JP2009028319A

JP2009028319A - Method for improving quality of ivr image

Info

Publication number: JP2009028319A
Application number: JP2007195693A
Authority: JP
Inventors: Eni Chin; 延偉陳; Koichi Shibata; 幸一柴田; Yukio Mishina; 幸男三品
Original assignee: Shimadzu Corp; Ritsumeikan Trust
Current assignee: Shimadzu Corp; Ritsumeikan Trust
Priority date: 2007-07-27
Filing date: 2007-07-27
Publication date: 2009-02-12

Abstract

<P>PROBLEM TO BE SOLVED: To provide a method by which noise in an IVR (interventional radiology) image can be filtered out and its linear shades of guide wires, a blood vascular system and the like to be focused can be accentuated. <P>SOLUTION: An original IVR image (S1) whose quality should be improved is subjected to ICA (independent content analysis)-Shrinkage filter processing (S2) and a first IVR image is generated (S3) from which noise signals are filtered out. The first IVR image is subjected to multi-scale filter processing (S4) and a second IVR image in which linear shade signals are accentuated is generated (S5). After inverting the contrast of the second IVR image, the first and second IVR images are composed (S6) and an IVR image whose quality is improved is generated (S7). <P>COPYRIGHT: (C)2009,JPO&INPIT

Description

本発明は、ＩＶＲ（Interventional Radiology）画像の画質を改善する方法に関するものである。 The present invention relates to a method for improving the quality of an IVR (Interventional Radiology) image.

ＩＶＲは、画像診断的介入治療法または放射線診断技術を応用した治療法とも呼ばれ、近年、血管系病変の治療等において果たす役割は増大しており、今後も、非常に有効な治療手段としてより一層発展することが期待されている。そして、この治療法を支える重要な要素の１つとして、放射線の透視の際の画質向上に関する技術がある。 IVR is also called imaging diagnostic intervention therapy or therapy applying radiodiagnosis technology. In recent years, IVR has played an increasing role in the treatment of vascular lesions and the like, and will continue to be a very effective treatment tool in the future. Further development is expected. As one of the important elements that support this treatment method, there is a technique related to image quality improvement at the time of radiation fluoroscopy.

ＩＶＲにおいては、長時間の治療による患者の放射線被爆を最小限に抑えるため、通常の放射線撮影時の数十分の一程度の強度の放射線が照射され、透視画像が取得される。このため、放射線量の不足によって、粒子性のノイズ（量子ノイズ）が、着目対象であるガイドワイヤ、カテーテルおよび血管系の視認性を悪くしている。
そして、ＩＶＲでは、放射線による透視画像中においてガイドワイヤ、カテーテルおよび血管系等の線状の陰影が、良好な信号対雑音比（Ｓ／N比）で観察できることが極めて重要となっている。 In IVR, in order to minimize the radiation exposure of a patient due to a long-term treatment, radiation of about several tenths of the intensity during normal radiography is irradiated and a fluoroscopic image is acquired. For this reason, due to the lack of radiation dose, particulate noise (quantum noise) deteriorates the visibility of the guide wire, catheter and vascular system that are the subject of attention.
In IVR, it is extremely important that a linear shadow such as a guide wire, a catheter, and a vascular system can be observed with a good signal-to-noise ratio (S / N ratio) in a fluoroscopic image by radiation.

そこで、ガイドワイヤ、カテーテルおよび血管系等の線状の陰影を強調すると同時に、背景のノイズを除去する手法が必要とされる。この場合、従来のノイズ除去法においては、フーリエ変換やwavelet変換等が用いられており、フーリエ変換やwavelet変換では、三角関数やwavelet関数が基底関数として用いられ、ノイズを除去すべき対象画像は、これらの基底関数に基づいて成分分解される。そして、各成分についてフィルタリングがなされ、対象画像からノイズが除去される。ところで、三角関数およびwavelet関数は、いずれも、その関数形が予め数学的に決められていて、画像に基づいて導出されたものではなく、画像の処理に適した基底関数とはいえない。このため、フーリエ変換やwavelet変換等によっては、元の画像の信号成分を失うことなくノイズのみを除去することが困難であり、十分に満足のいくノイズ除去処理ができなかった（例えば、非特許文献１参照）。
また、血管等の画像信号を強調するフィルタとして、多重スケール（Multi-scale）フィルタがあるが、背景にある骨等の画像が見えにくくなったり、ノイズが強調されてしまったりするという問題があった（例えば、非特許文献２参照）。
すなわち、従来技術においては、ＩＶＲ画像中のノイズ除去と線状陰影の強調とを同時に達成し得る手法はこれまでに存在しなかった。 Therefore, there is a need for a technique that enhances linear shadows such as guide wires, catheters, and vascular systems, and at the same time removes background noise. In this case, in the conventional noise removal method, Fourier transform, wavelet transform, etc. are used. In Fourier transform or wavelet transform, a trigonometric function or wavelet function is used as a basis function, and the target image from which noise is to be removed is The components are decomposed based on these basis functions. Then, filtering is performed for each component, and noise is removed from the target image. By the way, as for the trigonometric function and the wavelet function, the function forms of both are mathematically determined in advance and are not derived based on the image, and cannot be said to be a basis function suitable for image processing. For this reason, it is difficult to remove only noise without losing the signal component of the original image by Fourier transform, wavelet transform, etc., and sufficiently satisfactory noise removal processing has not been achieved (for example, non-patent) Reference 1).
In addition, there is a multi-scale filter as a filter that enhances image signals such as blood vessels, but there is a problem that images such as bones in the background are difficult to see and noise is emphasized. (For example, refer nonpatent literature 2).
That is, in the prior art, there has never been a method that can simultaneously achieve noise removal and enhancement of linear shadows in an IVR image.

R.D. Nowak and R.Baraniuk, "Wavelet Domain Filtering for Photon Imaging Systems", IEEE Transactions on Image Processing, Volume: 8 Issue: 5 , May 1999 Page(s): 666-678R.D.Nowak and R.Baraniuk, "Wavelet Domain Filtering for Photon Imaging Systems", IEEE Transactions on Image Processing, Volume: 8 Issue: 5, May 1999 Page (s): 666-678 Frangi A. et al.,"Multiscale vessel enhancement filtering", Lecture Notes in Computer Science, Springer, LNCS 1496, pp.130-137 (1998).Frangi A. et al., "Multiscale vessel enhancement filtering", Lecture Notes in Computer Science, Springer, LNCS 1496, pp.130-137 (1998).

したがって、本発明の課題は、ＩＶＲ画像について、ノイズを除去すると同時に、着目対象であるガイドワイヤや血管系等の線状の陰影を強調することができる方法を提供することにある。 Accordingly, an object of the present invention is to provide a method capable of removing noise from an IVR image and at the same time enhancing a linear shadow such as a guide wire or a vascular system as a target of interest.

上記課題を解決するため、本発明は、（ａ）画質改善すべき元のＩＶＲ画像に対しＩＣＡ・Shrinkageフィルタ処理を行い、ノイズ信号を除去した第１のＩＶＲ画像を生成するステップと、（ｂ）前記第１のＩＶＲ画像に対し多重スケールフィルタ処理を行い、その画像中の線状陰影の信号を強調した第２のＩＶＲ画像を生成するステップと、（ｃ）前記第２のＩＶＲ画像のコントラストを反転させた後、前記第１および第２のＩＶＲ画像を合成して画質の改善されたＩＶＲ画像を生成するステップと、を有することを特徴とするＩＶＲ画像の画質改善法を構成したものである。 In order to solve the above-described problems, the present invention includes: (a) performing an ICA / Shrinkage filter process on an original IVR image to be improved in image quality to generate a first IVR image from which a noise signal is removed; ) Performing a multi-scale filter process on the first IVR image to generate a second IVR image in which a signal of a linear shadow in the image is emphasized; and (c) contrast of the second IVR image. And then, synthesizing the first and second IVR images to generate an IVR image with improved image quality, and constituting a method for improving the image quality of the IVR image. is there.

