使用局部信噪比的去卷积装置和方法制造方法及图纸

本发明专利技术涉及一种用于对n维数字输入图像I(x

【技术实现步骤摘要】
【国外来华专利技术】使用局部信噪比的去卷积装置和方法
本专利技术涉及一种用于数字图像恢复的方法和装置，特别是来自显微镜或内窥镜的数字输入图像。
技术介绍
在图像处理的领域，已知去卷积可以提高分辨率并减少数字输入图像中的噪声。去卷积的基本假设是，观察到的数字输入图像I(xi)由真实图像得出，如下所示：其中h(xi)表示线性传递函数，例如来自于记录系统，诸如点扩散函数，n(xi)表示加性图像噪声，n表示根据信号强度的泊松噪声，xi表示输入体素，*表示卷积。在去卷积中，即，对真实图像的估计的计算中，图像噪声由噪声分量表示。数字输入图像可以是二维或更高维的。因此，一般而言，输入图像可以是n维的，n是大于1的整数，n≥2。在每个输入体素xi上，输入图像由至少一个图像参数I表示，所述图像参数I是数字值，其尤其可以表示光强度。如果数字输入图像是二维的，则体素可以是像素。更一般地，如果输入图像是n维的，则体素可以是n维的数据结构。n维可以从例如具有多个颜色通道的空间-三维-图像和/或二维图像得出。例如，输入图像可以在每个体素处包括在不同光谱带的多个强度值，诸如在可见光和不可见光范围内的R、G、B值和/或其他颜色、UV、IR、NIR值或单个灰度强度值的任何一种或组合此处和下文中，输入体素标记在输入图像中的位置xi，其中xi可以由n维图像的n个局部坐标的n元组xi＝{x1,…,xn}表示。例如，在二维RGB图像中，n＝5成立，因为存在两个空间坐标x，y和图像的三个颜色通道R,G,B:xi＝{x1,…,x5}＝{x,y,R,G,B}。可替代地，RGB输入图像可以被认为是三个独立的二维灰度图像R(x,y),G(x,y),B(x,y)，其中R,G,B表示例如相应色带中的光强度I。输入图像也可以是三维的。对于三维灰度图像，n＝3,xi＝{x1,x2,x3}＝{x,y,z}。为了对嘈杂的输入图像进行去卷积，需要有关信噪比的知识。实际上，必须估计图像噪声和信噪比。因此，去卷积仅允许计算真实输入图像的近似值f(xi)。标准去卷积算法无法在诸如显微镜或内窥镜之类的特定应用中提供最佳结果，在这些特定应用中，尤其是荧光图像的图像特性不同于诸如肖像、风景、娱乐或艺术图像等其他应用中遇到的图像特性。此外，特别是考虑到现代图像的空间分辨率的提高，实时执行详细的估算和信噪比的计算很快变得繁重，尤其是在去卷积必须赶上高帧频，诸如60Hz的速度的情况下。
技术实现思路
因此，本专利技术的目的是提供一种具有改善的去卷积性能的装置和方法，特别是在荧光、内窥镜和/或显微镜图像的情况下。此外，本专利技术的目的是提供一种能够实时对高分辨率数字输入图像进行卷积的装置和方法。根据本专利技术，此目的通过根据权利要求1的方法来解决，所述方法涉及一种用于对具有多个输入体素的数字输入图像进行去卷积的方法，所述数字输入图像特别是从显微镜或内窥镜获得的和/或使用荧光获得的数字输入图像，所述方法包括以下步骤：计算数字输入图像的输入区内的局部信噪比，所述输入区由数字输入图像的多个输入体素的子集组成并且围绕当前输入体素；根据局部信噪比计算噪声分量，所述噪声分量表示去卷积中的图像噪声；其中，对于高于预定的上SNR阈值的局部信噪比，噪声分量被限制为预定的最小噪声值，且对于低于预定的下SNR阈值的局部声噪比，噪声分量被限制为预定的最大噪声值。此外，根据本专利技术，通过根据权利要求13的用于医学观察装置的图像处理器也解决了上述目的，所述图像处理器包括：用于存储包括多个输入体素的数字输入图像的存储或存储器部分，以及去卷积引擎，用于从多个输入体素计算去卷积的输出图像；其中，去卷积引擎包括噪声分量，所述噪声分量取决于输入体素上的局部信噪比，所述局部信噪比是在由数字输入图像的多个输入体素的子集组成的输入区中进行计算的；其中，图像处理器包含预定的上SNR阈值和预定的下SNR阈值；以及其中，对于高于预定的上SNR阈值的局部信噪比，噪声分量被限制为预定的最小噪声值，并且对于低于预定的下SNR阈值的局部声噪比，噪声分量被限制为预定的最大噪声值。根据本专利技术的解决方案通过使用仅针对输入区计算的局部信噪比，来提高去卷积后的输出图像的质量，即降低的噪声和增加的清晰度。同时，本专利技术的方法和装置通过将加性噪声分量的计算限制在输入体素周围的局部输入区并通过引入较高的和下SNR阈值来实现计算优势。通过本专利技术的方法和装置获得的输出图像的质量提高的一个原因可能是，特别是在诸如通过显微镜和内窥镜和/或通过使用荧光获得的生物物质的图像中，噪声的特性在整个数字输入图像中可能不同。例如，图像的区中的噪声特性处于焦点位置并显示出细胞或组织的照明或发荧光部分，其可能与大部分包含黑色或白色背景的区不同。此外，已经观察到，对于高于预定的上SNR阈值的较大的局部信噪比，图像足够好，并且不需要对正则化参数执行进一步的计算。因此，对于高于预定的上SNR阈值的信噪比，可以将噪声分量设置为预定的最小噪声值。此外，已经观察到，对于非常小的局部信噪比，SNR<1甚至SNR＜＜1，允许噪声分量增加到预定的最大值以上不会导致去卷积的输出图像中更好的结果。因此，如果信噪比下降到预定的下SNR阈值以下，则将噪声分量限制为预定的最大SNR值。通过添加以下一个或多个以下特征可以进一步改善根据本专利技术的解决方案，这些特征可以彼此独立地组合。例如，图像处理器可以是软件设备、硬件设备或硬件设备和软件设备两者的组合。图像处理器可以包括CPU、阵列处理器、GPU、ASIC、FPGA和/或FPU中的至少之一。图像处理器可以特别地适于执行阵列和/或并行地处理组装。图像处理器可以包括一个或多个软件模块，所述软件模块在操作中例如通过改变晶体管状态，来改变处理器的物理结构。信噪比SNR(xi)为可以在输入区R(xi)中计算输入图像的体素xi，作为信号电平或强度S(xi)与噪声电平N(xi)的比值：在另一个实施例中，信噪比可以被计算为一旦已经针对数字输入图像的所有输入体素xi计算了局部信噪比，就可以使用诸如低通或高斯滤波器之类的线性滤波器来模糊生成的得到的n维阵列SNR(xi)，以确保体素之间的平滑过渡。优选地，仅将当前体素周围的预定地输入区中的像素用于计算在该特定当前体素处的局部信噪比。特别地，可以仅在(相同)输入区中分别计算噪声电平N(xi)和信号电平S(xi)。根据一个实施例，可以通过将输入区R(xi)中的带有模糊核kb(xi)的输入图像I(xi)进行卷积来估计在输入体素xi处的信号电平或强度S(xi)，以估计局部SNR并采用此卷积的最大值：其中Ω是进行卷积的区。根据一个实施例，输入区可包含200至1000个输入体素，更优选地300至700个输入体素，并且最优选地约500个输入体素。此大小的输入区足够大，可以给出可靠的统计估计值，但同时又不能太大，以至于无法扩展到图像中具有不同噪声特性的本文档来自技高网...

