一种数字X射线胶片噪声评价方法，包括：获得原始图像；对原始图像进行低频滤波获得估计图像；产生作为原始图像与估计图像之差的噪声图像；通过形态学滤波排除噪声图像中与原始图像急剧变化对应的像素；将估计图像的强度范围分割为区间，估计图像的每一像素涉及适当的区间；为每个区间累积噪声图像中与估计图像的像素对应的像素；使用累积在这样的区间中的噪声图像像素计算噪声方差的区间估计；根据3σ法排除噪声像素，改进区间估计，对噪声方差的区间估计进行稳健局部线性近似，产生描述噪声对信号强度依赖关系的表格函数；基于估计图像和得到的噪声对信号强度依赖关系表格函数计算作为对原始图像进行逐像素噪声方差估计的噪声地图。
【技术实现步骤摘要】
本专利技术涉及数字图像处理，能用于解决与用包括X射线在内的高能辐射获得的数字图像的处理有关的问题。本专利技术尤其涉及数字X射线胶片的噪声评价。
技术介绍
目前，各种图像处理算法已用于数字射线照相术。勾边法(crispening)或解剖组织分割法(anatomical organization segmentation)等方法可使用图像的噪声水平的数据。而且，事实上，每个定性的噪声抑制方法都使用噪声方差(dispersion/variance)作为参数。因此，考虑下面的问题是重要的如何仅利用数字原始图像来确定该图像的噪声水平。这个问题由于数字图像的噪声方差显著依赖于有用信号的强度这一事实而变得复杂。噪声通常是任意单位的测量量与其精确值的随机偏差。在数字射线照相术中，成像检测器测量X射线的强度，每个单元像一个光子加法器，通过光子吸收来在照射时间内收集平均歹个电子。在照射时间内在检测器单元中收集的、在光子吸收过程期间产生的电子数N可通过使用泊松分布随机量来模拟P〈N = )= Qxp(-N) — -,n ^ Oη\所吸收的光子的随机波动称作量子噪声或光子噪声。在现代的检测器中，光子噪声是图像噪声的主要来源。其它的噪声源涉及检测器系统噪声读出噪声、热噪声、放大器的噪声、量子化噪声等(引证文件5)。给定噪声源的总效果可通过高斯分布随机量来模拟 (引证文件1-3)。根据传统模型，在线性电子电路中，数字图像总噪声(光子噪声和其它噪声源)的方差是有用信号的线性函数(引证文件11)σ 2(I (P)) =al(p)+b (I)其中，I (P)是像素P的信号强度水平。存在很多致力于解决数字图像噪声评价问题的出版物(引证文件1、3、4、6_8、 10)。引证文件6提供了一种非参数(non-parametric)的噪声评价方法，该方法的重点在于开发一种实时的算法。引证文件3考虑了噪声评价的两参数法(two-parametrc approach) 0原始数据数字图像(直接从成像检测器获得的未经非线性变换如伽玛校正等的图像)的噪声被模型化为与信号随机值有关的加数(additive)，该信号随机值的方差根据上述公式(I)依赖于信号。这种绘制模型噪声方差曲线的方法考虑了检测器操作中来源于不充分照射和过分照射的非线性，即在动态范围的边界处违反上述公式(I)时的非线性。引证f件UBosco A. ,Battiato S. ,Bruna A. R. ,Rizzo R. Noise reduction for cfa image sensors exploiting hvs behavior. Sensors 9 (3)，1692-1713 (2009).2、Foi A.，Trimeche M.，Katkovnik V.，Egiazarian K. Practical poissonian-gaussian noise modeling and fitting for single-image raw-data. ImageProcessing，IEEE Transactions on 17，1737-1754(October 2008).3、Foi A. Practical denoising of clipped or overexposed noisy images. Proc.16th European Signal Process.Conf. ， EUSIPC0 2008， Lausanne， Switzerland, August 2008.4、Forstner W. Image preprocessing for feature extraction in digital intensity, color and range images. In Springer Lecture Notes on Earth Sciences， 1998.5、Gino M. Noise, Noise，Noise. http://www. astrophys-assist. com/educate/ noise/noise, htm6、Hensel M.，Lundt B. , Pralow T.，Grigat R. -R. Robust and Fast Estimation of Signal-Dependent Noise in Medical X-Ray Image Sequences. In Handels，H.， et al. ， ed. Bildverarbeitung fur die Medizin 2006 :Algorithmen， Systeme, Anwendun-gen. Springer (2006)46-50.7、Liu C.，Szeliski R.，Kang S. B.，Zitnick C. L，Freeman W. T. Automatic estimation and removal of noise fro a single image. IEEE Transactions on Pattern Analysis and Machine Intelligence 30(2)，299 {314 (2008)·8、Salmeri M.，Mencattini A.，Rabottino G.，Lojacono R. Signal-dependent Noise Characterization for Mammographic Images Denoising. IMEKO TC4 Symposium(IMEK0TC4' 08)，Firenze, Italy, September 2008.9、Starck J.，Murtagh F.，Bijaoui A. Image Processing and Data Analysis The Multiscale Approach. Cambridge University Press,1998.10、Waegli B. Investigations into the Noise Characteristics of Digitized Aerial Images. In Int.Arch. For Photogr. And Remote Sensing, Vol. 32-2, pages341_348，1998.11、 HHe B.UMtfcpoBaii o6pa6oTKa M3o6pa^ceHMi5.M·，TexHoc Φ epa，2007，583c.12、W. H. Press, S. A. Teukolsky, W. T. Vetterling, B. P. Flannery. Numerical Recipes in C The Art of Scientific Computing，Second Edition. New York Cambridge University Press,1992.
技术实现思路
与本专利技术最相关的方法是记载于引证文件2、6中的方法，根据该方法，对原始图像上的依赖信号的噪声的估计需要进行下面的步骤-通过对原始数据数字图像进行低本文档来自技高网...
【技术保护点】
【技术特征摘要】
...
【专利技术属性】
技术研发人员：S莫科里夫，
申请(专利权)人：伊姆普斯封闭式股份有限公司，
类型：发明
国别省市：
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。