CN108292429B - 检查图像的去噪和/或缩放 - Google Patents
检查图像的去噪和/或缩放 Download PDFInfo
- Publication number
- CN108292429B CN108292429B CN201680056029.9A CN201680056029A CN108292429B CN 108292429 B CN108292429 B CN 108292429B CN 201680056029 A CN201680056029 A CN 201680056029A CN 108292429 B CN108292429 B CN 108292429B
- Authority
- CN
- China
- Prior art keywords
- inspection
- image
- variance
- noise
- denoiser
- 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.)
- Active
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 138
- 238000000034 method Methods 0.000 claims abstract description 60
- 230000005855 radiation Effects 0.000 claims abstract description 55
- 230000009466 transformation Effects 0.000 claims abstract description 30
- 230000000087 stabilizing effect Effects 0.000 claims abstract description 15
- 238000001914 filtration Methods 0.000 claims description 16
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000002146 bilateral effect Effects 0.000 claims description 2
- 238000009499 grossing Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 19
- 238000004891 communication Methods 0.000 description 15
- 230000003068 static effect Effects 0.000 description 8
- 239000000463 material Substances 0.000 description 4
- 101100419874 Caenorhabditis elegans snr-2 gene Proteins 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 3
- 239000000654 additive Substances 0.000 description 3
- 230000000996 additive effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 239000010959 steel Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000010894 electron beam technology Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000035515 penetration Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002285 radioactive effect Effects 0.000 description 2
- 230000005461 Bremsstrahlung Effects 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 230000005865 ionizing radiation Effects 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000191 radiation effect Effects 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 1
- 229910052721 tungsten Inorganic materials 0.000 description 1
- 239000010937 tungsten Substances 0.000 description 1
Images
Classifications
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4007—Interpolation-based scaling, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/401—Imaging image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Image Processing (AREA)
Abstract
一方面，本发明提供了一种对包括多个像素的一个或多个检查图像进行去噪的方法，包括：接收由配置成检查由一个或多个容器的检查系统生成的检查图像，所述检查图像被泊松‑高斯噪声破坏，并且所述噪声的方差在所述多个像素中是非恒定的，以及通过对所述检查图像应用方差稳定变换以将所述噪声的方差变换成所述多个像素中的恒定方差来对接收到的检查图像进行去噪，其中所述方差稳定变换是基于与所述检查辐射的角散度和所述泊松‑高斯噪声相关联的描述符。
Description
技术领域
本公开涉及但不限于用于对一个或多个检查图像或至少一个检查图像的至少一部分进行去噪和/或缩放的方法和系统。
背景技术
用户可能难以检测检查图像中的隐藏对象，例如武器或危险材料，特别是当图像被噪声破坏时，当检查图像由具有小辐射(例如x射线)剂量的检查系统产生时，尤其如此，因为SNR(信噪比)可能较小。
缩放损坏的图像通常不会帮助用户检测隐藏对象，因为损坏图像的噪声也会通过缩放而放大。
本发明的各方面解决了一些上述问题。
发明内容
本发明的各方面和实施例在所附权利要求中阐述，这里还描述了本发明的这些和其他方面和实施例。
附图说明
现在将参照附图仅以示例的方式描述本公开的实施例，其中：
图1是示出用于对检查图像进行去噪和/或缩放的示例方法的流程图；
图2是非常具有示意性的视图，该视图示出了被配置为连接到检查系统的示例性去噪器和/或缩放器；
图3A示出了由泊松-高斯(Poisson-Gaussian)噪声破坏的检查图像的示例；
图3B示出了作为系统中的检测器的函数，损坏图3A所示检查图像的噪声的时间标准偏差的方差的示例；
图3C示出了与检查系统相关联的描述符以及破坏图3A所示图像的泊松-高斯噪声的示例；
图4A示出了对图3A所示图像应用方差稳定变换之后获得的检查图像的示例；
图4B示出了作为系统中的检测器的函数，损坏图4A所示检查图像的噪声的时间标准偏差的方差的示例；
图5以侧面和截面图示出了示例性检查系统；
图6是图5所示系统的辐射源和参考块的顶视图；
图7以侧视图示出了图6中所示的参考块；
图8A示出了校准图像的示例；
图8B示出了作为像素中的噪声的平均值的函数的曲线图的示例，该曲线图表示图8A所示校准图像的像素中的噪声的标准偏差的值；
图9A是示出作为系统中的检测器的函数的信噪比(SNR)的两个示例(称为“高”和“低”)的曲线图；
图9B是示出作为从源看到检测器的角度θ的函数的与检测器相关联的平方信噪比(SNR2)的示例，以及平方信噪比(SNR2)的示例近似的曲线图；
图9C是示出作为系统中的检测器的函数的由源发射的光子的数量，以及光子数量的示例近似的曲线图；
图10是示出作为系统中检测器的函数的距离源-检测器rL及其移动平均值rLf的曲线图；
图11A表示图像中的所选感兴趣区域；
图11B表示对应于图11A的感兴趣区域的缩放图像；和
图12表示基于解卷积的缩放的示例。
具体实施方式
概述
图1是示出对一个或多个检查图像或至少一个检查图像的至少一部分进行去噪的示例方法的流程图。
图2是非常示意性地示出了包括去噪器和/或缩放器50的装置500，该去噪器和/或缩放器50被配置为实现图1所示的方法的至少一些步骤。
在一些示例中，检查图像可以由检查系统1生成，检查系统1被配置为检查包括负载的一个或多个容器，下面将参照图5至图7更详细地描述检查系统的示例。