【技术保护点】
1.用于对具有多个输入体素(x

【技术特征摘要】
【国外来华专利技术】20180914 EP 18194617.91.用于对具有多个输入体素(xi)的数字输入图像(I(xi))进行去卷积的方法，所述数字输入图像(I(xi))特别是从诸如显微镜(12)或内窥镜的医学观察设备(10)获得的和/或使用荧光获得的数字输入图像，所述方法包括以下步骤：
计算所述数字输入图像的输入区(R(xi))内的局部信噪比(SNR(xi))，所述输入区由所述数字输入图像的多个输入体素的子集组成，并且围绕当前的输入体素，
从所述局部信噪比计算噪声分量(β(SNR))，所述噪声分量表示所述去卷积中的图像噪声(n([h*f](xi)，n(xi))，
其中，对于高于预定的上SNR阈值(SNRmax)的局部信噪比，所述噪声分量被限制为预定的最小噪声值(βmin)，且对于低于预定的下SNR阈值(SNRmin)的局部信噪比，所述噪声分量被限制为预定的最大噪声值(βmax)。


2.根据权利要求1所述的方法，其中，计算所述局部信噪比(SNR)的所述步骤包括计算所述输入区(R(xi))中的局部信号电平(S(xi))和所述输入区(R(xi))中的局部噪声电平(N(xi))，并且其中计算所述噪声电平的所述步骤包括针对输入体素(xi)的至少一个连续区计算至少一个区域求和表(38)。


3.根据权利要求2所述的方法，其中计算所述至少一个区域求和表(38)的所述步骤包括使用前缀和以并行方式计算所述至少一个区域求和表的步骤。


4.根据权利要求2或3所述的方法，其中，计算所述局部噪声电平(N)包括：使用至少一个区域求和表(38)来计算所述数字输入图像(I(xi))的方差。


5.根据权利要求4所述的方法，其中，在将线性导数算子应用于所述输入图像数据(I(xi))以获得导数图像数据(I′(xi))之后，计算所述方差。


6.根据权利要求5所述的方法，其中，所述线性导数算子是梯度算子或边缘检测滤波器。


7.根据权利要求1至6中任一项所述的方法，其中，计算所述局部信噪比(SNR(xi))的所述步骤包括计算在所述输入区(R(xi))中的输入体素(xi)处的信号电平(S(xi))的步骤，并且其中计算所述信号电平的所述步骤包括将所述输入图像数据(I(xi))与模糊核...

【专利技术属性】
技术研发人员：弗罗里安·齐塞，凯·沃尔特，
申请(专利权)人：莱卡微系统CMS有限责任公司，
类型：发明
国别省市：德国;DE