CN104036472A - 用于3d图像质量增强的方法和设备 - Google Patents
用于3d图像质量增强的方法和设备 Download PDFInfo
- Publication number
- CN104036472A CN104036472A CN201310071253.3A CN201310071253A CN104036472A CN 104036472 A CN104036472 A CN 104036472A CN 201310071253 A CN201310071253 A CN 201310071253A CN 104036472 A CN104036472 A CN 104036472A
- Authority
- CN
- China
- Prior art keywords
- rendering
- pixel
- denoising
- overbar
- input
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 7
- 238000009877 rendering Methods 0.000 claims description 168
- 238000005728 strengthening Methods 0.000 claims description 22
- 239000003623 enhancer Substances 0.000 claims description 5
- 238000012014 optical coherence tomography Methods 0.000 description 20
- 239000000654 additive Substances 0.000 description 8
- 230000000996 additive effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000012935 Averaging Methods 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000002146 bilateral effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 208000017520 skin disease Diseases 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000004304 visual acuity Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/40—Picture signal circuits
- H04N1/409—Edge or detail enhancement; Noise or error suppression
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
Abstract
公开用于3D图像质量增强的方法和设备,所述方法包括以下步骤:(a)基于噪声特性将输入的3D图像划分为多个子区域;(b)根据各个子区域的噪声特性,应用不同的去噪策略对输入的3D图像的各个子区域进行去噪,从而获得去噪后的3D图像;(c)增强去噪后的3D图像的对比度。
Description
技术领域
本发明涉及光学相干层析3D图像的处理,更具体地讲,涉及一种能够去除3D图像噪声并且能够提高3D图像对比度的用于3D图像质量增强的方法和设备。
背景技术
光学相干层析(OCT)术是最近几十年发展起来的高分辨率生物组织成像技术。这一技术已经成功应用于眼科临床医学,但是其在例如肿瘤检测和皮肤病检测等对高致密组织成像领域的应用还很不完善。因为高致密组织对光的高散射和低穿透性会严重降低OCT***的信噪比和所生成的图像的动态范围,所以对图像中器官和病变的分辨和诊断变得困难。为了提高高致密组织图像的辨识度,发展快速而有效的图像噪声去除和图像细节对比度增强方法变得十分必要。
OCT图像的噪声主要包含加性噪声和乘性噪声,也叫做非相干噪声和相干噪声。去噪方法主要分为基于硬件的去噪和基于数字滤波的去噪。基于硬件的去噪主要是空间、频率、角度、和偏振态等的混合技术。理想情况下,这些技术可以从物理上去除***的加性噪声和乘性噪声,但是需要增加额外的***硬件,因而使得***的造价偏高。这种混合技术需要额外的扫描过程和图像平均过程,因此会明显降低***的成像速度和图像的对比度。与此相比,基于软件的实时后处理方法可以在不影响成像速度的情况下对图像进行去噪和对比度增强,是基于硬件的处理方法的一个很好的替代方法。