如下面更详细描述的那样，检查系统1可以被配置为通过检查辐射(例如X射线)传输通过所述容器来检查所述容器，并且可以被配置为检测检查辐射接收器上的透射辐射，该检查辐射接收器包括多个检测器。在一些示例中，所述检查辐射可以在连续的辐射脉冲中传输。如在本公开中显而易见的，所述检查辐射可以具有从检查辐射源到所述检查辐射接收器的角散度。
检查系统1可能具有某些不稳定性，例如，所述检查辐射源可能随时间不稳定并且可能在检查期间经历所述检查辐射的强度和/或所述检查辐射的光谱性质的演化。
使用小剂量的辐射(例如2mGy至60mGy，典型的例如20mGy)进行检查时，噪声可能很重要。图3A示出了具有多个像素13的检查图像10的例子。
图3A示出了检查图像10可能被泊松-高斯噪声破坏。
图3B示出了作为与检查图像10中的像素13相关联的检测器的函数的图3A所示噪声的标准偏差(即方差的平方根)的曲线图。图3B的曲线图示出了曲线中的波谷68。图3B所示波谷68说明，在检测器中的噪声的方差(图3B的标准偏差，平方的)是非恒定的，并且因此在图像中是非恒定的。
由检查系统1生成的检查图像10因此与自然图像(例如，由已知的CCD和/或CMOS相机捕获的图像)相比基本上不同，因为所述自然图像可能会受到自然图像中具有恒定方差的噪声的影响。
因此，图1所示的方法可以包括在S2中通过对检查图像应用方差稳定变换以将噪声的方差变换成图像中的恒定方差来对所接收的检查图像进行去噪。图4A示出了通过应用变换获得的变换图像的例子。图4B示出了作为与变换图像中的像素相关联的检测器的函数，破坏图4A所示变换图像的噪声的标准偏差(例如，方差的平方根)的曲线图。图4B示出标准偏差可以通过常数C(例如，等于1)近似，并且因此方差也可以通过常数(例如，也等于1)近似。
在一些示例中，方差稳定变换可以基于与检查辐射的角散度和泊松-高斯噪声相关联的描述符。在一些示例中，所述描述符可以基于预定的一组参数。
在图2的示例中，去噪器和/或缩放器50包括处理器51，存储器52，第一通信接口53和第二通信接口54，以及包括用于向用户显示检查图像10的显示器555的图形用户界面55。在一些示例中，可以至少部分地通过去噪器和/或缩放器50来执行去噪和/或缩放，例如，通过去噪器和/或缩放器50的处理器51。
存储器52被配置为存储数据，例如供处理器51使用。存储器52可以包括第一数据库服务器521。
在图2中，去噪器和/或缩放器50被配置为经由接口53和装置500的第一链路60与一个或多个检查系统1通信，链路60位于系统1中的每一个和接口53之间。链路60可以包括通信网络(有线和/或无线)。
在一些示例中，图2的去噪器和/或缩放器50可以被配置为在图1的S1处从一个或多个系统1接收由系统1生成的一个或多个检查图像10，例如通过链接60。所接收的图像10可以被存储在存储器52中。在一些示例中，存储器52还可以被配置为存储通过链路60从系统1接收的数据(例如，控制数据)。数据库服务器521可以被配置为存储参数和/或指令和/或文件，例如对应于检查图像的文件或对应于描述符700的参数，以供去噪器和/或缩放器5使用。
在图2所示的示例中，装置500还可以包括通信服务器61，该通信服务器61被配置为经由第二链路70与系统1和/或去噪器和/或缩放器5中的一些(通过接口54)进行通信。链路70可以包括通信网络(有线和/或无线)。在一些示例中，通信服务器61可以被配置为向系统1和/或去噪器和/或缩放器5提供远程数据管理系统。在一些示例中，服务器61可以包括第二数据库服务器611。第二数据库服务器611可以被配置为存储供系统1和/或去噪器和/或缩放器5使用的参数和/或指令和/或文件，例如对应于描述符700的参数。
实例的详细描述
图5示出了参照正交参考OXYZ描述的系统1(在下文中有时称为“射线照相设备”)的示例，轴OY是垂直上升，中间平面XOY是垂直的，并且平面XOZ是水平的。
图5所示设备1包括：
被配置为产生检查辐射的检查辐射(例如，x射线)源2，
准直器4，
包括多个中间X射线传感器28的参考块6，包括多个检测器8(以下有时称为“接收传感器”)的检查辐射接收器(42,44)，以及
控制和信号处理装置100。
图5所示设备1被设计用于包括负载11的容器110的射线照相术。
图5所示检查辐射包括部分16和部分22。图5所示的检查辐射具有从检查辐射源2到检查辐射接收器(42,44)的角散度ω。
图5所示的源2包括用于产生和加速电子束12的装置。源2还可以包括用于电子束的目标14，其包括金属(诸如钨和铜)，以便从焦点F产生辐射的发散部分16。部分16的光子例如由所谓的制动辐射效应(或“韧致辐射”)产生。
检测器8位于辐射的部分22的延伸部分中。它们与参考块6一起界定用于待检查的容器110通过的中间空间36。
参考图5，检测器8由附图标记8(i)编号，其中0≤(i)≤n，其中在多个检测器8中有n个检测器8，例如n＝1280。检测器8(i)分别电连接到控制和信号处理装置100。图5所示检测器8(i)彼此相邻，并且沿着形成检测器8(i)的线阵列81的虚线延伸，基本位于中间平面XOY中。
图5中的每个检测器8能够在辐射的部分22已经连续地通过参考块6和中间空间36(可选地由待检查的容器110占据)之后接收辐射的部分22的单独的角扇区。图5的检测器8(i)的线阵列81仅覆盖待检查的容器110的一部分。因此，在检查期间，容器110和/或阵列81沿方向OZ(在此有时称为“扫描方向”)移动以获得容器110的2D检查图像10(例如由图3A所示)。在检查期间，辐射22因此照射容器110的连续部分。在下文中，所述连续部分使用索引k编号。图5所示的控制和信号处理装置100被配置为基于从检测器8接收的信号来形成检查图像10(例如图3A所示)。如图3A所示，检查图像10的像素13(i)因此与接收器的检测器8(i)相关联。
由于系统1的特性(例如，源2的特性)，图3A所示检查图像10被泊松-高斯噪声破坏，并且所述噪声的方差在图像10的多个像素13中是非恒定的。
在一些示例中，与接收器的检测器8(i)相关联的检查图像10的像素13(i)的值z(i)可以被定义为：
z(i)＝α(i)·P(x(i))+N(μ(i)，σ(i)2) (E1)
其中：x(i)是与检测器8(i)相关联的像素13(i)的值，没有被泊松-高斯噪声破坏；
a(i).P(x(i))与泊松-高斯噪声的泊松噪声分量相关联，并且
N(μ(i)，σ(i)2)与泊松-高斯噪声的高斯噪声分量相关联。
在图1所示的S2处，应用于检查图像的方差稳定变换可以基于图3A所示的描述符700并且与图5所示检查辐射(16,22)的角散度ω和图3A所示破坏图像10的泊松-高斯噪声相关联。
在一些示例中，描述符700可以与检查图像10的多个像素中的每个像素13相关联。在这样的示例中，描述符700可以考虑检查系统1生成的检查图像10的泊松-高斯噪声，其方差在多个像素中是非均匀的，与噪声破坏自然图像(例如，由已知的CCD和/或CMOS照相机捕获的图像)的方差相反。在这样的示例中，描述符700可以考虑检查系统的以下不稳定性中的至少一个或多个：
系统1的不稳定性(例如，关于检测器和源的相对位置的机械不稳定性)可能导致同一容器的连续部分不以相同方式照射；和/或
源随时间(例如，从一个脉冲到下一个)的不稳定性，例如影响脉冲的强度以及辐射的光谱特性。
图5所示检测器8(i)的线阵列81在检查期间在扫描方向OZ上移位。在这样的示例中，并且如图3A所示，假定检测器8的阵列81中的检测器8(i)在扫描方向OZ上的信号813在检查图像中具有相同的信号特性。在这样的示例中，与其中描述符700可以与检查图像10的多个像素中的每个像素13相关联的示例相比，与多个像素中的每个像素13相关联的描述符700被简化。在图3A中示出的示例中，描述符700与分别与n个检测器8(i)相关联的每个像素131，132,13(i)，...，13n相关联。在这样的示例中，图3C所示的描述符700包括预定参数集合，其包括n×p矩阵，n为多个检测器中的检测器8的数量，p为方差稳定变换的参数的个数(有时称为“局部参数”)。在一些示例中，参数可以包括三个参数(图3C中p＝3)，并且参数可以包括与上述(E1)相关联的参数(α(i)，μ(i)，σ(i))。
在一些示例中，图1所示的方法包括在S2处基于预定的一组三个参数(α(i)，μ(i)，σ(i))应用安斯科姆(Anscombe)变换f。
在一些示例中，对于与接收器的检测器8(i)相关联的检查图像的像素的值z(i)，可以将Anscombe变换f定义如下：
对于
其中：a(i)是与接收器的检测器8(i)相关联的增益因子，
μ(i)是与噪声相关联的平均值，以及
σ(i)是与噪声相关的标准偏差。
S2的Anscombe变换的例子在文献“Optimal inversion of the generalizedAnscombe transformation for Poisson-Gaussian noise”(M.