上記構成において、必要に応じて、前記ステップ（ｃ）において前記第１および第２の画像を合成するとき、それぞれの画像に重み係数を付与することもできる。 In the above configuration, if necessary, when the first and second images are combined in step (c), a weighting coefficient can be given to each image.

上記課題を解決するため、また、本発明は、（ａ’）画質改善すべき同一の元のＩＶＲ画像を２つ用意し、（ｂ’）一方の前記元のＩＶＲ画像に対しＩＣＡ・Shrinkageフィルタ処理を行い、ノイズ信号を除去した第１のＩＶＲ画像を生成するとともに、他方の前記元のＩＶＲ画像に対し多重スケールフィルタ処理を行い、その画像中の線状陰影の信号を強調した第２のＩＶＲ画像を生成するステップと、（ｃ’）前記第２のＩＶＲ画像のコントラストを反転させた後、前記第１および第２のＩＶＲ画像を合成して、画質の改善されたＩＶＲ画像を生成するステップと、を有することを特徴とするＩＶＲ画像の画質改善法を構成したものである。 In order to solve the above problems, the present invention also provides (a ′) two identical original IVR images to be improved in image quality, and (b ′) an ICA / Shrinkage filter for one original IVR image. The first IVR image from which the noise signal is removed is generated, and a multi-scale filter process is performed on the other original IVR image to emphasize the signal of the linear shadow in the image. Generating an IVR image; and (c ′) inverting the contrast of the second IVR image and then combining the first and second IVR images to generate an IVR image with improved image quality. A method for improving the image quality of an IVR image.

上記構成において、必要に応じて、前記ステップ（ｃ’）において前記第１および第２の画像を合成するとき、それぞれの画像に重み係数を付与することもできる。 In the above configuration, if necessary, when the first and second images are combined in the step (c ′), a weighting coefficient can be given to each image.

また、本発明の好ましい実施例によれば、前記ＩＣＡ・Shrinkageフィルタ処理は、（i）予め与えられた複数のサンプル画像から、独立成分分析（ＩＣＡ）によって、前記サンプル画像の特徴を統計的に表す基底関数の組を抽出するステップと、（ii）前記ＩＶＲ画像をＩＣＡ変換して、前記ＩＶＲ画像を前記基底関数の線形和の形に成分分解するステップと、（iii）前記ＩＶＲ画像を前記ＩＣＡ変換したときの各変換係数を、Shrinkage関数によってフィルタ処理して前記ＩＶＲ画像に含まれるノイズ成分を除去するステップと、（iv）前記フィルタ処理した後の各変換係数を用いてＩＣＡ逆変換を行い、ノイズの除去されたＩＶＲ画像を得るステップと、からなっている。 According to a preferred embodiment of the present invention, the ICA / Shrinkage filter processing statistically analyzes the characteristics of the sample image from (i) a plurality of sample images given in advance by independent component analysis (ICA). Extracting a set of representing basis functions; (ii) subjecting the IVR image to ICA transformation to decompose the IVR image into a linear sum of the basis functions; and (iii) converting the IVR image to the Filtering each transform coefficient when the ICA transform is performed using a Shrinkage function to remove a noise component included in the IVR image; and (iv) performing an ICA inverse transform using each transform coefficient after the filter process. Performing a noise-removed IVR image.

この場合、前記ステップ（iii）において、前記Shrinkage関数として、ポアッソンノイズに対するクロスバリデーション（cross-validation）法に基づくShrinkage関数を用いることが好ましく、また、前記ステップ（i）において、前記サンプル画像を、前記ＩＶＲ画像に類似する対象物について前記ＩＶＲ画像の取得時と近似した条件下で取得したデジタル画像に基づいて作成することが好ましい。 In this case, it is preferable to use a Shrinkage function based on a cross-validation method against Poisson noise as the Shrinkage function in the step (iii), and in the step (i), the sample image is It is preferable to create an object similar to the IVR image based on a digital image acquired under conditions similar to those at the time of acquisition of the IVR image.

本発明の別の好ましい実施例によれば、前記多重スケールフィルタ処理は、
（i）強調すべき線状陰影の幅に対応するスケールｓをもつガウス関数Ｇ（ｘ，ｙ）を生成するステップと、
（ii）Ｇ（ｘ，ｙ）のx方向の微分∂Ｇ（ｘ，ｙ）／∂ｘ（＝Ｇ_ｘ（ｘ，ｙ））およびｙ方向の微分∂Ｇ（ｘ，ｙ）／∂ｙ（＝Ｇ_ｙ（ｘ，ｙ））を求め、さらに、Ｇ_ｘ（ｘ，ｙ）のｘ方向の微分∂^２Ｇ（ｘ，ｙ）／∂ｘ^２（＝Ｇ_ｘｘ（ｘ，ｙ））およびｙ方向の微分∂^２Ｇ（ｘ，ｙ）／∂ｘ∂ｙ（＝Ｇ_ｘｙ（ｘ，ｙ））と、Ｇ_ｙ（ｘ，ｙ）のｘ方向の微分∂^２Ｇ（ｘ，ｙ）／∂ｙ∂ｘ（＝Ｇ_ｙｘ（ｘ，ｙ））およびｙ方向の微分∂^２Ｇ（ｘ，ｙ）／∂ｙ^２（＝Ｇ_ｙｙ（ｘ，ｙ））とを求めるステップと、
（iii）前記ＩＶＲ画像の各画素値Ｌ（ｘ，ｙ）の微分∂^２Ｌ（ｘ，ｙ）／∂ｘ^２（＝Ｌ_ｘｘ（ｘ，ｙ））、∂^２Ｌ（ｘ，ｙ）／∂ｘ∂ｙ（＝Ｌ_ｘｙ（ｘ，ｙ））、∂^２Ｌ（ｘ，ｙ）／∂ｙ∂ｘ（＝Ｌ_ｙｘ（ｘ，ｙ））および∂^２Ｌ（ｘ，ｙ）／∂ｙ^２（＝Ｌ_ｙｙ（ｘ，ｙ））を、
Ｌ_ｘｘ（ｘ，ｙ）＝ｓ^γＬ（ｘ，ｙ）×Ｇ_ｘｘ（ｘ，ｙ）、
Ｌ_ｘｙ（ｘ，ｙ）＝ｓ^γＬ（ｘ，ｙ）×Ｇ_ｘｙ（ｘ，ｙ）、
Ｌ_ｙｘ（ｘ，ｙ）＝ｓ^γＬ（ｘ，ｙ）×Ｇ_ｙｘ（ｘ，ｙ）、
Ｌ_ｙｙ（ｘ，ｙ）＝ｓ^γＬ（ｘ，ｙ）×Ｇ_ｙｙ（ｘ，ｙ）、
ここで、γは任意の定数である、
によって求めるステップと、
（iv）前記ＩＶＲ画像の各画素の位置におけるヘッセ行列Ｈを
により求めるステップと、
（v）前記ヘッセ行列Ｈの２つの固有値λ_１、λ_２（｜λ_１｜＜｜λ_２｜）および対応する固有ベクトルν_１、ν_２を求め、
を求めるステップと、
（vi）前記ＩＶＲ画像の各画素値を、
ここで、ｃおよびβは任意の定数である、
によって求めるステップと、
（vii）前記ガウス関数Ｇ（ｘ，ｙ）のスケールｓの値を変更して、前記ステップ（ii）〜（vi）を繰り返すステップと、
（viii）前記ステップ（ii）〜（vii）を所定の回数繰り返した後、得られたＩ_ｓ（ｘ，ｙ）を用いて、
に従って、前記ＩＶＲ画像の各画素値を求めるステップと、からなっている。 According to another preferred embodiment of the invention, the multi-scale filtering is
(I) generating a Gaussian function G (x, y) having a scale s corresponding to the width of the linear shadow to be enhanced;
(Ii) G (x, y) x-direction differential ∂G (x, y) / ∂x (= G _x (x, y)) and y-direction differential ∂G (x, y) / ∂y ( = G _y (x, y)), and further, the derivative of G _x (x, y) in the x direction ∂ ² G (x, y) / ∂x ² (= G _xx (x, y)) and y Direction differential ∂ ² G (x, y) / ∂ x ∂ y (= G _xy (x, y)) and G _y (x, y) in the x direction ∂ ² G (x, y) / ∂ determining y∂x (= G _yx (x, y)) and y-direction differential ∂ ² G (x, y) / ∂ y ² (= G _yy (x, y));
(Iii) Differentiating each pixel value L (x, y) of the IVR image ∂ ² L (x, y) / ∂ x ² (= L _xx (x, y)), ∂ ² L (x, y) / _{∂x∂y (= L xy (x,} y)), ∂ 2 L (x, y) / ∂y∂x (= L yx (x, y)) and ^{∂ 2 L (x, y)} / ∂y ² (= L _yy (x, y))
L _xx (x, y) = s ^γ L (x, y) × G _xx (x, y),
L _xy (x, y) = s ^γ L (x, y) × G _xy (x, y),
L _yx (x, y) = s ^γ L (x, y) × G _yx (x, y),
L _yy (x, y) = s ^γ L (x, y) × G _yy (x, y),
Where γ is an arbitrary constant.
The steps you seek by
(Iv) a Hessian matrix H at each pixel position of the IVR image.
A step to obtain by
(V) Obtain two eigenvalues λ ₁ , λ ₂ (| λ ₁ | <| λ ₂ |) and corresponding eigenvectors ν ₁ , ν ₂ of the Hessian matrix H,
A step of seeking
(Vi) Each pixel value of the IVR image is
Where c and β are arbitrary constants,
The steps you seek by
(Vii) changing the value of the scale s of the Gaussian function G (x, y) and repeating the steps (ii) to (vi);
(Viii) After repeating the steps (ii) to (vii) a predetermined number of times, using the obtained I _s (x, y),
And obtaining each pixel value of the IVR image.

