋断层放疗图像；步骤二：对图像进行双边滤波去噪；步骤三：对图像进行基于视网膜-大脑皮层理论的对比度提升；步骤四：使用高斯-赛格尔迭代法对图像边缘进行增强。本发明专利技术解决了原螺旋断层放疗图像噪声较多、对比度差和边缘不清晰的问题，取得了较好的质量增强结果，在螺旋断层治疗领域里具有广阔的应用前景。

【技术实现步骤摘要】
201610012166

【技术保护点】
一种螺旋断层放疗图像质量提高方法，它是涉及一种基于视网膜‑大脑皮层理论的螺旋断层放疗图像质量提高方法，其特征在于：该方法的具体步骤如下：步骤一：首先通过螺旋断层放疗仪器输出计算机数字图像，然后使用Matlab语言中的imread函数读取该图像，将其信息转为Matlab矩阵形式，使Matlab语言对其进行处理；本专利技术中的螺旋断层放疗图像为512像素*512像素*c通道的数字图像，即读入的矩阵数据为512*512*c维度；其中符号c表示该图像中包含的断层数量，每一断层为一幅灰度图像，c通道数目的断层图像堆叠成完整的螺旋断层放疗图像；本方法没有使用通道之间的关联信息，所以以下步骤均是在单幅断层图像上完成；为方便说明，以下使用大写字母I表示图像被Matlab读入后的矩阵数据其中的某一通道(即512*512维度的矩阵)；上标数字表明本方法中不同步骤的中间图像矩阵数据，如I0表示原始图像矩阵数据；使用下标表示矩阵中某一元素(对应图像中的某个坐标上的像素)，即Ix，y表示矩阵I中位于坐标(x，y)的元素；步骤二：在Matlab软件中，对上一步骤读入的矩阵(即I0)进行如下运算：Ix,y1=ΣΩIi,j0w(x,y,i,j)ΣΩw(x,y,i,j)]]>其中，Ω表示(x，y)坐标的邻域范围，坐标(i，j)满足(i，j)∈Ω；权重系数w的取值为值域权重r(x,y,i,j)=exp(-||Ii,j0-Ix,y0||22σr2)]]>与空间域权重s(x,y,i,j)=exp(-(i-x)2+(j-y)22σs2)]]>的乘积；该步骤为图像的双边滤波操作，在保持图像边缘的同时有良好的去噪效果；步骤三：在Matlab软件中，对上一步骤的矩阵进行如下操作：Ix,y2=(11+exp(-a*Rx,y+b)+c)c+1]]>其中，a，b，c为超参数，由手动设置，并有：Rx,y=Ix,y1Ix,y1*G]]>这里，符号*代表卷积，符号G表示高斯核，即分母为分子高斯核模糊后的图像；该步骤即为改进的Retinex算法，它没有采用以往常见的Retinex方法中采用的对数形式，而是使用了新的曲线函数形式；步骤四：首先，使用Matlab中的索贝尔算子函数，对矩阵I2进行操作，获得的边缘图像矩阵标记为Gra；然后，对边缘图像矩阵Gra进行逐像素遍历，寻找邻域内的边缘最大值，得到矩阵GraM来标记当前位置是否为矩阵Gra中的邻域最大值，再通过：Grax,y1=Grax,y·fx,y]]>更新矩阵Gra，其中fx，y为一以当前点(x，y)距离最近边缘最大点的距离为自变量的自定义函数，该函数值当与最近邻的边缘最大值点距离较小时大于1；距离较大时小于1，这样使新的Gra1相对应的边缘图像中的边缘的分布变窄、峰值变高；最后，使用高斯‑赛德尔迭代方法，利用矩阵Gra1反推出边缘增强的图像，步骤如下：1.对矩阵Gra1再次进行差分运算，得到目标图像的二阶导图像矩阵Lap；2.初始化矩阵dst0＝I23.反复进行如下迭代，直到迭代次数达到5次，其中n为迭代次数，n＝0,1,2…：1)Dn=(Lapx,y+dstx+1,yn+dstx-1,yn+dstx,y-1n+dstx,y+1n)/4-dstx,yn;]]>2)dstx,yn+1=dstx,yn+1.9×Dn;]]>经过以上步骤迭代，获得最终图像，完成对螺旋断层放疗图像的质量提高。...

【技术特征摘要】
1.一种螺旋断层放疗图像质量提高方法，它是涉及一种基于视网膜-大脑皮层理论的螺旋断
层放疗图像质量提高方法，其特征在于：该方法的具体步骤如下：
步骤一：首先通过螺旋断层放疗仪器输出计算机数字图像，然后使用Matlab语言中的
imread函数读取该图像，将其信息转为Matlab矩阵形式，使Matlab语言对其进行处理；
本发明中的螺旋断层放疗图像为512像素*512像素*c通道的数字图像，即读入的矩阵
数据为512*512*c维度；其中符号c表示该图像中包含的断层数量，每一断层为一幅灰度图
像，c通道数目的断层图像堆叠成完整的螺旋断层放疗图像；本方法没有使用通道之间的关
联信息，所以以下步骤均是在单幅断层图像上完成；为方便说明，以下使用大写字母I表示
图像被Matlab读入后的矩阵数据其中的某一通道(即512*512维度的矩阵)；上标数字表明
本方法中不同步骤的中间图像矩阵数据，如I0表示原始图像矩阵数据；使用下标表示矩阵中
某一元素(对应图像中的某个坐标上的像素)，即Ix，y表示矩阵I中位于坐标(x，y)的元素；
步骤二：在Matlab软件中，对上一步骤读入的矩阵(即I0)进行如下运算：
I x , y 1 = Σ Ω I i , j 0 w ( x , y , i , j ) Σ Ω w ( x , y , i , j ) ]]>其中，Ω表示(x，y)坐标的邻域范围，坐标(i，j)满足(i，j)∈Ω；权重系数w的取值为值域权重
r ( x , y , i , j ) = exp ( - | | I i , j 0 - I x , y 0 | | 2 2 σ r 2 ) ]]>与空间域权重 s ( x , y , i , j ) = exp ( - ( i - x ) 2 + ( j - y ) 2 2 σ s 2 ) ]]>的乘积；该步骤为
图像的双边滤波操作，在保持图像边缘的同时有良好的去噪效果；
步骤三：在Matlab软件中，对上一步骤的矩阵进行如下操作：
I x , y 2 ...

【专利技术属性】
技术研发人员：史振威，林浩宁，夏廷毅，吴伟章，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11