和A.Foi，IEEETrans Image Process，第22卷，第1期，第91-103页，2013年1月)描述，其公开内容和教导在此通过引用整体并入。
在应用所述变换之后，变换的图像被加性高斯噪声破坏。
在一些示例中，图1的方法包括针对给定的检查系统1在校准步骤S0期间确定描述符700(以及例如参数(α(i)，μ(i)，σ(i))，以考虑所述系统(包括辐射源)的特性。
以下描述了用于确定在图1所示方法的SO处的参数(α(i)，μ(i)，σ(i))的一些非限制性示例方法。
在参考图8A和8B所示的第一示例中，针对给定的检查系统，基于由给定系统生成的一系列校准图像来确定描述符700。
图8A示出了校准图像80的一个示例。
在一些示例中，针对给定的检查系统，可以基于给定系统所生成的一系列校准图像来确定所述描述符的预定的一组三个参数(α1(i)，μ1(i)，σ1(i))。在一些示例中，所述描述符的预定的一组三个参数(α1(i)，μ1(i)，σ1(i))的确定可以包括：
对于一系列校准图像中的一系列像素，参照σ轴和μ轴获得点云，云中的每个点对应于与像素(i)中的噪声相关联的标准偏差σ(i)，作为与所述像素(i)中的所述噪声相关联的平均值μ(i)的函数；和
用直线近似所述点云，例如：
a1(i)是所述直线的斜率；
σ1(i)是所述直线与σ轴的交点；和
μ1(i)是所述直线与μ轴的交点。
下面将更详细地解释该确定。
与由给定系统1生成的检查图像10类似，图8A中所示的校准检查图像80包括由泊松-高斯噪声破坏的多个像素130，并且噪声的方差在多个像素130中是不恒定的。
在校准步骤期间，针对图8A中所示的每个像素130(i)计算噪声的标准偏差σ(i)和平均值μ(i)。在图8A所示的示例中，像素130(i)中的每一个对应于校准图像80中的均匀灰度级的区域。例如，对于图8A中用点示出的每个像素130(i)计算标准偏差σ(i)和平均值μ(i)，例如，对于图8A的图像80的11个像素130(i)。
在图8B所示的示例中，对于每个像素130(i)，标准偏差σ(i)被表示为点91(i)作为曲线图90上的像素130(i)中的噪声的平均值μ(i)的函数。在图8B的示例中，例如对应于图8A所示图像80的11个像素130(i)的11个点91(i)被表示在图8B的曲线图90中。
在一些示例中，可以针对一系列校准图像80(例如，取决于可用校准图像和/或期望的精度，几十个，一百个或几百个校准图像80)执行计算和表示，校准图像80由给定系统1生成，以获得图8B的点云91。
在一些示例中，可以首先用函数92(使用拟合算法)来近似点云91。在一些示例中，函数92可以通过直线93(使用拟合算法)近似，诸如：
a1(i)是直线93的斜率；
σ1(i)是直线93与y轴(σ轴)的交点；和
μ1(i)是直线93与x轴(μ轴)的交点。
在一些示例中，云可以直接由直线93近似，即不使用通过函数92近似。
应该理解的是，一旦确定了三个参数(α1(i)，μ1(i)，σ1(i))，则可以基于参数(α1(i)，μ1(i)，σ1(i))将以上等式(E1)应用于由给定系统1生成的检查图像10(例如，图6A所示检查图像10)，使得：
对于
并且f(z(i))＝0 (E2)
对于
应当理解的是，在上面的示例中，各个参数(α1(i)，μ1(i)，σ1(i))在n上是恒定的，即图3C的描述符700的所有行是相等的。
下面描述用于确定在图1所示方法的SO处的参数(α(i)，μ(i)，σ(i))的第二非限制性示例方法。
在图9A，9B和9C所示的第二示例中，该方法可以包括在预处理步骤期间确定所述描述符(例如,参数(α(i)，μ(i)，σ(i))，用于预处理与检测器8(i)相关联的图像(例如,原始图像)，即由系统1产生的图像。在一些示例中，如下面更详细地解释的，所述预处理步骤可以包括确定以下至少一个：
偏移和/或偏移校正，和/或
增益和/或增益校正，和/或
参考和/或参考校正。
在一些示例中，参考可以考虑辐射源相对于每个检测器8(i)的辐射源的角度中的至少一个；和/或从辐射源到每个检测器8(i)的距离。
如(E1)所示，σ(i)可能与损害所述检查图像的泊松-高斯噪声的高斯噪声分量相关联。然而，由于系统(包括源)的特性，不能使用标准偏差σ(i)的传统定义(例如，它会在变换图像的低信号部分中产生条纹伪影)。在一些示例中，可以通过以下来确定σ(i)：
其中σoff(i)由系统生成的校准图像中获取的偏移图像的时间标准偏差确定，以及
Gain(i)由系统生成的经偏移校正的增益图像的时间平均值确定。
在一些示例中，所述偏移图像可以包括例如“明火”图像，即当容器110不存在于图5所示中间空间36中时由检查辐射产生的图像。在图3A的示例中，所述偏移图像可以包括检查图像10中的区域113(有时称为“增益区域”)，例如在容器110通过中间平面XOY之前。
由图3A所示的区域113在检查期间在由扫描运动产生的扫描OZ方向上具有宽度W。宽度W对应于像素13的k列，对应于图像10的连续部分。
下面描述获取σoff(i)的示例方法。
在一些示例中，检测器8(i)的偏移量Offset(i)可以通过以下来确定：
其中IOffset(i，j)是用于检测器8(i)的区域113的像素信号的值，用于区域113的列j。
在一些示例中，Offset(i)的方差VarOffset(i)可以通过以下来确定：