大部分已有的去噪和图像增强方法是应用于2D图像的,主要基于一些合理的噪声模型提出不同的去噪算法和滤波器。这些滤波器主要分为四类:线性滤波器、非线性滤波器、扩散滤波器和基于多尺度分析的滤波器。这四种现有的滤波器均能够抑制噪声。然而,这些滤波器在应用到OCT图像的过程中依然存在以下限制:(1)效果较好的滤波器不满足OCT***高速实时处理的要求;(2)使用的滤波器模型有局限性,不能处理OCT图像中的某些特定噪声;(3)滤波结果变得模糊,对表现图像的细节有影响。
目前已经开发了一些3D OCT图像去噪的算法,这些算法可以一定程度上改善2D滤波器滤波过程中使图像模糊的缺点。基于均值法的算法主要有基于运动补偿的均值法和基于多尺度小波分析的均值法。L.fang、S.Li、Q.nie、J.A.Izatt、C.A.Toth和S.Farsiu在“Sparsity based denoising ofspectral domain optical coherence tomography images”中提出了一种基于稀疏字典的3D OCT图像去噪方法,可以进一步改善均值法引入的图像模糊。然而,这些3D去噪方法的处理速度都不能满足实际处理的要求。
对于通用图像来讲,其由CCD或感光胶片获得,图像中每个像素点的噪声特性都相同。然而,OCT图像为逐点或逐线扫描获得,其每个点的噪声性质与***在某一确定时刻的状态和所扫描物体的状态密切相关。因此,应用现有的3D OCT图像去噪方法不能有效地去除具有不同的噪声特性的各种噪声。总而言之,现有的图像去噪方法仍然存在以下问题:(1)效果较好的2D滤波器和3D滤波器不满足OCT***高速实时处理的要求;(2)使用的滤波器模型有局限性,不能处理OCT图像中的某些特定噪声和噪声性质不相同的问题;(3)滤波结果图像细节模糊,影响图像的进一步识别。
发明内容
因此,为了解决现有技术中的以上缺点,本发明的目的在于提供一种能够去除3D图像噪声并且能够提高3D图像对比度的用于3D图像质量增强的方法和设备。
根据本发明的一方面,提供一种用于3D图像质量增强的方法,包括以下步骤:(a)基于噪声特性将输入的3D图像划分为多个子区域;(b)根据各个子区域的噪声特性,应用不同的去噪策略对输入的3D图像的各个子区域进行去噪,从而获得去噪后的3D图像;(c)增强去噪后的3D图像的对比度。
可选择地,在步骤(a)中,基于噪声特性将输入的3D图像划分为前景区域和背景区域。
可选择地,步骤(a)包括:接收输入的3D图像;依次将输入的3D图像的第一帧至最后一帧选择为目标图像;基于噪声特性将目标图像划分为前景区域和背景区域。
可选择地,将输入的3D图像中亮度大于预定阈值的像素划分为前景区域,将输入的3D图像中亮度小于或等于预定阈值的像素划分为前景区域。
可选择地,在步骤(b)中,应用如下的双线性去噪模型对3D图像进行去噪:
其中,fi表示去噪后的3D图像中的像素i的亮度,gi表示输入的3D图像中的像素i的亮度,表示输入的3D图像的背景区域中的所有像素的亮度的平均值,α1i和α2i分别表示输入的3D图像的前景区域和背景区域的划分参数,其中,根据以下等式在以像素i为中心的输入的3D图像的3D图像体中计算a1i和b1i,在以像素i为中心的输入的3D图像的平面区域中计算a2i和b2i:
其中,ω表示所述3D图像体或平面区域ωi中的像素的数量,gk表示所述3D图像体或平面区域ωi中的像素k的亮度,表示所述3D图像体或平面区域ωi中的所有像素的亮度的平均值,σ2表示输入的3D图像的各个像素的亮度的方差,其中,和分别表示针对所述3D图像体中的各个像素计算的a1i和b1i的平均值,和分别表示针对所述平面区域中的各个像素计算的a2i和b2i的平均值。
可选择地,所述3D图像体是以像素i为中心的8×8×10像素的3D立方体,所述平面区域是以像素i为中心的8×8像素的平面区域。
可选择地,根据以下等式确定α1i和α2i:
其中,表示以像素i为中心的平面区域ωi中的所有像素的亮度的平均值,为预定阈值,表示输入的3D图像的背景区域中的像素的亮度的平均值。
可选择地,步骤(c)包括:将去噪后的3D图像划分为高频成分和低频成分;将高频成分和低频成分进行加权合成,以增强去噪后的3D图像的对比度。
可选择地,根据以下等式来增强去噪后的3D图像的对比度:
其中,fi,enhanced表示增强后的3D图像中的像素i的亮度,fi表示去噪后的3D图像中的像素i的亮度,k表示高频分量增强因子并且是大于1的实数,其中,根据以下等式在以像素i为中心的去噪后的3D图像中的平面区域中计算aif和bif:
其中,ω表示所述平面区域ωi中的像素的数量,gk表示所述平面区域ωi中的像素k的亮度,表示所述平面区域ωi中的所有像素的亮度的平均值,σ2表示去噪后的3D图像的各个像素的亮度的方差,其中,和分别表示针对所述平面区域中的各个像素计算aif和bif的平均值。
