CN104281997A - 一种基于多尺度分析模型的动态x射线图像实时增强方法 - Google Patents

一种基于多尺度分析模型的动态x射线图像实时增强方法 Download PDF

Info

Publication number
CN104281997A
CN104281997A CN201310288265.1A CN201310288265A CN104281997A CN 104281997 A CN104281997 A CN 104281997A CN 201310288265 A CN201310288265 A CN 201310288265A CN 104281997 A CN104281997 A CN 104281997A
Authority
CN
China
Prior art keywords
image
dynamic
analysis model
ray image
method based
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
Application number
CN201310288265.1A
Other languages
English (en)
Inventor
李劲生
谷宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Perlove Radial Video Equipment Co Ltd
Original Assignee
Nanjing Perlove Radial Video Equipment Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Perlove Radial Video Equipment Co Ltd filed Critical Nanjing Perlove Radial Video Equipment Co Ltd
Priority to CN201310288265.1A priority Critical patent/CN104281997A/zh
Publication of CN104281997A publication Critical patent/CN104281997A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Image Processing (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

一种基于多尺度分析模型的动态X射线图像实时增强方法，属于医疗器械技术领域。该方法包括：图像预处理（1）、图像分解（2）、图像增强（3）、图像合成（4）、图像后处理（5），其特征在于：通过对图像进行多尺度分解，将图像信号分解成若干个频率子带，通过对各个子带图像进行增强处理，实现降低噪声、增强边缘细节、均衡对比度及压缩动态范围，改善X射线图像质量，该方法采用GPU并行运算技术进行图像处理。其优点是：采用GPU运算，方法更加经济，鲁棒性好，可以实时完成图像增强处理。

Description

一种基于多尺度分析模型的动态X射线图像实时增强方法
技术领域
本发明属于医疗器械技术领域。
背景技术
目前，在X射线机正在逐步的数字化，X射线机数字化之后一般会产生高分辨率高动态范围的单色医学图像，高动态范围医学图像的每个像素一般由10到16位2进制数据表示，这种图像如果直接在相对低动态范围的显示器上显示往往显示效果较差，故需要对图像进行各种处理，以凸显图像中更有价值的部分，即图像增强处理；根据对人类视觉系统的分析发现人类感知事物是分层次实现的，多尺度分析模型应运而生，该模型通过将图像细节按照尺度划分成若干个频率子带，对各个子带图像进行处理，再将各个子带图像合成得到增强处理后的图像，该算法已通过临床验证有较好的处理效果，但处理时运算量极大，不利于图像处理的实时完成，图像处理目前大多采用基于FPGA运算或基于CPU运算的图像处理方法，其中FPGA运算速度快可以实现实时处理，但欠缺灵活性且能实现的算法较为简单，能处理的图像分辨率也相对固定，采用CPU运算的图像处理方法相对灵活，可以在运行时设置各种参数，但速度较慢一般不能对高分辨率图像进行实时处理，故需要设计一种方法可以相对灵活的对高分辨率高动态范围图像进行实时增强处理。
发明内容
本发明目的在于设计一种方法对高分辨率高动态范围单色图像进行实时增强处理，本发明利用常见的个人电脑实现所有功能，所有处理实时完成且处理效果通过实际临床验证效果良好。
本发明采取的技术方案是：该方法包括：图像预处理、图像分解、图像增强、图像合成、图像后处理，其特征在于：通过对图像进行多尺度分解，将图像信号分解成若干个频率子带，通过对各个子带图像进行增强处理，实现降低噪声、增强边缘细节、均衡对比度及压缩动态范围，改善X射线图像质量，该方法采用GPU并行运算技术进行图像处理。
本发明的有益效果是：成本低廉，除需要带有GPU运算能力的电脑，无需专用的图像处理硬件即可完成复杂的图像处理算法；且该方法具备很好的实时性与灵活性，可以对采集到的图像作实时处理，运行时调整算法参数较为方便。
附图说明
图1图像处理流程图。
图2图像分解流程图。
图3图像合成流程图。
具体实施方式
本发明采取的技术方案是：
首先，将采集到的高分辨率高动态范围图像在载入到GPU显存内，进行图像预处理，以降低噪声及调整图像动态范围。
处理后的图像如图2所示进行图像分解，分解算法采用拉普拉斯金字塔图像分解法，得到图像在各种尺度上的子带图像，分解原理：对图像进行低通滤波得到低频分量，继而求取图像中剩余的高频分量完成一层图像分解，再对分离出的低频分量在减采样后继续进行前述分解，直到达到特定的条件为止，由此得到各个尺度上的由低频分量组成的高斯金字塔和由高频分量组成的拉普拉斯金字塔。
其次，对分解后的图像金字塔各层按照设置的处理参数进行处理，以降低噪声、增强细节及压缩动态范围等，这种处理会根据不同的图像内容有所差异。
再次，对处理后的子带图像按照如图3所示的方法进行合成，得到增强处理后的图像；合成原理：将高斯金字塔尺寸最小的层进行增采样，然后与上一层处理后的拉普拉斯金字塔层相加得到的图像作为上一层的高斯金字塔层，再对各层图像依次进行同样的处理，将高斯金字塔的最高一层结果输出作为增强处理后的图像。
最后，根据不同的图像内容对前一步所得图像进行适当的后处理后将图像输出用于显示。
其优点是：成本低廉，除需要带有GPU运算能力的电脑，无需专用的图像处理硬件即可完成复杂的图像处理算法；且该方法具备很好的实时性与灵活性，可以对采集到的图像作实时处理，运行时调整算法参数较为方便。