本発明によれば、ＩＣＡ・Shrinkageフィルタ処理と多重スケールフィルタ処理を組み合わせたことにより、ＩＶＲ画像中のエッジ部分などの細部がぼけることなく、画像全体に分散する量子ノイズの低減を図ることができるとともに、画像中の血管、ガイドワイヤやカテーテル等の直線状の陰影部分を強調することができる。 According to the present invention, by combining ICA / Shrinkage filter processing and multi-scale filter processing, it is possible to reduce quantum noise dispersed throughout the image without blurring details such as edge portions in the IVR image. At the same time, it is possible to emphasize linear shadow portions such as blood vessels, guide wires and catheters in the image.

以下、添付図面を参照して、本発明の好ましい実施例について説明する。図１は、本発明の１実施例によるＩＶＲ画像の画質改善法のフロー図である。図１を参照して、本発明によれば、まず、画質改善すべき元のＩＶＲ画像（図１のＳ１）に対しＩＣＡ・Shrinkageフィルタ処理がなされ（図１のＳ２）、ノイズ信号が除去された第１のＩＶＲ画像が生成される（図１のＳ３）。 Hereinafter, preferred embodiments of the present invention will be described with reference to the accompanying drawings. FIG. 1 is a flowchart of a method for improving the quality of an IVR image according to an embodiment of the present invention. Referring to FIG. 1, according to the present invention, first, an ICA / Shrinkage filter process is performed on an original IVR image (S1 in FIG. 1) whose image quality should be improved (S2 in FIG. 1), and a noise signal is removed. A first IVR image is generated (S3 in FIG. 1).

図２は、ＩＣＡ・Shrinkageフィルタ処理のフロー図である。以下、図２を参照して、ＩＣＡ・Shrinkageフィルタ処理について説明する。まず、予め与えられたサンプル画像から、独立成分分析（ＩＣＡ）法によって、サンプル画像の特徴を統計的に表す基底関数の組が抽出される（図２のＳ２０、Ｓ２１）。サンプル画像としては、画質を改善すべきＩＶＲ画像により適合した基底関数の組を得るべく、当該ＩＶＲ画像に類似する別のＩＶＲ画像が用いられる。また、ＩＣＡ法によるサンプル画像からの基底関数の抽出は統計的になされるので、できるだけ多数のサンプル画像を用いることが、ＩＶＲ画像により適合した基底関数の組を得るうえで好ましい。 FIG. 2 is a flowchart of ICA / Shrinkage filter processing. The ICA / Shrinkage filter processing will be described below with reference to FIG. First, a set of basis functions that statistically represent the characteristics of a sample image is extracted from a sample image given in advance by an independent component analysis (ICA) method (S20 and S21 in FIG. 2). As the sample image, another IVR image similar to the IVR image is used in order to obtain a set of basis functions more suitable for the IVR image whose image quality should be improved. In addition, since the basis functions are extracted statistically from the sample images by the ICA method, it is preferable to use as many sample images as possible in order to obtain a set of basis functions more suitable for the IVR images.

ＩＣＡ法を用いてサンプル画像から基底関数の組を抽出する方法を次に説明する。
ＩＣＡ法によれば、サンプル画像［ｘ_１↑，ｘ_２↑，・・・，ｘ_Ｎ↑］（文字の後ろに「↑」の記号を付した場合はベクトル表示であることを表す。以下同様。）は、基底関数［ａ_１↑，ａ_２↑，・・・，ａ_Ｍ↑］の線形和で表され、その結合係数ｓは統計的に独立である。これを数式で表すと次のようになる。 A method for extracting a set of basis functions from a sample image using the ICA method will be described next.
According to the ICA method, the sample image [x ₁ ↑, x ₂ ↑,..., X _N ↑] (If the symbol “↑” is added after the character, it represents a vector display. .) Is expressed by a linear sum of basis functions [a ₁ ↑, a ₂ ↑,..., A _M ↑], and the coupling coefficient s is statistically independent. This is expressed by the following formula.

ここで、ｘ_ｉ↑＝Σｓ_ｉｊａ_ｊ↑（ｊについての総和）はｉ番目のサンプル画像であり、行列Ｓの列ベクトルｓ_ｉ↑はその画像の独立な結合係数であり、特徴ベクトルと呼ばれる。また、ａ_ｊ↑はｊ番目の基底関数である。 Here, x _i ↑ = Σs _ij a _j ↑ (the sum of j) is the i-th sample image, and the column vector s _i ↑ of the matrix S is an independent coupling coefficient of the image and is called a feature vector . A _j ↑ is the j-th basis function.