根据本发明的另一方面,提供一种用于3D图像质量增强的设备,包括:图像划分模块,被配置为基于噪声特性将输入的3D图像划分为多个子区域;去噪模块,被配置为根据各个子区域的噪声特性,应用不同的去噪策略对输入的3D图像的各个子区域进行去噪,从而获得去噪后的3D图像;细节增强模块,被配置为增强去噪后的3D图像的对比度。
可选择地,图像划分模块被配置为基于噪声特性将输入的3D图像划分为前景区域和背景区域。
可选择地,图像划分模块被配置为接收输入的3D图像,依次将输入的3D图像的第一帧至最后一帧选择为目标图像,并且基于噪声特性将目标图像划分为前景区域和背景区域。
可选择地,图像划分模块被配置为将输入的3D图像中亮度大于预定阈值的像素划分为前景区域,将输入的3D图像中亮度小于或等于预定阈值的像素划分为前景区域。
可选择地,去噪模块被配置为应用如下的双线性去噪模型对3D图像进行去噪:
其中,fi表示去噪后的3D图像中的像素i的亮度,gi表示输入的3D图像中的像素i的亮度,表示输入的3D图像的背景区域中的所有像素的亮度的平均值,α1i和α2i分别表示输入的3D图像的前景区域和背景区域的划分参数,其中,根据以下等式在以像素i为中心的输入的3D图像的3D图像体中计算a1i和b1i,在以像素i为中心的输入的3D图像的平面区域中计算a2i和b2i:
其中,ω表示所述3D图像体或平面区域ωi中的像素的数量,gk表示所述3D图像体或平面区域ωi中的像素k的亮度,表示所述3D图像体或平面区域ωi中的所有像素的亮度的平均值,σ2表示输入的3D图像的各个像素的亮度的方差,其中,和分别表示针对所述3D图像体中的各个像素计算的a1i和b1i的平均值,和分别表示针对所述平面区域中的各个像素计算的a2i和b2i的平均值。
可选择地,所述3D图像体是以像素i为中心的8×8×10像素的3D立方体,所述平面区域是以像素i为中心的8×8像素的平面区域。
可选择地,去噪模块被配置为根据以下等式确定α1i和α2i:
其中,表示以像素i为中心的平面区域ωi中的所有像素的亮度的平均值,为预定阈值,表示输入的3D图像的背景区域中的像素的亮度的平均值。
可选择地,细节增强模块被配置为将去噪后的3D图像划分为高频成分和低频成分,并且将高频成分和低频成分进行加权合成,以增强去噪后的3D图像的对比度。
可选择地,细节增强模块被配置为根据以下等式来增强去噪后的3D图像的对比度:
其中,fi,enhanced表示增强后的3D图像中的像素i的亮度,fi表示去噪后的3D图像中的像素i的亮度,k表示高频分量增强因子并且是大于1的实数,其中,根据以下等式在以像素i为中心的去噪后的3D图像中的平面区域中计算aif和bif:
其中,ω表示所述平面区域ωi中的像素的数量,gk表示所述平面区域ωi中的像素k的亮度,表示所述平面区域ωi中的所有像素的亮度的平均值,σ2表示去噪后的3D图像的各个像素的亮度的方差,其中,和分别表示针对所述平面区域中的各个像素计算aif和bif的平均值。
根据本发明实施例的用于3D图像质量增强的方法和设备,运算速度快,去噪和细节增强能力强,可以直接应用于商业OCT***中作为提高图像质量的有效手段。
将在接下来的描述中部分阐述本发明另外的方面和/或优点,还有一部分通过描述将是清楚的,或者可以经过本发明的实施而得知。
附图说明
通过下面结合附图进行的详细描述,本发明的上述和其它目的、特点和优点将会变得更加清楚,其中:
图1是示出根据本发明实施例的用于3D图像质量增强的方法的流程图;
图2A和图2B是示出去噪前的图像和去噪后的图像的示图;
图3A至图3C是示出应用不同去噪方法获得的图像的对比示图;
图4是示出根据本发明实施例的用于3D图像质量增强的设备的框图。
具体实施方式
下面将参照附图详细描述本发明的实施例。在附图中,相同的附图标号始终表示相同的结构、特征和元件。
图1是示出根据本发明实施例的用于3D图像质量增强的方法的流程图。
参照图1,在步骤101,基于噪声特性将输入的3D图像划分为多个子区域。具体地讲,在步骤101,首先接收输入的3D图像,然后依次将输入的3D图像的第一帧至最后一帧选择为目标图像,最后基于噪声特性将目标图像划分为前景区域和背景区域。3D OCT图像中主要存在加性噪声和乘性噪声。加性噪声存在于整个图像区域,乘性噪声主要存在于有信号的区域。如图2A所示,图像明显分为比较亮的前景区域(信号区域)和比较暗的背景区域(弱信号或无信号区域)。基于这个假设,可通过阈值法区分以乘性噪声为主的前景区域和以加性噪声为主的背景区域。即,可以将输入的3D图像中亮度大于预定阈值的像素划分为前景区域,将输入的3D图像中亮度小于或等于预定阈值的像素划分为前景区域。预定阈值可以记为表示背景区域中的所有像素的亮度的平均值。在实际应用中,可通过实验方法确定适当的也可通过训练方法确定适当的然而,还可通过现有技术中的任何方法来确定当的此外,对于子区域的划分,不仅限于阈值法,而是可以应用所有适用于基于噪声性质划分图像的方法。