Claims (2)

1.一种基于多尺度分析模型的动态X射线图像实时增强方法，该方法包括：图像预处理（1）、图像分解（2）、图像增强（3）、图像合成（4）、图像后处理（5），其特征在于：通过对图像进行多尺度分解，将图像信号分解成若干个频率子带，通过对各个子带图像进行增强处理，实现降低噪声、增强边缘细节、均衡对比度及压缩动态范围，改善X射线图像质量。
2.根据权利要求1所述的一种基于多尺度分析模型的动态X射线图像实时增强方法，采用GPU并行运算技术进行图像处理。
CN201310288265.1A 2013-07-10 2013-07-10 一种基于多尺度分析模型的动态x射线图像实时增强方法 Pending CN104281997A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310288265.1A CN104281997A (zh) 2013-07-10 2013-07-10 一种基于多尺度分析模型的动态x射线图像实时增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310288265.1A CN104281997A (zh) 2013-07-10 2013-07-10 一种基于多尺度分析模型的动态x射线图像实时增强方法

Publications (1)

Publication Number Publication Date
CN104281997A true CN104281997A (zh) 2015-01-14

Family

ID=52256848

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310288265.1A Pending CN104281997A (zh) 2013-07-10 2013-07-10 一种基于多尺度分析模型的动态x射线图像实时增强方法

Country Status (1)

Country Link
CN (1) CN104281997A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107038694A (zh) * 2016-02-04 2017-08-11 西门子保健有限责任公司 确定导航图像的方法、x射线装置、程序和数据载体
WO2018086000A1 (en) * 2016-11-09 2018-05-17 Edan Instruments, Inc. Systems and methods for ultrasound imaging

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
何祥彬: "DR 的计算机控制与图像增强方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107038694A (zh) * 2016-02-04 2017-08-11 西门子保健有限责任公司 确定导航图像的方法、x射线装置、程序和数据载体
WO2018086000A1 (en) * 2016-11-09 2018-05-17 Edan Instruments, Inc. Systems and methods for ultrasound imaging
US11033251B2 (en) 2016-11-09 2021-06-15 Edan Instruments, Inc. Systems and methods for ultrasound imaging

Similar Documents

Publication Publication Date Title
Zhu et al. Applications of deep learning to neuro-imaging techniques
Bhateja et al. Multimodal medical image sensor fusion framework using cascade of wavelet and contourlet transform domains
Dhawan Medical image analysis
Zuo et al. Effects of non-local diffusion on structural MRI preprocessing and default network mapping: statistical comparisons with isotropic/anisotropic diffusion
Yousif et al. An improved approach for medical image fusion using sparse representation and Siamese convolutional neural network
CN107468250B (zh) 基于多尺度熵的生物组织太赫兹成像方法、系统和设备
Shuaiqi et al. Medical image fusion based on rolling guidance filter and spiking cortical model
Jabbar et al. Using convolutional neural network for edge detection in musculoskeletal ultrasound images
Sonavane et al. Classification and segmentation of brain tumor using Adaboost classifier
CN114897756A (zh) 模型训练方法、医学图像融合方法、装置、设备和介质
Li et al. An impulse noise removal model algorithm based on logarithmic image prior for medical image
Cai et al. A phase-based active contour model for segmentation of breast ultrasound images
CN104281997A (zh) 一种基于多尺度分析模型的动态x射线图像实时增强方法
US11455755B2 (en) Methods and apparatus for neural network based image reconstruction
Vani et al. Multi focus and multi modal image fusion using wavelet transform
CN102890817A (zh) 医学图像的处理方法及系统
Zou et al. Automatic Diagnosis of Melanoma Based on EfficientNet and Patch Strategy
El-Shafai et al. Single image super-resolution approaches in medical images based-deep learning: a survey
CN116342444A (zh) 一种双通道多模态图像融合方法及融合成像终端机
Hu et al. MWG-Net: Multi-scale Wavelet Guidance Network for COVID-19 Lung Infection Segmentation from CT Images
CN113592972A (zh) 一种基于多模态聚合的磁共振图像重建方法及装置
Dhore et al. Chest x-ray segmentation using watershed and super pixel segmentation technique
Sunitha et al. Fuzzy based dynamic histogram equalization for enhancing quality of registered medical image
Guo et al. The study of medical image enhancement based on curvelet\footnote {This work is supported by Natural Science Foundation of Heilongjiang Province (No. GFQQ2440501411).}
Yang et al. Multi-class semantic segmentation of breast tissues from MRI images using U-Net based on Haar wavelet pooling

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 211112 Jiangning, Jiangsu Province, open source road, No. 168, No.

Applicant after: NANJING PERLOVE MEDICAL EQUIPMENT CO., LTD.

Address before: 211112 Jiangning, Jiangsu Province, open source road, No. 168, No.

Applicant before: Nanjing Perlove Radial-video Equipment Co., Ltd.

COR Change of bibliographic data
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20150114

WD01 Invention patent application deemed withdrawn after publication