（１）式を行列式として表すと、
Ｘ↑＝Ａ↑・Ｓ↑ （２）
となる。
サンプル画像セット行列Ｘ↑のみから、基底関数と特徴ベクトルを求めることは、一種のブラインドソース分離問題とみなせるので、ＩＣＡ法を用いて解くことができる。
ＩＣＡでは、あるｎ×ｍの分離行列W↑を用いて、
Ｙ↑＝Ｗ↑・Ｘ↑ （３）
においてＹ↑を計算し、Ｙ↑の各成分が互いに統計的に独立となるようなＷ↑を求める。
Ｗ↑を求めるに当たり、Ｙ↑の各成分が独立か否かを判定する評価基準として、相互情報量（Kullback-Leibler divergence）または高次統計量（kurtosis）等が既に提案されている。この実施例では、Bell & Senjowskyが提案した相互情報量の最大化による手法を用いる。 When (1) is expressed as a determinant,
X ↑ = A ↑ ・ S ↑ (2)
It becomes.
Obtaining basis functions and feature vectors from only the sample image set matrix X ↑ can be regarded as a kind of blind source separation problem, and can be solved using the ICA method.
In ICA, using a certain n × m separation matrix W ↑,
Y ↑ = W ↑ ・ X ↑ (3)
Y ↑ is calculated, and W ↑ is obtained so that the components of Y ↑ are statistically independent from each other.
In obtaining W ↑, mutual information (Kullback-Leibler divergence) or higher-order statistics (kurtosis) have already been proposed as evaluation criteria for determining whether or not each component of Y ↑ is independent. In this embodiment, the method based on the mutual information maximization proposed by Bell & Senjowsky is used.

今、分離信号［ｙ_１，ｙ_２，・・・，ｙ_ｎ］が互いに独立であるとき、各成分ｙ_ｉの同時分布密度関数ｐ（ｙ↑）＝Ｐ（ｙ_１，ｙ_２，・・・，ｙ_ｎ）は、各成分ｙ_ｉの周辺密度関数ｐ（ｙ_ｉ）の積で表される。すなわち、 Now, the separation signal _{_{[y 1, y 2, ···}} , y n] when are independent from each other, joint distribution density function p (y ↑) of each component _{_{_{y i = P (y 1,}}} y 2, ·· , Y _n ) is represented by the product of the peripheral density functions p (y _i ) of each component y _i . That is,

となる。評価関数として、ｐ（ｙ↑）とΠｐ（ｙ_ｉ）（ｉについての積）との距離を表すKullback-Leibler Divergence （Ｄ）が用いられる。Kullback-Leibler Divergence （Ｄ）は、エントロピーＨと分離行列Ｗ↑を用いて以下のように表される。 It becomes. As an evaluation function, Kullback-Leibler Divergence (D) representing the distance between p (y ↑) and Πp (y _i ) (product of i) is used. Kullback-Leibler Divergence (D) is expressed as follows using entropy H and separation matrix W ↑.

ここで、 here,

Ｈ（ｙ↑）およびＨ（ｙ_ｉ）は、それぞれ、同時分布のエントロピーと周辺分布のエントロピーである。（３）式より、Ｐ（Ｙ↑）＝Ｐ（Ｖ↑）／｜Ｗ↑｜であるので、同時分布エントロピーＨ（ｙ↑）は、次のように書き換えられる。 H (y ↑) and H (y _i ) are the entropy of the simultaneous distribution and the entropy of the peripheral distribution, respectively. Since P (Y ↑) = P (V ↑) / | W ↑ | from the equation (3), the simultaneous distribution entropy H (y ↑) is rewritten as follows.

よって、（５）式のKullback-Leibler
divergence （Ｄ）は次のように書き換えられる。 Therefore, the Kullback-Leibler in equation (5)
Divergence (D) can be rewritten as follows.

ＩＣＡ法では、ｐ（ｙ↑）とΠｐ（ｙ_ｉ）（ｉについての積）が一致するように分離行列Ｗ↑を求めるが、これは、（９）式のＤを最小にするＷ↑を求める問題となる。
一般に、Ｗ↑を解析的に求めることはできず、（９）式のＤを最小にするＷ↑を求めるには、下記の自然勾配法が用いられる。
Ｗ↑の変化分は、（７）式で与えられる。通常の最急降下法に比べると、収束がよく、計算も簡単である。 In the ICA method, a separation matrix W ↑ is obtained so that p (y ↑) and Πp (y _i ) (product of i) coincide with each other. It becomes a problem to seek.
Generally, W ↑ cannot be obtained analytically, and the following natural gradient method is used to obtain W ↑ that minimizes D in equation (9).
The change in W ↑ is given by equation (7). Compared with the normal steepest descent method, the convergence is better and the calculation is easier.

こうして、Ｗ↑の更新則は次式で与えられる。 Thus, the update rule for W ↑ is given by

ここで、μは学習率であり、Ｉ↑は単位行列であり、アンサンブル平均は時間平均に置き換えている。なお、ｐ（ｙｉ）が未知であるから、ｇ（ｙ↑）は近似で求めることになる。この実施例では、ｇ（ｙ↑）はシグモイド関数である。（１２）式により、Ｙが独立となるようなＷ↑が求まり、また、（３）式よりＹ↑が求まる。 Here, μ is a learning rate, I ↑ is a unit matrix, and the ensemble average is replaced with a time average. Since p (yi) is unknown, g (y ↑) is obtained by approximation. In this embodiment, g (y ↑) is a sigmoid function. W ↑ such that Y becomes independent is obtained from equation (12), and Y ↑ is obtained from equation (3).

こうして、この実施例では、対象となるＩＶＲ画像とは別の４枚のＩＶＲ画像を用い、ＩＣＡ法によって基底関数の組を抽出した。
まず、これら４枚のＩＶＲ画像（各々１２８画素×１２８画素のサイズを有する）から任意に８画素×８画素の大きさのパッチ１２,０００個を切り出し、基底関数の組を学習によって抽出するためのサンプル画像とした。この場合、サンプル画像を形成するパッチのサイズは特に限定されないが、抽出される基底関数の組が、画質を改善すべきＩＶＲ画像の空間的特徴を最もよく反映し得るようなパッチのサイズを設定することが好ましい。 Thus, in this example, a set of basis functions was extracted by the ICA method using four IVR images different from the target IVR image.
First, in order to extract 12,000 patches of 8 × 8 pixels arbitrarily from these four IVR images (each having a size of 128 × 128 pixels), and to extract a set of basis functions by learning Sample images of In this case, the size of the patch forming the sample image is not particularly limited, but the patch size is set so that the set of basis functions to be extracted can best reflect the spatial characteristics of the IVR image whose image quality should be improved. It is preferable to do.

そして、各サンプル画像を６４×１の１次元ベクトルに展開し、行列Ｘ↑の列ベクトルとする。それによって、６４×１２,０００のサンプル画像セット行列Ｘ↑が得られる。行列Ｘ↑の行の数はサンプル画像のパッチの個数を表し、列の数はサンプル画像の数を表す。
（１２）式を用いてＷ↑を学習すると、６４×６４の行列Ｗ↑が求められ、このときのＷ↑の各列が基底関数となる。この実施例では、基底関数の数は６４となる。 Then, each sample image is expanded into a 64 × 1 one-dimensional vector to be a column vector of the matrix X ↑. As a result, a 64 × 12,000 sample image set matrix X ↑ is obtained. The number of rows in the matrix X ↑ represents the number of patches in the sample image, and the number of columns represents the number of sample images.
When W ↑ is learned using equation (12), a 64 × 64 matrix W ↑ is obtained, and each column of W ↑ at this time becomes a basis function. In this embodiment, the number of basis functions is 64.

再び図２を参照して、次に、ＩＶＲ画像が、上で求めた基底関数の組を用いてＩＣＡ変換され、基底関数の線形和の形に成分分解される（図２のＳ２２、Ｓ２３）。これを数式で表すと次のようになる。 Referring to FIG. 2 again, next, the IVR image is ICA-transformed using the basis function set obtained above, and component-resolved into a linear sum of basis functions (S22 and S23 in FIG. 2). . This is expressed by the following formula.

ここで、Ｐ↑はＩＶＲ画像であり、［ａ_０↑，ａ_１↑，・・・，ａ_Ｎ−１↑］は基底関数であり、［ｓ_０，ｓ_１，・・・，ｓ_Ｎ−１］はＩＣＡ変換の変換係数である。 Here, P ↑ is an IVR image, [a ₀ ↑, a ₁ ↑,..., A _N−1 ↑] is a basis function, and [s ₀ , s ₁ _{,. 1} ] is a conversion coefficient of ICA conversion.