其后,在步骤102,根据各个子区域的噪声特性,应用不同的去噪策略对输入的3D图像的各个子区域进行去噪,从而获得去噪后的3D图像。具体地讲,3D OCT的图像模型可以表示为等式(1):
fi=aigi+bi (1)
其中,ai表示输入的3D图像中的像素i的乘性噪声,bi表示输入的3D图像中的像素i的加性噪声,fi表示去噪后的3D图像中的像素i的亮度,gi表示输入的3D图像中的像素i的亮度。背景区域的去噪策略为:首先对输入的3D图像的背景区域的加性噪声进行平均,去除大部分的加性噪声;然后对平均后的背景区域利用等式(1)进行恢复。前景区域的去噪策略为:直接利用等式(1),对输入的3D图像进行恢复。上述去噪策略可通过应用如下的双线性去噪模型来实现:
其中,表示输入的3D图像的背景区域中的所有像素的亮度的平均值,α1i和α2i分别表示输入的3D图像的前景区域和背景区域的划分参数。可通过以下等式(3)确定α1i和α2i:
其中,表示以像素i为中心的平面区域ωi中的所有像素的亮度的平均值,为预定阈值,表示输入的3D图像的背景区域中的像素的亮度的平均值。这里,所述平面区域ωi是以像素i为中心的8×8像素的平面区域。然而,也可以选择其他尺寸的平面区域。可选择地,也可使用以像素i为中心的3D立方体内的所有像素的亮度的平均值来作为
可根据以下等式在以像素i为中心的输入的3D图像的3D图像体中计算a1i和b1i,在以像素i为中心的输入的3D图像的平面区域中计算a2i和b2i:
其中,ω表示所述3D图像体或平面区域ωi中的像素的数量,gk表示所述3D图像体或平面区域ωi中的像素k的亮度,表示所述3D图像体或平面区域ωi中的所有像素的亮度的平均值,σ2表示输入的3D图像的各个像素的亮度的方差。这里,所述3D图像体可以是以像素i为中心的8×8×10像素的3D立方体,所述平面区域可以是以像素i为中心的8×8像素的平面区域。然而,本发明不限于此,而是可以选择任何适当尺寸的3D图像体和平面区域。
在本发明的实施例中,取3D图像体或平面区域ωi中对于每个像素k估算出的ak的均值作为实际的评估值,则等式(2)可改写为如下等式(5):
其中,和分别表示针对3D图像体中的各个像素计算的a1i和b1i的平均值,和分别表示针对平面区域中的各个像素计算的a2i和b2i的平均值。需要说明的是,在步骤102中处理的输入的3D图像指的是依次从输入的3D图像的第一帧至最后一帧选择的目标图像。
图2B示出了利用等式(5)给出的双线性模型获得的去噪后的3D图像。与图2A相比,噪声得到了明显的抑制,然而去噪过程也导致了图像细节的模糊。为此,需要执行下面的步骤。
在步骤103,增强去噪后的3D图像的对比度。具体地讲,在步骤103,首先将去噪后的3D图像划分为高频成分和低频成分,然后将高频成分和低频成分进行加权合成,以增强去噪后的3D图像的对比度。根据本发明实施例,可根据以下等式(6)来增强去噪后的3D图像的对比度:
其中,fi,enhanced表示增强后的3D图像中的像素i的亮度,fi表示去噪后的3D图像中的像素i的亮度,k表示高频分量增强因子并且是大于1的实数,可根据等式(4)在以像素i为中心的去噪后的3D图像的平面区域中计算aif和bif,然后将针对该平面区域中的各个像素计算的aif和bif的平均值作为和该平面区域可以是以像素i为中心的8×8像素的平面区域。然而,本发明不限于此,而是可以选择其他尺寸的平面区域。此外,在实际应用中,可在大于1小于10的范围内选择适当的值作为高频分量增强因子k。
图3A示出了应用根据本发明实施例的用于3D图像质量增强的方法对与图2A相同的图像进行处理获得的图像,对比图2A和图2B,应用根据本发明实施例的用于3D图像质量增强的方法同时增强了图像细节和抑制了图像噪声。图3B示出通过使用A.F.Fercher所著论文“Optical coherencetomography”中的指示滤波器(Guided filter)对与图2A相同的图像进行去噪处理后获得的图像,图3C示出通过使用C.Tomasi和R.Manduchi所著论文“Bilateral filtering for gray and color images”中的双边滤波器(Bilateral filter)对与图2A相同的图像进行去噪处理后获得的图像。对比图3A中方框所示的部分,应用根据本发明实施例的用于3D图像质量增强的方法可以获得最好的去噪效果。
图4是示出根据本发明实施例的用于3D图像质量增强的设备的框图。