在一些示例中，标准偏差σoff(i)可以通过以下来确定：
下面描述获取Gain(i)的示例方法。
Gain(i)可以由系统生成的经偏移校正的增益图像的时间平均值确定。在一些示例中，Gain(i)可以通过以下来确定：
其中Igain(i，j)为
Igain(i，j)＝Ioffset(i，j)-Offset(i) (E8)
下面描述用于获得μ(i)的示例方法。
μ(i)可以与泊松-高斯噪声的高斯噪声分量相关联，并且在变换已经被应用之后，变换的图像被加性高斯噪声破坏，并且在一些示例中，μ(i)可以是假定为空：
μ(i)＝0 (E9)
所示(E1)表明a(i)可能与泊松-高斯噪声的泊松噪声分量相关联。
在一些示例中，a(i)可以与由源发射并由检测器8(i)接收的多个光子的反转的近似值相关联。在一些示例中，a(i)可以通过以下来确定：
其中SNR(i)是与接收器的检测器8(i)相关联的像素(i)中的信噪比。
图9A是示出作为系统中的检测器的函数的信噪比(SNR)的两个示例(称为“高”和“低”)的曲线图。图9B是示出作为从源(参见图5)看到检测器的角度θ的函数与检测器相关联的平方信噪比(SNR2)的示例的曲线图。图9C是示出作为系统中的检测器的函数的由源发射的多个光子的曲线图。
图9A，9B和9C示出了源的角散度ω的角度特征。
图9B和9C示出对于给定的检查系统，可以确定代表角度发散的角度特征的函数，以考虑系统的几何结构，检查辐射的光谱和检测器8的光谱灵敏度(以及参考块6的中间传感器28的光谱灵敏度)。代表函数可以通过实验或通过模拟计算来确定。
在图9B的示例中，平方信噪比(SNR2)可以由洛伦兹(Lorentz)模型LM近似，使得：
其中a，b，c和d由源的角散度的角度特征的洛伦兹模型确定，如图9B所示，并且rLf(i)是源-像素距离的移动平均值。
在一些示例中，图9B所示的洛伦兹模型可以使用最小化算法来确定，以便将模型参数a，b，c和d拟合到图9B中的数据。在一些示例中，可以通过使用取决于辐射的能量的可能的角度特征并且通过使用标量乘积距离处理来计算角度特征的最可能的能量来确定洛伦兹模型。
在一些示例中，rLf(i)可以根据作为从源到像素(i)的距离(例如以mm表示)的rL(i)来确定，通过具有通常在16至32像素之间的可调节半径R的移动平均值进行过滤，以去除条纹伪影。图10说明了rLf(i)和rL(i)的曲线示例。
根据等式(E10)和(E11)，可以确定a(i)：
US2014/341342中描述了确定洛伦兹模型的示例，其公开内容和教导通过引用整体并入本文。
应该理解，一旦确定了三个参数(α(i)，μ(i，σ(i))，对于1≤i≤n，可以将上面的等式(E1)应用于由给定的系统1生成的检查图像10，使得：
对于
并且f(z(i))＝0 (E2)
对于
在对检查图像10应用变换之后，变换的图像被加性高斯噪声破坏。图1中所示的方法可以进一步包括在S3中将去噪滤波器D应用于变换的图像f(z(i))。在一些示例中，D(i)可以是去噪滤波器已被应用于变换后的图像之后，与接收器的检测器8(i)相关联的去噪图像的像素(i)的值，使得：
D(i)＝D(f(z(i))。
在一些示例中，应用于变换的图像的去噪滤波器至少包括基于高斯的去噪滤波器。在一些示例中，基于高斯的去噪滤波器可以使用非局部均值滤波，例如块匹配3维(BM3D)滤波，和/或双边滤波，和/或引导滤波，和/或各向异性滤波，和/或高斯平滑。
去噪滤波器的一个例子是块匹配3维(BM3D)滤波器，其在文献“Image denoisingby sparse 3D transform domain collaborative filtering”(Dabov和Foi，IEEE TransImage Process，第16卷，第8期，第2080-2095页，2007年8月)描述，其公开内容和教导在此通过引用整体并入。
在一些示例中，在块匹配3维(BM3D)滤波中，输入噪声变换图像可以通过从变换图像中连续地提取参考块来处理，并且对于每个参考块：
寻找与参考块类似的块(或图像的补丁)(有时称为“块匹配”)；
将找到的块堆积在一起以形成3D组；
对3D组进行协同过滤，包括3D变换和滤波(如硬阈值或维纳(Wiener)滤波)；
执行3D变换的反转；
获得所述组中每个块(或补丁)的去噪估计值；以及
将所获得的所有分组块的2D估计值返回到它们在去噪图像中的原始位置。
在一些示例中，一些像素可以从不同的组获得多个估计值，因为在处理所有参考块之后，所获得的块估计值可以重叠。这些估计值可以被汇总以形成整个图像的估计值，例如通过给予更可靠的估计值更高的权重。
图1所示的方法还可以包括在S4处将方差稳定变换的反转应用于去噪图像。
在一些示例中，变换的反转可以使用S2的Anscombe变换的无偏反转。
在一些示例中，在已经应用方差稳定变换的反转之后，与接收器的检测器8(i)相关联的去噪图像的像素(i)的值ld(i)由以下确定：
其中D(i)是去噪滤波器已被应用于变换后的图像之后与接收器的检测器8(i)相关联的去噪图像的像素(i)的值。
S2的Anscombe变换的无偏反转的例子在文献“Optimal inversion of thegeneralized Anscombe transformation for Poisson-Gaussian noise”(M.