そして、ＩＶＲ画像をＩＣＡ変換したときの各変換係数が、Shrinkage関数によってフィルタ処理され、ＩＶＲ画像に含まれるノイズ成分が除去される（図２のＳ２４）。この実施例では、Shrinkage関数として、 Then, each conversion coefficient when the ICA conversion is performed on the IVR image is filtered by the Shrinkage function, and the noise component included in the IVR image is removed (S24 in FIG. 2). In this example, the Shrinkage function is

ここで、δ^２は、ポアッソンノイズの累乗であり、
Where δ ² is the power of Poisson noise,

この関数ｇ（ｓ↑）は、ポアッソンノイズに対するクロスバリデーション（cross-validation ）法に基づくShrinkage関数であり、ポアッソンノイズの除去に最適である。なお、Shrinkage関数の関数形はこれに限定されるものではなく、例えば、次式で表されるような公知の適当な関数形を用いることができる。
こうして、ノイズ分散δ^２の増加に伴って、係数ｓの縮小される割合が大きくなる。 This function g (s ↑) is a Shrinkage function based on a cross-validation method for Poisson noise, and is optimal for removing Poisson noise. The function form of the Shrinkage function is not limited to this, and for example, a known appropriate function form represented by the following equation can be used.
Thus, as the noise variance δ ² increases, the rate at which the coefficient s is reduced increases.

さらに、フィルタ処理後の各変換係数を用いてＩＣＡ逆変換が行われ、ノイズ成分の除去されたＩＶＲ画像（第１のＩＶＲ画像）が得られる（図２のＳ２５、Ｓ２６）。これを式で表すと次のようになる。 Further, ICA inverse transform is performed using each transform coefficient after the filter processing, and an IVR image (first IVR image) from which noise components are removed is obtained (S25 and S26 in FIG. 2). This is expressed as follows.

ここで、Ｐ（ハット）は第１のＩＶＲ画像であり、［ａ_０↑，ａ_１↑，・・・，ａ_Ｎ−１↑］は基底関数であり、［ｓ_０（ハット），ｓ_１（ハット），・・・，ｓ_Ｎ−１（ハット）］はフィルタ処理後の変換係数である。 Here, P (hat) is the first IVR image, [a ₀ ↑, a ₁ ↑,..., A _N−1 ↑] are basis functions, and [s ₀ (hat), s ₁ (Hat),..., S _N-1 (hat)] is a conversion coefficient after filtering.

図５は、この実施例で用いた元のＩＶＲ画像を示したものであり、図６は、図５のＩＶＲ画像に対しＩＣＡ・Shrinkageフィルタ処理を行って得られた第１のＩＶＲ画像を示したものである。図５および図６のＩＶＲ画像の比較から、ＩＣＡ・Shrinkageフィルタ処理によって、画像中の縞模様のような構造的なノイズがかなり除去されており、処理前のＩＶＲ画像を劣化させることなく、ノイズ成分を除去できることがわかる。 FIG. 5 shows an original IVR image used in this embodiment, and FIG. 6 shows a first IVR image obtained by performing ICA / Shrinkage filter processing on the IVR image of FIG. It is a thing. From the comparison of the IVR images in FIG. 5 and FIG. 6, structural noise such as stripes in the image is considerably removed by the ICA / Shrinkage filter processing, and the noise is not degraded without deteriorating the IVR image before processing. It can be seen that the components can be removed.

なお、上記実施例では、対象ＩＶＲ画像をＩＣＡ変換した後、変換係数をShrinkage関数によってフィルタ処理することでノイズ成分を除去するようにしたが、このフィルタ処理を行うとともに、ＩＶＲ画像における分解された画像部分のうち、目視によりノイズを含んでいると認識された画像部分を除去するようにしてもよい。 In the above embodiment, after the ICA conversion is performed on the target IVR image, the noise component is removed by filtering the conversion coefficient using the Shrinkage function. However, the filtering process is performed and the IVR image is decomposed. You may make it remove the image part recognized to contain noise visually by the image part.

ＩＣＡ・Shrinkageフィルタ処理によれば、複数のサンプル画像から独立成分分析（ＩＣＡ）によって学習、抽出した基底関数に基づき、元のＩＶＲ画像をＩＣＡ変換し、変換係数をShrinkage関数によってフィルタ処理することでノイズ成分を除去した後、ＩＣＡ逆変換によって第１のＩＶＲ画像を得るようにしたので、元の画像の信号成分を失うことなくノイズ成分を除去することができる。 According to the ICA / Shrinkage filter processing, the original IVR image is ICA-transformed based on the basis function learned and extracted from a plurality of sample images by independent component analysis (ICA), and the conversion coefficient is filtered by the Shrinkage function. After removing the noise component, the first IVR image is obtained by ICA inverse transformation, so that the noise component can be removed without losing the signal component of the original image.

再び図１を参照して、本発明によれば、次に、第１のＩＶＲ画像に対し多重スケール（Multi-scale）フィルタ処理がなされ（図１のＳ４）、その画像中の線状陰影の信号を強調した第２のＩＶＲ画像が生成される（図１のＳ５）。図３には、多重スケールフィルタ処理のフロー図が示してある。 Referring again to FIG. 1, according to the present invention, the first IVR image is then subjected to multi-scale filtering (S4 in FIG. 1), and the linear shadow in the image is detected. A second IVR image in which the signal is enhanced is generated (S5 in FIG. 1). FIG. 3 shows a flowchart of the multiscale filter processing.

図３を参照して、多重スケールフィルタ処理において、まず、強調すべき線状陰影の幅に対応するスケールｓをもつガウス関数Ｇ（ｘ，ｙ）が生成される（図３のＳ３０）。すなわち、ガウス関数Ｇのスケールｓの大きさに応じて、ＩＶＲ画像中の強調される線状の陰影部分の幅が決定される。 Referring to FIG. 3, in the multi-scale filter processing, first, a Gaussian function G (x, y) having a scale s corresponding to the width of the linear shadow to be emphasized is generated (S30 in FIG. 3). That is, the width of the line-shaped shadow portion to be emphasized in the IVR image is determined according to the scale s of the Gaussian function G.

次に、Ｇ（ｘ，ｙ）のx方向の微分∂Ｇ（ｘ，ｙ）／∂ｘ（＝Ｇ_ｘ（ｘ，ｙ））およびｙ方向の微分∂Ｇ（ｘ，ｙ）／∂ｙ（＝Ｇ_ｙ（ｘ，ｙ））が求められ、さらに、Ｇ_ｘ（ｘ，ｙ）のｘ方向の微分∂^２Ｇ（ｘ，ｙ）／∂ｘ^２（＝Ｇ_ｘｘ（ｘ，ｙ））およびｙ方向の微分∂^２Ｇ（ｘ，ｙ）／∂ｘ∂ｙ（＝Ｇ_ｘｙ（ｘ，ｙ））と、Ｇ_ｙ（ｘ，ｙ）のｘ方向の微分∂^２Ｇ（ｘ，ｙ）／∂ｙ∂ｘ（＝Ｇ_ｙｘ（ｘ，ｙ））およびｙ方向の微分∂^２Ｇ（ｘ，ｙ）／∂ｙ^２（＝Ｇ_ｙｙ（ｘ，ｙ））が求められる（図３のＳ３１）。 Then, G (x, y) x-direction differential ∂G (x, y) of _{/ ∂x (= G x (x} , y)) and the y-direction differential ∂G (x, y) / ∂y ( = G _y (x, y)), and the derivative of G _x (x, y) in the x direction ∂ ² G (x, y) / ∂x ² (= G _xx (x, y)) and y direction differential 方向² G (x, y) / ∂ x ∂ y (= G _xy (x, y)) and G _y (x, y) x direction differential ∂ ² G (x, y) / ∂y∂x (= G _yx (x, y)) and y-direction differential ∂ ² G (x, y) / ∂y ² (= G _yy (x, y)) are obtained (S31 in FIG. 3). .

そして、第１のＩＶＲ画像の各画素値Ｌ（ｘ，ｙ）の微分∂^２Ｌ（ｘ，ｙ）／∂ｘ^２（＝Ｌ_ｘｘ（ｘ，ｙ））、∂^２Ｌ（ｘ，ｙ）／∂ｘ∂ｙ（＝Ｌ_ｘｙ（ｘ，ｙ））、∂^２Ｌ（ｘ，ｙ）／∂ｙ∂ｘ（＝Ｌ_ｙｘ（ｘ，ｙ））および∂^２Ｌ（ｘ，ｙ）／∂ｙ^２（＝Ｌ_ｙｙ（ｘ，ｙ））が、
Ｌ_ｘｘ（ｘ，ｙ）＝ｓ^γＬ（ｘ，ｙ）×Ｇ_ｘｘ（ｘ，ｙ）、
Ｌ_ｘｙ（ｘ，ｙ）＝ｓ^γＬ（ｘ，ｙ）×Ｇ_ｘｙ（ｘ，ｙ）、
Ｌ_ｙｘ（ｘ，ｙ）＝ｓ^γＬ（ｘ，ｙ）×Ｇ_ｙｘ（ｘ，ｙ）、
Ｌ_ｙｙ（ｘ，ｙ）＝ｓ^γＬ（ｘ，ｙ）×Ｇ_ｙｙ（ｘ，ｙ）、
ここで、γは任意の定数である、
によって求められる（図３のＳ３２）。 Then, the differential ∂ ² L (x, y) / ∂ x ² (= L _xx (x, y)), ∂ ² L (x, y) of each pixel value L (x, y) of the first IVR image / ∂x∂y (= L _xy (x, y)), ∂ ² L (x, y) / ∂y∂x (= L _yx (x, y)) and ∂ ² L (x, y) / ∂ y ² (= L _yy (x, y)) is
L _xx (x, y) = s ^γ L (x, y) × G _xx (x, y),
L _xy (x, y) = s ^γ L (x, y) × G _xy (x, y),
L _yx (x, y) = s ^γ L (x, y) × G _yx (x, y),
L _yy (x, y) = s ^γ L (x, y) × G _yy (x, y),
Where γ is an arbitrary constant.
(S32 in FIG. 3).

さらに、第１のＩＶＲ画像の各画素の位置におけるヘッセ行列Ｈが
によって求められ（図３のＳ３３）、ヘッセ行列Ｈの２つの固有値λ_１、λ_２（｜λ_１｜＜｜λ_２｜）および対応する固有ベクトルν_１、ν_２が求められる（図３のＳ３４）。この場合、λ_１の固有ベクトルν_１は、関係する線状陰影の軸方向を表し、λ_２の固有ベクトルν_２は、当該線状陰影の軸に対し垂直な方向を表している。 Further, the Hessian matrix H at the position of each pixel of the first IVR image is
(S33 in FIG. 3), two eigenvalues λ ₁ and λ ₂ (| λ ₁ | <| λ ₂ |) of the Hessian matrix H and corresponding eigenvectors ν ₁ and ν ₂ are obtained (S34 in FIG. 3). ). In this case, the eigenvector ν _{1 of} λ ₁ represents the axial direction of the related linear shadow, and the eigenvector ν _{2 of} λ ₂ represents the direction perpendicular to the axis of the linear shadow.

そして、
が計算され（図３のＳ３５）、ＩＶＲ画像の各画素値が、
ここで、ｃおよびβはいずれも任意の定数である、
によって求められる（図３のＳ３５）。この式において、βの値を大きくすればするほど画像は明るくなり、ｃの値を大きくすればするほど画像は暗くなる。 And
Is calculated (S35 in FIG. 3), and each pixel value of the IVR image is
Here, both c and β are arbitrary constants.
(S35 in FIG. 3). In this equation, the larger the value of β, the brighter the image, and the larger the value of c, the darker the image.

次に、ガウス関数Ｇ（ｘ，ｙ）のスケールｓが変更され、図３のステップＳ３０〜Ｓ３５が繰り返される。そして、すべてのｓについて計算が完了したとき、得られたＩ_ｓ（ｘ，ｙ）を用いて、
に従って、ＩＶＲ画像の各画素値が求められる（図３のＳ３７）。この場合、計算に使用されるスケールｓの値の組は、対象となるＩＶＲ画像中に現われた血管、ガイドワイヤおよびカテーテル等の線状の陰影部分の各幅に対応して、予め決定される。 Next, the scale s of the Gaussian function G (x, y) is changed, and steps S30 to S35 in FIG. 3 are repeated. And when the calculation is completed for all s, using the obtained I _s (x, y),
Accordingly, each pixel value of the IVR image is obtained (S37 in FIG. 3). In this case, a set of values of the scale s used for the calculation is determined in advance corresponding to each width of a linear shadow portion such as a blood vessel, a guide wire, and a catheter appearing in the target IVR image. .

再び図１を参照して、本発明の方法によれば、さらに、得られた第２のＩＶＲ画像のコントラストが反転せしめられ、その画像と第１のＩＶＲ画像が合成され（図１のＳ６）、画質の改善されたＩＶＲ画像が生成される（図１のＳ７）。なお、第１および第２のＩＶＲ画像の合成に際し、必要に応じて、各画像に重み係数が付与される。 Referring to FIG. 1 again, according to the method of the present invention, the contrast of the obtained second IVR image is further inverted, and the image and the first IVR image are synthesized (S6 in FIG. 1). Then, an IVR image with improved image quality is generated (S7 in FIG. 1). Note that, when the first and second IVR images are combined, a weighting coefficient is given to each image as necessary.

図７は、図６のＩＶＲ画像（第１のＩＶＲ画像）に対し多重スケールフィルタ処理を行って得られた第２のＩＶＲ画像を示したものである。また、図８は、図７のＩＶＲ画像（第２のＩＶＲ画像）のコントラストを反転させた画像と、図６のＩＶＲ画像（第１のＩＶＲ画像）を合成して得られた、画質の改善されたＩＶＲ画像を示したものである。この場合、第１のＩＶＲ画像の割合を１とし、コントラスト反転した第２のＩＶＲ画像の割合を０．１として両画像を合成し、得られた画像を１．１で割っている。
図５および図８のＩＶＲ画像の比較から、本発明による画質改善法によれば、ＩＶＲ画像におけるノイズ除去と線状陰影の強調を同時に達成することができることがわかる。 FIG. 7 shows a second IVR image obtained by performing multiscale filter processing on the IVR image (first IVR image) of FIG. FIG. 8 shows an improvement in image quality obtained by combining the image obtained by inverting the contrast of the IVR image (second IVR image) in FIG. 7 and the IVR image (first IVR image) in FIG. The IVR image obtained is shown. In this case, the ratio of the first IVR image is set to 1, the ratio of the contrast-inverted second IVR image is set to 0.1, and both images are combined, and the obtained image is divided by 1.1.
From the comparison of the IVR images in FIG. 5 and FIG. 8, it can be seen that the image quality improvement method according to the present invention can simultaneously achieve noise removal and linear shadow enhancement in the IVR image.

上記実施例では、ＩＶＲ画像が静止画像である場合について説明してきたが、本発明の方法は、ＩＶＲ画像が動画像である場合にも適用可能である。この場合には、動画像を１フレーム毎の画像に分解し、分離した画像毎に上記と同様の処理を行い、処理後の各画像を再合成すればよい。 In the above embodiment, the case where the IVR image is a still image has been described. However, the method of the present invention can also be applied to the case where the IVR image is a moving image. In this case, the moving image is decomposed into images for each frame, the same processing as described above is performed for each separated image, and the processed images are recombined.

図４は、本発明の別の実施例によるＩＶＲ画像の画質改善法のフロー図である。図４を参照して、この実施例では、画質改善すべき同一の元のＩＶＲ画像が２つ用意される（図４のＳ１０）。そして、一方の元のＩＶＲ画像に対しＩＣＡ・Shrinkageフィルタ処理がなされ、ノイズ信号が除去された第１のＩＶＲ画像が生成される一方（図４のＳ１１、Ｓ１２）、他方の元のＩＶＲ画像に対し多重スケールフィルタ処理がなされ、その画像中の線状陰影の信号が強調された第２のＩＶＲ画像が生成される（図４のＳ１３、Ｓ１４）。 FIG. 4 is a flowchart of a method for improving the quality of an IVR image according to another embodiment of the present invention. Referring to FIG. 4, in this embodiment, two identical original IVR images to be improved in image quality are prepared (S10 in FIG. 4). Then, ICA / Shrinkage filter processing is performed on one original IVR image, and a first IVR image from which a noise signal is removed is generated (S11 and S12 in FIG. 4), while the other original IVR image On the other hand, multiscale filter processing is performed to generate a second IVR image in which the linear shadow signal in the image is enhanced (S13 and S14 in FIG. 4).

そして、第２のＩＶＲ画像のコントラストが反転せしめられ（図４のＳ１５）、その画像と第１のＩＶＲ画像とが合成され（図４のＳ１６）、画質の改善されたＩＶＲ画像が生成される（図４のＳ１７）。なお、第１および第２のＩＶＲ画像の合成の際に、必要に応じて、各画像に重み係数が付与され得る。
この実施例の場合にも、図１の実施例の場合と同様の効果が得られる。 Then, the contrast of the second IVR image is inverted (S15 in FIG. 4), the image and the first IVR image are combined (S16 in FIG. 4), and an IVR image with improved image quality is generated. (S17 in FIG. 4). Note that, when the first and second IVR images are combined, a weighting factor can be given to each image as necessary.
Also in this embodiment, the same effect as in the embodiment of FIG. 1 can be obtained.

本発明の１実施例によるＩＶＲ画像の画質改善法のフロー図である。FIG. 4 is a flowchart of an IVR image quality improvement method according to an embodiment of the present invention. 図１中のＩＣＡ・Shrinkageフィルタ処理のフロー図である。FIG. 2 is a flowchart of ICA / Shrinkage filter processing in FIG. 1. 図１中の多重スケールフィルタ処理のフロー図である。It is a flowchart of the multiscale filter process in FIG. 本発明の別の実施例によるＩＶＲ画像の画像改善法のフロー図である。FIG. 6 is a flowchart of an image improvement method for an IVR image according to another embodiment of the present invention. 画質を改善すべきＩＶＲ画像を示したものである。It shows an IVR image whose image quality should be improved. 図５のＩＶＲ画像に対しＩＣＡ・Shrinkageフィルタ処理を行って得られた第１のＩＶＲ画像を示したものである。6 shows a first IVR image obtained by performing ICA / Shrinkage filter processing on the IVR image of FIG. 図６のＩＶＲ画像に対し多重スケールフィルタ処理を行って得られた第２のＩＶＲ画像を示したものである。7 shows a second IVR image obtained by performing multi-scale filter processing on the IVR image of FIG. 6. 図７のＩＶＲ画像（第２のＩＶＲ画像）のコントラストを反転させ、その画像と図６のＩＶＲ画像（第１のＩＶＲ画像）を合成して得られた、画質の改善されたＩＶＲ画像を示したものである。7 shows an IVR image with improved image quality obtained by inverting the contrast of the IVR image in FIG. 7 (second IVR image) and synthesizing the image with the IVR image in FIG. 6 (first IVR image). It is a thing.

Claims

（ａ）画質改善すべき元のＩＶＲ画像に対しＩＣＡ・Shrinkageフィルタ処理を行い、ノイズ信号を除去した第１のＩＶＲ画像を生成するステップと、
（ｂ）前記第１のＩＶＲ画像に対し多重スケールフィルタ処理を行い、その画像中の線状陰影の信号を強調した第２のＩＶＲ画像を生成するステップと、
（ｃ）前記第２のＩＶＲ画像のコントラストを反転させた後、前記第１および第２のＩＶＲ画像を合成して、画質の改善されたＩＶＲ画像を生成するステップと、を有することを特徴とするＩＶＲ画像の画質改善法。 (A) performing an ICA / Shrinkage filter process on the original IVR image to be improved in image quality to generate a first IVR image from which a noise signal has been removed;
(B) performing a multi-scale filter process on the first IVR image to generate a second IVR image in which a signal of a linear shadow in the image is enhanced;
(C) reversing the contrast of the second IVR image, and then synthesizing the first and second IVR images to generate an IVR image with improved image quality. To improve the quality of IVR images.

前記ステップ（ｃ）において前記第１および第２の画像を合成するとき、それぞれの画像に重み係数を付与することを特徴とする請求項１に記載のＩＶＲ画像の画質改善法。 2. The method of improving image quality of an IVR image according to claim 1, wherein when the first and second images are combined in step (c), a weighting coefficient is given to each image.

（ａ’）画質改善すべき同一の元のＩＶＲ画像を２つ用意し、
（ｂ’）一方の前記元のＩＶＲ画像に対しＩＣＡ・Shrinkageフィルタ処理を行い、ノイズ信号を除去した第１のＩＶＲ画像を生成するとともに、他方の前記元のＩＶＲ画像に対し多重スケールフィルタ処理を行い、その画像中の線状陰影の信号を強調した第２のＩＶＲ画像を生成するステップと、
（ｃ’）前記第２のＩＶＲ画像のコントラストを反転させた後、前記第１および第２のＩＶＲ画像を合成して画質の改善されたＩＶＲ画像を生成するステップと、を有することを特徴とするＩＶＲ画像の画質改善法。 (A ′) Prepare two identical original IVR images to be improved in image quality,
(B ′) ICA / Shrinkage filter processing is performed on one original IVR image to generate a first IVR image from which a noise signal is removed, and multi-scale filter processing is performed on the other original IVR image. Generating a second IVR image with enhanced linear shading signals in the image;
(C ′) reversing the contrast of the second IVR image, and then synthesizing the first and second IVR images to generate an IVR image with improved image quality. To improve the quality of IVR images.

前記ステップ（ｃ’）において前記第１および第２の画像を合成するとき、それぞれの画像に重み係数を付与することを特徴とする請求項３に記載のＩＶＲ画像の画質改善法。 4. The method for improving the image quality of an IVR image according to claim 3, wherein when the first and second images are synthesized in the step (c '), a weighting coefficient is given to each image.