参照图4,所述用于3D图像质量增强的设备可包括图像划分模块401、去噪模块402和细节增强模块403。图像划分模块401可基于噪声特性将输入的3D图像划分为多个子区域。例如,图像划分模块401可接收输入的3D图像,依次将输入的3D图像的第一帧至最后一帧选择为目标图像,并且基于噪声特性将目标图像划分为前景区域和背景区域。如上所述,图像划分模块401可通过阈值法将输入的3D图像划分为前景区域和背景区域。去噪模块402可根据各个子区域的噪声特性,应用不同的去噪策略对输入的3D图像的各个子区域进行去噪,从而获得去噪后的3D图像。例如,去噪模块402可应用如等式(5)示出的双线性去噪模型对输入的3D图像进行去噪。细节增强模块403可增强去噪后的3D图像的对比度。具体地讲,细节增强模块403可将去噪后的3D图像划分为高频成分和低频成分,并且将高频成分和低频成分进行加权合成,以增强去噪后的3D图像的对比度。例如,细节增强模块403可根据上述等式(6)来增强去噪后的3D图像的对比度。
根据本发明实施例的用于3D图像质量增强的方法可实现为计算机可读记录介质上的计算机可读代码或计算机程序。所述计算机可读记录介质是可存储其后可由计算机***读出的数据的任意数据存储装置。
根据本发明实施例的用于3D图像质量增强的方法和设备,运算速度快,去噪和细节增强能力强,可以直接应用于商业OCT***中作为提高图像质量的有效手段。此外,本发明中提出的双线性去噪模型可有效地应用于噪声特性在图像中具有非同一性的基于点扫描或线扫描的医疗影像***。
尽管已经参照其示例性实施例具体显示和描述了本发明,但是本领域的技术人员应该理解,在不脱离权利要求所限定的本发明的精神和范围的情况下,可以对其进行形式和细节上的各种改变。
Claims (10)
1.一种用于3D图像质量增强的方法,其特征在于,所述方法包括以下步骤:
(a)基于噪声特性将输入的3D图像划分为多个子区域;
(b)根据各个子区域的噪声特性,应用不同的去噪策略对输入的3D图像的各个子区域进行去噪,从而获得去噪后的3D图像;
(c)增强去噪后的3D图像的对比度。
2.根据权利要求1所述的方法,其特征在于,在步骤(a)中,基于噪声特性将输入的3D图像划分为前景区域和背景区域。
3.根据权利要求2所述的方法,其特征在于,步骤(a)包括:
接收输入的3D图像;
依次将输入的3D图像的第一帧至最后一帧选择为目标图像;
基于噪声特性将目标图像划分为前景区域和背景区域。
4.根据权利要求2所述的方法,其特征在于,将输入的3D图像中亮度大于预定阈值的像素划分为前景区域,将输入的3D图像中亮度小于或等于预定阈值的像素划分为前景区域。
5.根据权利要求2所述的方法,其特征在于,在步骤(b)中,应用如下的双线性去噪模型对输入的3D图像进行去噪:
其中,fi表示去噪后的3D图像中的像素i的亮度,gi表示输入的3D图像中的像素i的亮度,表示输入的3D图像的背景区域中的所有像素的亮度的平均值,α1i和α2i分别表示输入的3D图像的前景区域和背景区域的划分参数,
其中,根据以下等式在以像素i为中心的输入的3D图像的3D图像体中计算a1i和b1i,在以像素i为中心的输入的3D图像的平面区域中计算a2i和b2i:
其中,ω表示所述3D图像体或平面区域ωi中的像素的数量,gk表示所述3D图像体或平面区域ωi中的像素k的亮度,表示所述3D图像体或平面区域ωi中的所有像素的亮度的平均值,σ2表示输入的3D图像的各个像素的亮度的方差,
其中,和分别表示针对所述3D图像体中的各个像素计算的a1i和b1i的平均值,和分别表示针对所述平面区域中的各个像素计算的a2i和b2i的平均值。
6.根据权利要求5所述的方法,其特征在于,所述3D图像体是以像素i为中心的8×8×10像素的3D立方体,所述平面区域是以像素i为中心的8×8像素的平面区域。
7.根据权利要求5所述的方法,其特征在于,根据以下等式确定α1i和α2i:
其中,表示以像素i为中心的平面区域ωi中的所有像素的亮度的平均值,为预定阈值,表示输入的3D图像的背景区域中的像素的亮度的平均值。
8.根据权利要求2所述的方法,其特征在于,步骤(c)包括:
将去噪后的3D图像划分为高频成分和低频成分;
将高频成分和低频成分进行加权合成,以增强去噪后的3D图像的对比度。
9.根据权利要求2所述的方法,其特征在于,在步骤(c)中,根据以下等式来增强去噪后的3D图像的对比度:
其中,fi,enhanced表示增强后的3D图像中的像素i的亮度,fi表示去噪后的3D图像中的像素i的亮度,k表示高频分量增强因子并且是大于1的实数,
其中,根据以下等式在以像素i为中心的去噪后的3D图像中的平面区域中计算aif和bif:
其中,ω表示所述平面区域ωi中的像素的数量,gk表示所述平面区域ωi中的像素k的亮度,表示所述平面区域ωi中的所有像素的亮度的平均值,σ2表示去噪后的3D图像的各个像素的亮度的方差,
其中,和分别表示针对所述平面区域中的各个像素计算aif和bif的平均值。
10.一种用于3D图像质量增强的设备,其特征在于,所述设备包括:
图像划分模块,被配置为基于噪声特性将输入的3D图像划分为多个子区域;
去噪模块,被配置为根据各个子区域的噪声特性,应用不同的去噪策略对输入的3D图像的各个子区域进行去噪,从而获得去噪后的3D图像;
细节增强模块,被配置为增强去噪后的3D图像的对比度。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310071253.3A CN104036472A (zh) | 2013-03-06 | 2013-03-06 | 用于3d图像质量增强的方法和设备 |
KR1020140012787A KR102195047B1 (ko) | 2013-03-06 | 2014-02-04 | 3d이미지 품질을 향상시키는 방법과 장치 |
US14/199,049 US9401009B2 (en) | 2013-03-06 | 2014-03-06 | Method and apparatus for enhancing quality of 3D image |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310071253.3A CN104036472A (zh) | 2013-03-06 | 2013-03-06 | 用于3d图像质量增强的方法和设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104036472A true CN104036472A (zh) | 2014-09-10 |
Family
ID=51467233
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310071253.3A Pending CN104036472A (zh) | 2013-03-06 | 2013-03-06 | 用于3d图像质量增强的方法和设备 |
Country Status (2)
Country | Link |
---|---|
KR (1) | KR102195047B1 (zh) |
CN (1) | CN104036472A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017020829A1 (zh) * | 2015-08-04 | 2017-02-09 | 宁波舜宇光电信息有限公司 | 解像力测试方法和解像力测试装置 |
CN107590784A (zh) * | 2017-08-29 | 2018-01-16 | 宁夏巨能机器人股份有限公司 | 一种用于3d视觉识别的抗干扰***及其抗干扰方法 |
CN108663647A (zh) * | 2018-04-26 | 2018-10-16 | 武汉大学 | 一种基于体素aif动态增强磁共振成像分析方法 |
CN109598230A (zh) * | 2018-11-30 | 2019-04-09 | 深圳慧通商务有限公司 | 差旅人员住店审核方法和相关产品 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102404416B1 (ko) | 2015-07-21 | 2022-06-07 | 한국전자통신연구원 | 홀로그램 영상의 특성 측정 장치 및 방법 |
CN117423113B (zh) * | 2023-12-18 | 2024-03-05 | 青岛华正信息技术股份有限公司 | 一种档案ocr图像自适应去噪方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050061974A1 (en) * | 2003-09-22 | 2005-03-24 | Samsung Electronics Co., Ltd. | Method of analyzing material structure using CBED |
CN101237820A (zh) * | 2005-04-25 | 2008-08-06 | 罗切斯特大学 | 用于ct成像的整体去噪的方法和装置 |
US20120063660A1 (en) * | 2009-06-02 | 2012-03-15 | Canon Kabushiki Kaisha | Image processing apparatus, control method thereof, and computer program |
CN102722871A (zh) * | 2012-05-24 | 2012-10-10 | 中山大学 | 一种快速有效的图像增强方法 |
CN102789635A (zh) * | 2012-07-18 | 2012-11-21 | 奇瑞汽车股份有限公司 | 一种图像增强方法和装置 |
