专利汇可以提供基于非下采样Directionlet变换和压缩感知的乳腺X线图像增强方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于非下 采样 Directionlet变换和 压缩 感知 的乳腺X线图像增强方法,主要解决现有方法对于低 对比度 医学图像增强效果不足的 缺陷 。其特点是将非 下采样 Directionlet变换和压缩感知引入到图像增强中,即首先对图像进行非下采样Directionlet变换,并通过压缩感知集中高频系数的 能量 ;然后通过线性增强 算法 对集中的高频系数进行增强;最后使用非下采样Directionlet变换对增强后的频域表示系数进行重构,获得增强后的乳腺图像。本发明能够较好地抑制病变区域背景的影响,显著增强低对比度图像中病变区域的特征,增加图像的信息量和可读性,可用于医学辅助放射诊断。,下面是基于非下采样Directionlet变换和压缩感知的乳腺X线图像增强方法专利的具体信息内容。
1.一种基于非下采样Directionlet变换和压缩感知的乳腺X线图像增强方法,包括如下步骤:
(1)将输入图像Iin变换到Directionlet变换域,即利用非下采样Directionlet变换对输入图像Iin进行子带分解,得到频域表示系数D,该频域表示系数D包括高频分量 和低频分量
(2)随机生成高斯白噪声观测矩阵Φ。
(3)使用生成的高斯白噪声观测矩阵Φ对频域表示系数D中的高频分量 进行观测,得到观测值X。
(4)采用OMP算法,对观测值X进行恢复,得到恢复后的高频分量
(5)对恢复后的高频分量 进行线性增强处理,得到增强后的高频分量
(6)对频域表示系数D中的低频分量 以及增强后的高频分量 进行非下采样Directionlet逆变换,最终得到增强后的图像Iout。
2.根据权利要求书1所述的乳腺X线图像增强方法,其中步骤(1)所述的利用非下采样Directionlet变换对输入图像Iin进行子带分解,按如下步骤进行:
(1a)随机产生两个线性无关的整数向量d1和d2,分别作为图像的变换方向和队列方向,其中d1=[a1,b1],d2=[a2,b2],a1是整数向量d1的终点横坐标,b1是整数向量d1的终点纵坐标,a2是整数向量d2的终点横坐标,b2是整数向量d2的终点纵坐标;
(1b)将整数向量d1和d2构成采样矩阵MΛ:
式中,Z是整数全集;
(1c)根据采样矩阵MΛ将输入图像Iin划分为|det(MΛ)|个互不相关的子图序列F,F中的每一个子图为Fk,k=0,...,|det(MΛ)|-1,
其中,|det(MΛ)|是采样矩阵MΛ的行列式,Fk为任一子图,表示为:
Fk(n)=Iin(MΛ(n-Sk))
式中,n=(n1 n2)是像素点在图像中的位置坐标,Fk(n)表示第k个子图中位置坐标为(n1 n2)的像素点,Sk表示第k个子图Fk的位移矢量,Iin(MΛ(n-Sk))为第k个子图,它是利用位移矢量Sk将输入图像Iin的像素点进行移位,再使用采样矩阵MΛ对其进行矩阵采样运算后得到的;
(1d)对子图序列F进行三层冗余小波分解,得到子图序列F在各尺度下的高频子带系j j j j 3 j
数序列:W =(H,V,D),j=1,2,3和低频子带系数序列A,高频子带系数序列W 中的每
3
一个子带系数为: k=0,...,|det(MΛ)|-1,低频子带系数序列A 中的每一个子带系数为: k=0,...,|det(MΛ)|-1;
其中, 是指在进行第j层冗余小波分解后表示子图Fk中水平方向细节信息的频域子带系数, 是指在进行第j层冗余小波分解后表示子图Fk中垂直方向细节信息的频域子带系数, 是指在进行第j层冗余小波分解后表示子图Fk中对角线方向细节信息的频域子带系数, 是指在进行第三层冗余小波分解后表示子图Fk中低频概貌信息的频域子带系数,j尺度下频域子带系数 依次表示为:
j=1,2,3
式中, 是“97”小波的低通分解滤波器系数, 是“97”小波的高通分解滤波器系数, 和 分别是对 和 进行j次插值得到的滤波器
系数, 表示待变换的子图;
j j j j 3
(1e)对高频子带系数序列W =(H,V,D)和低频子带系数序列A 进行采样矩阵为MΛj′ j′ j′ j′
的矩阵插值运算,得到插值后的高频子带系数序列:W =(H ,V ,D )和低频子带系数
3′
序列A ,表示为:
j=1,2,3
式中,MΛ是采样矩阵,n=(n1 n2)表示像素点在图像中的位置坐标, 表示对像素点的位置坐标进行矩阵插值运算后得到的新的位置坐标,Λ表示频域子带系数Wk的下标集;
j′ j′ j′ j′
(1f)分别对插值运算后的高频子带系数序列W =(H ,V ,D )和低频子带系数序
3′
列A 进行叠加,得到输入图像Iin进行非下采样Directionlet变换后的频域表示系数D=j j j 3
(DH,DV,DD,DA),
j j
其中:DH 是指表示图像变换方向细节信息的高频分量,DV 是指表示图像队列方向细j 3
节信息的高频分量,DD 是指表示图像变换方向和队列方向细节信息的高频分量,DA 是指表示图像低频概貌信息的低频分量,它们分别表示为:
j=1,2,3
式中,n=(n1 n2)表示像素点在图像中的位置坐标,Sk表示第k个位移矢量,(n+Sk)表示对位置坐标进行移位得到的新的位置坐标,DHj,DVj,DDj组成频域表示系数D中的高频分
3
量 DA 组成频域表示系数D中的低频分量
3.根据权利要求书1所述的乳腺X线图形增强方法,其中步骤(3)所述的使用生成的高斯白噪声观测矩阵Φ对频域表示系数D中的高频分量 进行观测,是指使用随机生成的观测矩阵Φ与频域表示系数D中的高频分量 相乘,获得观测值
其中:
j
是对高频分量 中表示图像变换方向细节信息的系数DH 进行观测的结果,表示为:
是对高频分量 中表示图像队列方向细节信息的系数DVj进行观测的结果,表示为:
j
是对高频分量 中表示图像变换方向和队列方向细节信息的系数DD 进行观测的结果,表示为:
4.根据权利要求书1所述的乳腺X线图形增强方法,其中步骤(4)所述的采用OMP算法,对观测值X进行恢复,按如下步骤进行:
(4a)将迭代计数器t初始化为1,即t=1;
(4b)计算观测矩阵 中每一列的列向量 与观测值 中
第i部分系数 的第p列列向量vp之间的内积,得到内积序列I,I中每一个内积为Ij表示为:
p=1,2,...,n,j=1,2,...,N
式中,n是系数 的列数,N是观测矩阵Φ的列数;
(4c)计算内积序列I中数值最大的内积:
(4d)计算最大内积Imax在内积序列I中的位置序号:
(4e)用最大的内积Imax的位置序号λt构成序号集:Λt=(Λt-1,λt),式中,序号集Λ0为空集: 表示空集;
(4f)用观测矩阵Φ中第λt列的列向量 构成增广矩阵: 式中,增广矩
阵Φ0为空集:
(4g)将列向量 从观测矩阵Φ中移除,即将观测矩阵Φ中第λt列的列向量 置为空集:
(4h)利用增广矩阵Φt对列向量vp进行估计,得到新的估计值xt:
式中,<Φt,vp>是指增广矩阵Φt和列向量vp的内积,<Φt,Φt>是指增广矩阵Φt与其本身的内积;
(4i)根据新的估计值xt和位置序号λt计算重构恢复后的列向量:
(4j)利用新的估计值xt、增广矩阵Φt和列向量vp计算残差值rt:rt=vp-Φtxt;