和A.Foi，IEEE Trans Image Process，第22卷，第1期，第91-103页，2013年1月)描述，其公开内容和教导在此通过引用整体并入。
在图1中示出的方法可以进一步包括在S5处缩放检查图像。如上所述，检查图像已经被去噪，并且被去噪的图像可以被缩放。缩放可以帮助用户检测缩放图像中的隐藏对象，因为缩放图像也被去噪。
如下面进一步详细描述的，在一些示例中，缩放可以包括应用双线性或双三次插值，和/或使用基于解卷积的技术进行上采样。在一些示例中，缩放可以进一步包括在已经应用了使用所述基于解卷积的技术进行上采样之后应用反馈回路。在一些示例中，应用反馈可以包括：
应用基于卷积的技术；和
应用像素替换。
如图11A所示，在一个示例中，上面讨论的接收到的检查图像10对应于由检查系统生成的图像120中的选定的感兴趣区域114。在这样的示例中，如上所述并参照图1描述的S2，S3，S4和S5可以针对与仅在感兴趣的选定区域114对应的检查图像10执行，在另外的噪声图像120中选择。在这样的示例中，因此可以减少处理和计算，如仅针对图像10所执行的那样。
如图11A所示，在一个示例中，缩放检查图像包括缩放检查图像10的一部分115。在图11A的示例中，部分115对应于检查图像10中的感兴趣区域114。在这样的示例中，可以在整个检查图像10已经去噪之后，即在对整个图像10执行了S2，S3和S4之后执行部分115的选择，S5仅针对区域115执行。在这样的示例中，隐藏对象的检测可以被增强，因为去噪可以有助于选择要被缩放的部分115作为缩放区域116，如图11B所示。
在一些示例中，感兴趣的区域114可以被选择，例如，基于与感兴趣的区域114相关联的输入。与感兴趣的区域114相关联的输入可以由图2中示出的去噪器和/或缩放器50接收。在这样的示例中，输入可以由去噪器和/或缩放器50的用户提供，例如，使用图形用户界面55(如图2所示)和/或由系统1进行。在一些示例中，区域114的选择可以由去噪器和/或缩放器50至少部分地自动执行。
图12示出了S5的缩放的示例，包括应用基于解卷积技术的示例。
图12所示的基于解卷积的技术包括：
在S51处，对感兴趣区域114进行上采样，以及
在S52处，将基于解卷积的技术应用于上采样的感兴趣区域以获得缩放区域116。
图12的示例进一步包括：在S53处，一旦基于解卷积的技术已经被应用，则可选地对感兴趣的上采样区域应用反馈回路。
在53处，应用图12所示的反馈包括：
在S531处，一旦基于解卷积的技术被应用，将基于卷积的技术应用于上采样的感兴趣区域，以获得额外的感兴趣区域114'；并且
在S532处，将像素替换应用于感兴趣的上采样区114'。
具有像素替换的上采样区域114'可以与上采样区域114聚合。
S5的基于解卷积的技术的示例在文献“Fast Image/Video Upsampling”(Q.Shan等人，ACM Trans on Graphics，第27卷，第5期，Article 153，2008年12月)中描述，其公开内容和教导在此通过引用整体并入。
修改和变化
辐射源配置成引起通过容器壁的材料(通常是钢)检查货物，例如，用于检测和/或识别货物。可选地或附加地，检查辐射可以通过负载传递(负载的材料因此对于辐射是透明的)，而辐射可以至少部分地由负载反射(所放置的负载的材料和/或成分因此对辐射只是部分透明的并且对辐射部分反射-在这种情况下，可以将检测器放置成接收由负载反射的辐射)。
如下面更详细地解释的，在一些示例中，检查系统1可以是移动的并且可以从一个位置被运输到另一个位置(系统1可以包括机动车辆)。可选地或另外地，检查系统1可以相对于地面是静止的并且不能移动。
电子通常在100keV和15MeV之间的电压下加速。辐射剂量可以在2mGy(Gray)到20Gy之间。在移动检查系统中，对于例如40mm至400mm之间，典型地例如300mm(12英寸)的钢穿透能力，X射线源2的功率可以例如在100keV到9.0MeV之间，典型地例如300keV，2MeV，3.5MeV，4MeV或6MeV。在静态检查系统中，剂量可以是例如20mGy和120mGy之间。
在静态检查系统中，对于例如300mm至450mm之间，典型地例如410mm(16.1英寸)的钢穿透能力，X射线源2的功率可以例如在4MeV到10MeV之间，典型地例如9MeV。在静态检查系统中，剂量可能是17Gy。
在一些示例中，x射线源2可以发射连续的x射线脉冲。脉冲可以以包括在50Hz和1000Hz之间的给定频率发射，例如大约200Hz。
根据一些示例，检测器8可以安装在机架38上，如图5所示。机架38例如形成在中间平面XOY中延伸的倒“L”。在移动检查系统中，机架38可以包括电动液压悬臂，该电动液压悬臂能够在运输模式(图中未示出)和检查位置(图5)中处于缩回位置。所述悬臂可以由液压启动器(例如液压缸)操作。
在静态检查系统中，机架38可以包括静态结构。
应该理解的是，检查辐射源可以包括其他辐射源，例如作为非限制性示例的电离辐射源，例如伽马射线或中子。检查辐射源还可以包括不适合由电源激活的源，例如放射源，例如使用Co60或Cs137的放射源。
在一些示例中，检查系统可以包括其他类型的检测器，例如可选的伽玛和/或中子检测器，例如适于检测负载内发射材料的放射性伽玛和/或中子的存在，例如与X射线检查同时。
在本公开的上下文中，容器110可以是任何类型的容器，例如盒子，船只或箱子等。因此，作为非限制性示例，容器110可以是拖车和/或调色板(例如欧洲标准，美国标准或任何其他标准的调色板)和/或火车车厢和/或坦克和/或诸如卡车，厢式货车和/或小汽车和/或火车之类的车辆的车厢，和/或容器110可以是“船运集装箱”(例如罐子，或ISO集装箱或非ISO集装箱或单位装载设备(ULD)集装箱)。因此可以理解，容器110可以是任何类型的容器，并且因此在一些示例中可以是手提箱。
系统1被配置成在检查模式下总体上(即，检查整个负载)或部分地(即，仅检查容器的选定部分，例如典型地在检查车辆时,车辆的驾驶室可能不被检查，而车辆的后部被检查)检查负载。
为了检查负载，系统1可以包括运动产生装置，使得系统1可以移位，负载相对于地面是静态的(该模式有时被称为“扫描”模式)。可选地或另外地，运动产生装置可以使负载移位，系统1相对于地面是静态的。在一些实施例中，吞吐量(即，按时间单位检查的负载数量)可以为20至30个图像/小时。
可选地或另外地，在“穿过”模式中，系统1不包括运动生成装置，并且负载11相对于系统1移动，系统1相对于地面是静态的。在实施例中，穿过模式中的吞吐量可以高于扫描模式中的吞吐量，并且在检查通过的列车的情况下可以是例如50至200图像/小时，或甚至50至几千图像/小时(例如，每小时超过1000张图像的吞吐量)。
系统或分析仪的其它变型和修改对本领域技术人员来说在本公开的上下文中将是显而易见的，并且上述各种特征可具有或不具有上述其他特征的优点。
例如，去噪器和/或缩放器50可以至少部分地形成检查系统1的一部分。例如，服务器61可以至少部分地形成去噪器和/或缩放器50的一部分。
作为一种可能性，提供了一种包括计算机程序指令的计算机程序，计算机程序产品或计算机可读介质，以使可编程计算机执行本文描述的任何一种或多种方法。在示例实施方式中，可以用软件来实现与这里的去噪器和/或缩放器50和/或链路60和/或70相关的活动的至少一些部分。应该理解，如果需要，本公开的软件组件可以以ROM(只读存储器)形式实现。通常，如果需要，软件组件可以使用常规技术以硬件来实现。在一些示例中，去噪器和/或缩放器50和/或链路60和/或70的组件可以使用专门的应用和硬件。
如对于本领域技术人员显而易见的，服务器61不应该被理解为单个实体，而是指包括至少一个处理器和存储器的物理和/或虚拟设备，存储器可以被包括在一个或多个服务器中，该服务器可以位于单个位置或者可以彼此远离以形成分布式网络(例如使用有线或无线技术的“服务器农场”)。