CN102831582A (zh) * | 2012-07-27 | 2012-12-19 | 湖南大学 | 一种微软体感装置深度图像增强方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100646715B1 (ko) * | 2004-10-18 | 2006-11-23 | 한국과학기술원 | 후처리를 통한 2차원 초음파 영상의 화질 개선 방법 |
KR101204556B1 (ko) * | 2011-01-21 | 2012-11-23 | 삼성전기주식회사 | 노이즈 제거 방법 및 이를 이용한 나이트 비젼 시스템 |
-
2013
- 2013-03-06 CN CN201310071253.3A patent/CN104036472A/zh active Pending
-
2014
- 2014-02-04 KR KR1020140012787A patent/KR102195047B1/ko active IP Right Grant
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050061974A1 (en) * | 2003-09-22 | 2005-03-24 | Samsung Electronics Co., Ltd. | Method of analyzing material structure using CBED |
CN101237820A (zh) * | 2005-04-25 | 2008-08-06 | 罗切斯特大学 | 用于ct成像的整体去噪的方法和装置 |
US20120063660A1 (en) * | 2009-06-02 | 2012-03-15 | Canon Kabushiki Kaisha | Image processing apparatus, control method thereof, and computer program |
CN102722871A (zh) * | 2012-05-24 | 2012-10-10 | 中山大学 | 一种快速有效的图像增强方法 |
CN102789635A (zh) * | 2012-07-18 | 2012-11-21 | 奇瑞汽车股份有限公司 | 一种图像增强方法和装置 |
CN102831582A (zh) * | 2012-07-27 | 2012-12-19 | 湖南大学 | 一种微软体感装置深度图像增强方法 |
Non-Patent Citations (2)
Title |
---|
KUANHONG XU等: "3D image noise reduction and contrast enhancement in optical coherence tomography", 《MEDICAL IMAGING 2013: IMAGE PROCESSING》 * |
邓超等: "结合小波神经网络的 CCD 相机噪声处理方案", 《传感技术学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017020829A1 (zh) * | 2015-08-04 | 2017-02-09 | 宁波舜宇光电信息有限公司 | 解像力测试方法和解像力测试装置 |
CN107590784A (zh) * | 2017-08-29 | 2018-01-16 | 宁夏巨能机器人股份有限公司 | 一种用于3d视觉识别的抗干扰***及其抗干扰方法 |
CN108663647A (zh) * | 2018-04-26 | 2018-10-16 | 武汉大学 | 一种基于体素aif动态增强磁共振成像分析方法 |
CN109598230A (zh) * | 2018-11-30 | 2019-04-09 | 深圳慧通商务有限公司 | 差旅人员住店审核方法和相关产品 |
Also Published As
Publication number | Publication date |
---|---|
KR102195047B1 (ko) | 2020-12-24 |
KR20140109801A (ko) | 2014-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Blind image deblurring with local maximum gradient prior | |
Singh et al. | Feature enhancement in medical ultrasound videos using contrast-limited adaptive histogram equalization | |
Coupé et al. | Bayesian non local means-based speckle filtering | |