(4k)增加迭代计数器t:t=t+1,用残差值rt替换步骤(4b)和(4h)中的列向量vp,重复步骤(4b)~(4k)直到迭代计数器t等于观测次数M的四分之一,即 为止,此时得到的列向量 p=1,2,...,n构成了经过重构恢复后的高频系数 表示为n是系数 的列数,重构恢复后的高频系数 构成了频域高频分量:
该频域高频分量能够较为集中地代表图像的主要高频分量特征,进而提
高后续处理对图像的增强效果。
5.根据权利要求书1所述的乳腺X线图形增强方法,其中步骤(5)所述的对恢复后的高频分量 进行线性增强处理,是指对重构恢复后的频域高频系数 乘以放大因子μ,得到增强后的频域高频系数为: 表示为 本发明在进行多
次实验测试及验证的基础上,得出增强系数μ的取值范围为3~6之间。
6.根据权利要求书1所述的乳腺X线图像增强方法,其中步骤(6)所述的对频域表示系数D中的低频分量 以及增强后的高频分量 进行非下采样Directionlet逆变换,按如下步骤进行:
(6a)使用采样矩阵MΛ分别对增强后的高频分量 和频域表示系数D中的
低频分量 进行矩阵采样,得到频域系数序列 其中:
是使用采样矩阵MΛ对高频分量 进行矩阵采样的结果, 是使用采
样矩阵MΛ对低频分量DA3进行矩阵采样的结果,表示为
i=1,2,3
k=0,...,|det(MΛ)|-1
式中,n=(n1 n2)是像素点在图像中的位置坐标,Sk表示第k个位移矢量,MΛ(n-Sk)表示通过位移矢量Sk对位置坐标进行移位,并使用采样矩阵对移位后的位置坐标进行矩阵采样后得到的新的位置坐标;
(6b)将频域系数序列 分别进行三层冗余小波重构,得到第j层冗
j j
余小波重构后的系数序列Z,系数序列Z 中每一个子系数 表示为:
j=2,1,0
式中, 和 分别表示“97”小波的重构低通滤波器系数和重构高通滤波
器系数, 和 分别是对 和 进行j次插值得到的滤波器系
0 j
数;此时得到变换后的图像序列:Z =Z(j=0)。
0
(6c)对变换后的图像序列Z 中每一个子图 进行采样矩阵为MΛ的矩阵插值运算,得到插值后的图像序列Z,图像序列Z中每一个子图Zk表示为:
式中,MΛ是采样矩阵,n=(n1 n2)表示像素点在图像中的位置坐标, 表示对位置坐标进行矩阵插值后得到的新的位置坐标;
(6d)对矩阵插值运算后的图像序列Z进行叠加,得到经过非下采样Directionlet变换及压缩感知增强后的增强图像Iout,表示为:
式中,n=(n1 n2)表示像素点在图像中的位置坐标,Sk是指第k个位移矢量,Zk(n+Sk)表示对图像序列Zk中第k个子图进行坐标移位后得到的新的子图。
像增强方法
技术领域:
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种小型水电站全感知交互系统及方法 | 2020-05-16 | 489 |
基于无反馈码率控制的分布式视频压缩感知系统及方法 | 2020-05-17 | 626 |
焊装车间焊丝自动感知更换系统 | 2020-05-20 | 741 |
石化火灾场景多感知应急训练系统 | 2020-05-11 | 673 |
空调器及其控制方法 | 2020-05-11 | 68 |
基于二维压缩感知的MIMO-OFDM通信系统下行信道估计方法、装置 | 2020-05-15 | 69 |
基于信任度的双门限协作频谱感知方法 | 2020-05-16 | 450 |
多用户多天线协作频谱感知检测概率优化方法 | 2020-05-20 | 744 |
一种虚拟触觉产生装置 | 2020-05-20 | 892 |
基于压缩感知的自适应分辨率数据重构方法 | 2020-05-13 | 63 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。