在一些示例中，一个或多个存储器元件(例如，数据库和/或处理器的存储器)可以存储用于在此描述的操作的数据。这包括能够存储被运行以执行本公开中描述的活动的软件，逻辑，代码或处理器指令的存储器元件。
处理器可以执行与数据相关联的任何类型的指令以实现在本公开中详细描述的操作。在一个示例中，处理器可以将元素或物品(例如，数据)从一个状态或事物转换为另一个状态或事物。在另一个示例中，可以用固定逻辑或可编程逻辑(例如，由处理器执行的软件/计算机指令)来实现这里概述的活动，并且这里标识的元件可以是某种类型的可编程处理器，可编程数字逻辑(例如，现场可编程门阵列(FPGA)，可擦除可编程只读存储器(EPROM)，电可擦除可编程只读存储器(EEPROM))，包括数字逻辑，软件，代码，电子指令，闪存，光盘，CD-ROM，DVD ROM，磁卡或光卡，适用于存储电子指令的其他类型的机器可读介质，或其任何合适的组合。
链路60和/或70可以仅形成一个网络。
通常可以在一系列可能的通信网络上接收由去噪器和/或缩放器50接收的数据，至少例如：基于卫星的通信网络；基于电缆的通信网络；基于电话的通信网络；基于移动电话的通信网络；互联网协议(IP)通信网络；和/或基于计算机的通信网络。
在一些示例中，去噪器和/或缩放器50和/或链路60和/或70可以包括一个或多个网络。网络可以以任何形式供应，包括但不限于局域网(LAN)，无线局域网(WLAN)，虚拟局域网(VLAN)，城域网(MAN)，广域网(WAN)，虚拟专用网络(VPN)，内联网，外联网，任何其他适当的体系结构或系统，或其促进网络通信的任何组合。
上述实施例应被理解为说明性示例，并且设想其他实施例。应该理解的是，关于任何一个实施例描述的任何特征可以单独使用，或者与所描述的其他特征组合使用，并且还可以与任何其他实施例的一个或多个特征或任何其他实施例的任何组合结合使用。此外，在不脱离由所附权利要求限定的本发明的范围的情况下，也可以采用以上未描述的等同物和修改。
Claims (34)
1.一种对包括多个像素的一个或多个检查图像进行去噪的方法，包括：接收由配置成检查一个或多个容器的检查系统生成的检查图像，其中，
所述检查系统被配置为通过具有从检查辐射源到具有多个检测器的检查辐射接收器的角散度的检查辐射传输通过所述容器来检查所述容器，所述检查图像被泊松-高斯噪声破坏，并且所述噪声的方差在所述多个像素中是非恒定的，以及
通过对所述检查图像应用方差稳定变换以将所述噪声的所述方差变换成所述多个像素中的恒定方差来对接收到的检查图像进行去噪，其中所述方差稳定变换是基于与所述检查辐射的所述角散度和所述泊松-高斯噪声相关联的描述符的,
其中所述方差稳定变换基于预定的一组参数，所述描述符包括n×p矩阵，n为所述多个检测器中的检测器的数量，p为所述方差稳定变换的参数的个数。
2.根据权利要求1所述的方法，其中所述描述符与所述检查图像的所述多个像素中的每一个像素相关联。
3.根据权利要求1所述的方法，其中所述方差稳定变换包括Anscombe变换f，所述Anscombe变换f基于预定的一组三个参数(α(i)，μ(i)，σ(i))，对于与所述接收器的检测器(i)相关联的所述检查图像的像素的值z(i)，所述Anscombe变换f定义为：
对于
其中：α(i)是与所述接收器的检测器(i)相关联的增益因子，
μ(i)是与所述噪声相关联的平均值，以及
σ(i)是与所述噪声相关的标准偏差。
4.根据权利要求3所述的方法，还包括针对给定的检查系统在校准步骤期间确定所述描述符。
5.根据权利要求4所述的方法，其中针对所述给定的检查系统，基于由所述给定系统生成的一系列校准图像来确定所述描述符的预定的一组三个参数(α1(i)，μ1(i)，σ1(i))，所述描述符的所述预定的一组三个参数(α1(i)，μ1(i)，σ1(i))的所述确定包括：
对于所述一系列校准图像中的一系列像素，参照aσ轴和aμ轴获得点云，所述点云中的每个点对应于与像素(i)中的噪声相关联的标准偏差σ(i)，作为与所述像素(i)中的所述噪声相关联的平均值μ(i)的函数；和
用直线近似所述点云：
α1(i)是所述直线的斜率；
σ1(i)是所述直线与所述σ轴的交点；和
μ1(i)是所述直线与所述μ轴的交点。
6.根据权利要求3所述的方法，还包括在预处理步骤期间确定所述描述符，用于预处理来自所述检测器的图像，其中所述预处理步骤包括确定以下中的至少一个：
偏移和/或偏移校正，
增益和/或增益校正，和/或
参考和/或参考校正。
7.根据权利要求6所述的方法，其中α(i)由以下确定：
其中θL，a，b，c和d由所述源的所述角散度的角度特征的洛伦兹模型确定；以及
rLf是从所述源到所述检测器(i)的距离的移动平均值。
8.根据权利要求6所述方法，其中μ(i)被假定为空：
μ(i)＝0。
9.根据权利要求6至8中任一项所述的方法，其中σ(i)由以下确定：
其中σoff(i)是基于由所述检查系统产生的校准图像中获取的偏移图像的时间标准偏差确定的，以及
Gain(i)是基于由所述检查系统生成的经偏移校正的增益图像的时间平均值确定的。
10.根据权利要求3所述的方法，还包括对由所述方差稳定变换所变换的图像应用去噪滤波器。
11.根据权利要求10所述的方法，其中所述去噪滤波器包括至少一个基于高斯的去噪滤波器。
12.如权利要求11所述的方法，其中所述基于高斯的去噪滤波器使用以下过程中的至少一个：
非局部均值滤波，和/或双边滤波，和/或引导滤波，和/或各向异性滤波，和/或高斯平滑。
13.根据权利要求12所述的方法，其中所述非局部均值滤波为块匹配3维滤波。
14.根据权利要求10至13中任一项所述的方法，还包括对由所述去噪滤波器去噪的图像应用所述方差稳定变换的反转。
15.根据权利要求14所述的方法，其中所述变换的所述反转使用所述Anscombe变换的无偏反转。
16.根据权利要求15所述的方法，其中在已应用所述方差稳定变换的所述反转之后，与所述接收器的检测器(i)相关联的去噪图像的像素的值ld(i)由以下确定：
其中D(i)是对变换的图像应用所述去噪滤波器之后与所述接收器的所述检测器(i)相关联的所述去噪图像的像素的值。
17.根据权利要求14所述的方法，该方法还包括：
缩放所述检查图像。
18.根据权利要求17所述的方法，其中所述缩放包括：
应用双线性或双三次插值，和/或
使用基于解卷积的技术进行上采样。
19.根据权利要求18所述的方法，还包括：
在已经应用了使用所述基于解卷积的技术进行的所述上采样之后，应用反馈回路。
20.根据权利要求19所述的方法，其中应用所述反馈包括：
应用基于卷积的技术；和
应用像素替换。
21.根据权利要求17至20中的任一项所述的方法，其中缩放所述检查图像包括缩放所述检查图像对应于感兴趣区域的一部分。
22.根据权利要求1所述的方法，其中所述检查图像由感兴趣区域限定。
23.一种用于对包括多个像素的一个或多个检查图像进行去噪的去噪器，被配置为：
接收由配置成检查由一个或多个容器的检查系统生成的检查图像，其中
所述检查系统被配置为通过具有从检查辐射源到具有多个检测器的检查辐射接收器的角散度的检查辐射传输通过所述容器来检查所述容器，所述检查图像被泊松-高斯噪声破坏，并且所述噪声的方差在所述多个像素中是非恒定的，以及
通过对所述检查图像应用方差稳定变换以将所述噪声的所述方差变换成所述多个像素中的恒定方差来对接收到的检查图像进行去噪，其中所述方差稳定变换是基于与所述检查辐射的所述角散度和所述泊松-高斯噪声相关联的描述符的,
其中所述方差稳定变换基于预定的一组参数，所述描述符包括n×p矩阵，n为所述多个检测器中的检测器的数量，p为所述方差稳定变换的参数的个数。
24.根据权利要求23所述的去噪器，还被配置为针对给定的检查系统在校准步骤期间确定所述描述符。
25.根据权利要求23所述的去噪器，还被配置为在预处理步骤期间确定所述描述符，用于预处理来自所述检测器的图像。