前記ＩＣＡ・Shrinkageフィルタ処理は、
（i）予め与えられた複数のサンプル画像から、独立成分分析（ＩＣＡ）によって、前記サンプル画像の特徴を統計的に表す基底関数の組を抽出するステップと、
（ii）前記ＩＶＲ画像をＩＣＡ変換して、前記ＩＶＲ画像を前記基底関数の線形和の形に成分分解するステップと、
（iii）前記ＩＶＲ画像を前記ＩＣＡ変換したときの各変換係数を、Shrinkage関数によってフィルタ処理して前記ＩＶＲ画像に含まれるノイズ成分を除去するステップと、
（iv）前記フィルタ処理した後の各変換係数を用いてＩＣＡ逆変換を行い、ノイズの除去されたＩＶＲ画像を得るステップと、からなることを特徴とする請求項１〜請求項４のいずれかに記載のＩＶＲ画像の画質改善法。 The ICA / Shrinkage filter process is:
(I) extracting a set of basis functions that statistically represent the characteristics of the sample image from a plurality of sample images given in advance by independent component analysis (ICA);
(Ii) performing ICA conversion on the IVR image and decomposing the IVR image into a linear sum of the basis functions;
(Iii) filtering each transformation coefficient when the IVR image is ICA transformed by a Shrinkage function to remove noise components included in the IVR image;
(Iv) performing an ICA inverse transform using each transform coefficient after the filtering process to obtain an IVR image from which noise has been removed, and comprising the steps of: A method for improving the image quality of an IVR image described in 1.

前記ステップ（iii）において、前記Shrinkage関数として、ポアッソンノイズに対するクロスバリデーション（cross-validation）法に基づくShrinkage関数を用いることを特徴とする請求項５に記載のＩＶＲ画像の画質改善法。 6. The method according to claim 5, wherein a Shrinkage function based on a cross-validation method for Poisson noise is used as the Shrinkage function in the step (iii).

前記ステップ（i）において、前記サンプル画像を、前記ＩＶＲ画像に類似する対象物について前記ＩＶＲ画像の取得時と近似した条件下で取得したデジタル画像に基づいて作成することを特徴とする請求項５または請求項６に記載の方法。 6. The step (i), wherein the sample image is created based on a digital image acquired under a condition approximate to the time of acquisition of the IVR image for an object similar to the IVR image. Or the method of claim 6.

前記多重スケールフィルタ処理は、
（i）強調すべき線状陰影の幅に対応するスケールｓをもつガウス関数Ｇ（ｘ，ｙ）を生成するステップと、
（ii）Ｇ（ｘ，ｙ）のx方向の微分∂Ｇ（ｘ，ｙ）／∂ｘ（＝Ｇ_ｘ（ｘ，ｙ））およびｙ方向の微分∂Ｇ（ｘ，ｙ）／∂ｙ（＝Ｇ_ｙ（ｘ，ｙ））を求め、さらに、Ｇ_ｘ（ｘ，ｙ）のｘ方向の微分∂^２Ｇ（ｘ，ｙ）／∂ｘ^２（＝Ｇ_ｘｘ（ｘ，ｙ））およびｙ方向の微分∂^２Ｇ（ｘ，ｙ）／∂ｘ∂ｙ（＝Ｇ_ｘｙ（ｘ，ｙ））と、Ｇ_ｙ（ｘ，ｙ）のｘ方向の微分∂^２Ｇ（ｘ，ｙ）／∂ｙ∂ｘ（＝Ｇ_ｙｘ（ｘ，ｙ））およびｙ方向の微分∂^２Ｇ（ｘ，ｙ）／∂ｙ^２（＝Ｇ_ｙｙ（ｘ，ｙ））とを求めるステップと、
（iii）前記ＩＶＲ画像の各画素値Ｌ（ｘ，ｙ）の微分∂^２Ｌ（ｘ，ｙ）／∂ｘ^２（＝Ｌ_ｘｘ（ｘ，ｙ））、∂^２Ｌ（ｘ，ｙ）／∂ｘ∂ｙ（＝Ｌ_ｘｙ（ｘ，ｙ））、∂^２Ｌ（ｘ，ｙ）／∂ｙ∂ｘ（＝Ｌ_ｙｘ（ｘ，ｙ））および∂^２Ｌ（ｘ，ｙ）／∂ｙ^２（＝Ｌ_ｙｙ（ｘ，ｙ））を、
Ｌ_ｘｘ（ｘ，ｙ）＝ｓ^γＬ（ｘ，ｙ）×Ｇ_ｘｘ（ｘ，ｙ）、
Ｌ_ｘｙ（ｘ，ｙ）＝ｓ^γＬ（ｘ，ｙ）×Ｇ_ｘｙ（ｘ，ｙ）、
Ｌ_ｙｘ（ｘ，ｙ）＝ｓ^γＬ（ｘ，ｙ）×Ｇ_ｙｘ（ｘ，ｙ）、
Ｌ_ｙｙ（ｘ，ｙ）＝ｓ^γＬ（ｘ，ｙ）×Ｇ_ｙｙ（ｘ，ｙ）、
ここで、γは任意の定数である、
によって求めるステップと、
（iv）前記ＩＶＲ画像の各画素の位置におけるヘッセ行列Ｈを

により求めるステップと、
（v）前記ヘッセ行列Ｈの２つの固有値λ_１、λ_２（｜λ_１｜＜｜λ_２｜）および対応する固有ベクトルν_１、ν_２を求め、
を求めるステップと、
（vi）前記ＩＶＲ画像の各画素値を、
ここで、ｃおよびβは任意の定数である、
によって求めるステップと、
（vii）前記ガウス関数Ｇ（ｘ，ｙ）のスケールｓの値を変更して、前記ステップ（ii）〜（vi）を繰り返すステップと、
（viii）前記ステップ（ii）〜（vii）を所定の回数繰り返した後、得られたＩ_ｓ（ｘ，ｙ）を用いて、
に従って、前記ＩＶＲ画像の各画素値を求めるステップと、からなっていることを特徴とする請求項１〜請求項７のいずれかに記載のＩＶＲ画像の画質改善法。 The multi-scale filter process is:
(I) generating a Gaussian function G (x, y) having a scale s corresponding to the width of the linear shadow to be enhanced;
(Ii) G (x, y) x-direction differential ∂G (x, y) / ∂x (= G _x (x, y)) and y-direction differential ∂G (x, y) / ∂y ( = G _y (x, y)), and further, the derivative of G _x (x, y) in the x direction ∂ ² G (x, y) / ∂x ² (= G _xx (x, y)) and y Direction differential ∂ ² G (x, y) / ∂ x ∂ y (= G _xy (x, y)) and G _y (x, y) in the x direction ∂ ² G (x, y) / ∂ determining y∂x (= G _yx (x, y)) and y-direction differential ∂ ² G (x, y) / ∂ y ² (= G _yy (x, y));
(Iii) Differentiating each pixel value L (x, y) of the IVR image ∂ ² L (x, y) / ∂ x ² (= L _xx (x, y)), ∂ ² L (x, y) / _{∂x∂y (= L xy (x,} y)), ∂ 2 L (x, y) / ∂y∂x (= L yx (x, y)) and ^{∂ 2 L (x, y)} / ∂y ² (= L _yy (x, y))
L _xx (x, y) = s ^γ L (x, y) × G _xx (x, y),
L _xy (x, y) = s ^γ L (x, y) × G _xy (x, y),
L _yx (x, y) = s ^γ L (x, y) × G _yx (x, y),
L _yy (x, y) = s ^γ L (x, y) × G _yy (x, y),
Where γ is an arbitrary constant.
The steps you seek by
(Iv) a Hessian matrix H at each pixel position of the IVR image.

A step to obtain by
(V) Obtain two eigenvalues λ ₁ , λ ₂ (| λ ₁ | <| λ ₂ |) and corresponding eigenvectors ν ₁ , ν ₂ of the Hessian matrix H,
A step of seeking
(Vi) Each pixel value of the IVR image is
Where c and β are arbitrary constants,
The steps you seek by
(Vii) changing the value of the scale s of the Gaussian function G (x, y) and repeating the steps (ii) to (vi);
(Viii) After repeating the steps (ii) to (vii) a predetermined number of times, using the obtained I _s (x, y),
The method for improving the image quality of an IVR image according to claim 1, further comprising: calculating each pixel value of the IVR image according to the above.