Saladi et al. | Analysis of denoising filters on MRI brain images | |
CN104036472A (zh) | 用于3d图像质量增强的方法和设备 | |
Soomro et al. | Role of image contrast enhancement technique for ophthalmologist as diagnostic tool for diabetic retinopathy | |
Kanwal et al. | Region based adaptive contrast enhancement of medical X-ray images | |
US9401009B2 (en) | Method and apparatus for enhancing quality of 3D image | |
Choi et al. | Speckle noise reduction in ultrasound images using SRAD and guided filter | |
Wu et al. | Curvelet based nonlocal means algorithm for image denoising | |
CN114240797B (zh) | 一种oct图像去噪方法、装置、设备及介质 | |
Islam et al. | Image enhancement based medical image analysis | |
Nadeem et al. | Fuzzy logic based computational model for speckle noise removal in ultrasound images | |
Akkasaligar et al. | Classification of medical ultrasound images of kidney | |
Teuber et al. | Nonlocal filters for removing multiplicative noise | |
Aksam Iftikhar et al. | Robust brain MRI denoising and segmentation using enhanced non‐local means algorithm | |
Kumar et al. | A new locally adaptive patch variation based CT image denoising | |
Jumaat et al. | Performance comparison of Canny and Sobel edge detectors on Balloon Snake in segmenting masses | |
Lee et al. | Speckle reduction via deep content-aware image prior for precise breast tumor segmentation in an ultrasound image | |
Pandey et al. | A fast and effective vision enhancement method for single foggy image | |
Shao et al. | Characteristic matching-based adaptive fast bilateral filter for ultrasound speckle reduction | |
Uddin et al. | Speckle reduction and deblurring of ultrasound images using artificial neural network | |
Ma et al. | Edge-guided cnn for denoising images from portable ultrasound devices | |
Krylov et al. | A post-processing method for 3D fundus image enhancement | |
Zhu et al. | Two-stage non-local means filtering with adaptive smoothing parameter |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20200721 |
|
AD01 | Patent right deemed abandoned |