26.根据权利要求23至25中任一项所述去噪器，还被配置为对由所述方差稳定变换所变换的图像应用去噪滤波器。
27.根据权利要求26所述的去噪器，其中所述去噪滤波器包括至少一个基于高斯的去噪滤波器。
28.根据权利要求26所述的去噪器，还被配置为对由所述去噪滤波器去噪的图像应用所述方差稳定变换的反转。
29.根据权利要求28所述的去噪器，还被配置为：
缩放所述检查图像。
30.根据权利要求29所述的去噪器，还被配置为通过以下进行缩放：
应用双线性或双三次插值，和/或
使用基于解卷积的技术进行上采样。
31.根据权利要求30所述的去噪器，还被配置为：
在已经应用了使用所述基于解卷积的技术进行的所述上采样之后，应用反馈回路。
32.根据权利要求29至31中的任一项所述的去噪器，其中缩放所述检查图像包括缩放所述检查图像对应于感兴趣区域的一部分。
33.根据权利要求23所述的去噪器，其中所述检查图像由感兴趣区域限定。
34.一种计算机存储介质，包括用于对处理器进行编程以执行根据权利要求1至22中任一项所述的方法的数据处理，或者对处理器进行编程以提供权利要求23至33中任一项所述的去噪器的程序指令。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| GB1517014.5 | 2015-09-25 | ||
| GB1517014.5A GB2542774B (en) | 2015-09-25 | 2015-09-25 | Denoising and/or zooming of inspection images |
| PCT/GB2016/052977 WO2017051194A1 (en) | 2015-09-25 | 2016-09-23 | Denoising and/or zooming of inspection images |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108292429A CN108292429A (zh) | 2018-07-17 |
| CN108292429B true CN108292429B (zh) | 2022-11-08 |
Family
ID=54544131
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201680056029.9A Active CN108292429B (zh) | 2015-09-25 | 2016-09-23 | 检查图像的去噪和/或缩放 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US10713759B2 (zh) |
| EP (1) | EP3353739A1 (zh) |
| CN (1) | CN108292429B (zh) |
| GB (1) | GB2542774B (zh) |
| WO (1) | WO2017051194A1 (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2541179B (en) | 2015-07-31 | 2019-10-30 | Imagination Tech Ltd | Denoising filter |
| FR3066832B1 (fr) * | 2017-05-29 | 2019-07-12 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Procede et dispositif de traitement de signaux de flux neutronique, produit programme d'ordinateur et systeme de controle-commande associes |
| EP3435326B1 (en) * | 2017-07-27 | 2020-02-19 | Siemens Healthcare GmbH | Method for processing at least one x-ray image |
| CN108876750B (zh) * | 2018-07-05 | 2021-08-10 | 湖南师范大学 | 一种基于非局部相似性低秩矩阵的图像去除泊松噪声的方法 |
| CN110163827B (zh) * | 2019-05-28 | 2023-01-10 | 腾讯科技（深圳）有限公司 | 图像去噪模型的训练方法、图像去噪方法、装置及介质 |
| TWI703864B (zh) * | 2019-07-04 | 2020-09-01 | 瑞昱半導體股份有限公司 | 基於雜訊比的去雜訊方法 |
| CN112215758B (zh) * | 2019-07-11 | 2023-10-10 | 瑞昱半导体股份有限公司 | 基于信噪比的去噪声方法 |
| CN112258424B (zh) * | 2020-11-18 | 2021-10-22 | 西安邮电大学 | 各向异性高斯边窗核约束的图像引导滤波方法 |
| GB2611519A (en) * | 2021-09-30 | 2023-04-12 | Smiths Detection France S A S | Denoising and super resolution |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6269142B1 (en) * | 1999-08-11 | 2001-07-31 | Steven W. Smith | Interrupted-fan-beam imaging |
| US7187794B2 (en) * | 2001-10-18 | 2007-03-06 | Research Foundation Of State University Of New York | Noise treatment of low-dose computed tomography projections and images |
| US7359480B2 (en) * | 2004-04-23 | 2008-04-15 | Lawrence Livermore National Security, Llc | Neutron interrogation system using high gamma ray signature to detect contraband special nuclear materials in cargo |
| EP2169592B1 (en) * | 2008-09-25 | 2012-05-23 | Sony Corporation | Method and system for reducing noise in image data |
| US20120019512A1 (en) * | 2010-07-22 | 2012-01-26 | Dong Yang | Noise suppression for cone-beam image reconstruction |
| US8538114B2 (en) | 2011-06-06 | 2013-09-17 | Kabushiki Kaisha Toshiba | Method and system utilizing parameter-less filter for substantially reducing streak and or noise in computer tomography (CT) images |
| TWI654419B (zh) * | 2011-08-29 | 2019-03-21 | 美商安美基公司 | 用於非破壞性檢測-流體中未溶解粒子之方法及裝置 |
| US9268043B2 (en) * | 2012-09-27 | 2016-02-23 | Alexander DeVolpi | Radiation-monitoring system with correlated hodoscopes |
| US8958524B2 (en) | 2013-01-31 | 2015-02-17 | Analogic Corporation | Correction of projection data in radiation system |
| CN103500441A (zh) * | 2013-09-29 | 2014-01-08 | 华南理工大学 | 微焦点x射线图像噪声建模与去噪方法 |
| CN104751415B (zh) * | 2013-12-31 | 2017-12-26 | 展讯通信（上海）有限公司 | 一种图像去噪和增强的方法、装置及图像处理系统 |
| GB2564038B (en) * | 2016-02-22 | 2021-11-10 | Rapiscan Systems Inc | Systems and methods for detecting threats and contraband in cargo |
-
2015
- 2015-09-25 GB GB1517014.5A patent/GB2542774B/en active Active
-
2016
- 2016-09-23 CN CN201680056029.9A patent/CN108292429B/zh active Active
- 2016-09-23 EP EP16784554.4A patent/EP3353739A1/en active Pending
- 2016-09-23 WO PCT/GB2016/052977 patent/WO2017051194A1/en active Application Filing
- 2016-09-23 US US15/761,927 patent/US10713759B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| EP3353739A1 (en) | 2018-08-01 |
| WO2017051194A1 (en) | 2017-03-30 |
| US20180260937A1 (en) | 2018-09-13 |
| GB2542774A (en) | 2017-04-05 |
| GB2542774B (en) | 2021-08-18 |
| CN108292429A (zh) | 2018-07-17 |
| GB201517014D0 (en) | 2015-11-11 |
| US10713759B2 (en) | 2020-07-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108292429B (zh) | 检查图像的去噪和/或缩放 | |
| US10311606B2 (en) | Correction of beam hardening artifacts in microtomography for samples imaged in containers | |
| US9778391B2 (en) | Systems and methods for multi-view imaging and tomography | |
| EP3129957B1 (en) | Spectral x-ray imaging | |
| US8861814B2 (en) | System and method for multi-phase segmentation of density images representing porous media | |
| EP2235678B1 (en) | Edge detection | |
| JP5416377B2 (ja) | 画像処理装置及びそれを備えたｘ線異物検出装置並びに画像処理方法 | |
| JP2010223963A (ja) | コンテナを検査する方法及びシステム | |
| Van Aarle et al. | Super-resolution for computed tomography based on discrete tomography | |
| CN109978809B (zh) | 图像处理方法、装置及计算机可读存储介质 | |
| KR101591381B1 (ko) | Ct 촬영에서의 금속에 의한 잡음 및 오류 감쇄방법 | |
| Pereira et al. | Inline discrete tomography system: Application to agricultural product inspection | |
| CN110268441B (zh) | 获得物体的多个部件的3d模型数据的方法 | |
| Zhong et al. | EDS tomographic reconstruction regularized by total nuclear variation joined with HAADF-STEM tomography | |
| CN110651302A (zh) | 用于图像重建的方法和设备 | |
| US20170372496A1 (en) | Anti-correlated noise filter | |
| Rogers et al. | Reduction of wobble artefacts in images from mobile transmission x-ray vehicle scanners | |
| CN110023990B (zh) | 利用配准检测违法物品 | |
| Yao et al. | Synchrotron X-ray microtomography with improved image quality by ring artifacts correction for structural analysis of insects | |
| US20230147681A1 (en) | Methods and Systems for Performing On-The-Fly Automatic Calibration Adjustments of X-Ray Inspection Systems | |
| US20230143112A1 (en) | Method and system for analytical X-ray calibration, reconstruction and indexing using simulation | |
| Asaki | Quantitative Abel tomography robust to noisy, corrupted and missing data | |
| Emerman et al. | 3D threat image projection through dual-energy decomposition | |
| EP4016461A1 (en) | Method for obtaining at least four radiographic projections and corresponding reconstruction device | |
| CN115298689A (zh) | 双能量中的分辨率改进 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |