CN110120025A - 一种基于扩展相位拉伸变换的血管造影图像锐化方法 - Google Patents
一种基于扩展相位拉伸变换的血管造影图像锐化方法 Download PDFInfo
- Publication number
- CN110120025A CN110120025A CN201910431645.3A CN201910431645A CN110120025A CN 110120025 A CN110120025 A CN 110120025A CN 201910431645 A CN201910431645 A CN 201910431645A CN 110120025 A CN110120025 A CN 110120025A
- Authority
- CN
- China
- Prior art keywords
- image
- stretching conversion
- extension phase
- phase stretching
- 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
Links
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000003707 image sharpening Methods 0.000 title claims abstract description 20
- 238000003708 edge detection Methods 0.000 claims abstract description 6
- 230000000877 morphologic effect Effects 0.000 claims abstract description 4
- 230000007480 spreading Effects 0.000 claims abstract description 3
- 238000012545 processing Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 9
- 210000004204 blood vessel Anatomy 0.000 claims description 8
- 230000002708 enhancing effect Effects 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 7
- 230000001965 increasing effect Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 claims description 3
- 230000005764 inhibitory process Effects 0.000 claims description 3
- 238000010835 comparative analysis Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 5
- 238000000605 extraction Methods 0.000 abstract description 4
- 238000002583 angiography Methods 0.000 abstract 1
- 230000002401 inhibitory effect Effects 0.000 abstract 1
- 238000002156 mixing Methods 0.000 abstract 1
- 230000002792 vascular Effects 0.000 abstract 1
- 230000009466 transformation Effects 0.000 description 7
- 238000013178 mathematical model Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 241000287196 Asthenes Species 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 101100173586 Schizosaccharomyces pombe (strain 972 / ATCC 24843) fft2 gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000002585 cerebral angiography Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/18—Image warping, e.g. rearranging pixels individually
-
- 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
- G06T5/73—Deblurring; Sharpening
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种基于扩展相位拉伸变换的血管造影图像锐化方法，包括以下步骤，输入图像预处理，图像扩展相位拉伸变换EPST，获取角度图像进行阈值化与形态学处理，结合RTV即相对总变分的边缘检测以及输出融合图像；本发明算法的主要特点是：第一，提出了新的扩展相位拉伸核函数，其性能明显优于传统反正切S型核函数；第二，设计了扩展相位拉伸变换与总变分相结合的边缘检测策略；利用本发明所提方法，可以检测并增强更加丰富的小尺度微细血管特征，同时抑制杂乱背景噪声，对噪声更加鲁棒，最后将提取的血管造影边缘特征图像与原始图像融合，得到很好的血管造影图像增强锐化效果。
Description
技术领域
本发明涉及图像图形处理技术领域，具体是一种基于扩展相位拉伸变换的血管造影图像锐化方法。
背景技术
医学影像是指为了医疗或医学研究，对人体或人体某部分，以非侵入方式取得内部组织影像的技术与处理过程。它包含以下两个相对独立的研究方向：医学成像系统(medical imaging system)和医学图像处理(medical image processing)。前者是指图像行成的过程，包括对成像机理、成像设备、成像系统分析等问题的研究；后者是指对已经获得的图像作进一步的处理，其目的是或者是使原来不够清晰的图像复原，或者是为了突出图像中的某些特征信息，或者是对图像做模式分类等等；医学造影图像锐化是一种图像增强过程，目的是凸显造影图像中血管结构等高频信息同时抑制平坦区域、非结构化的细碎纹理以及背景噪声。
目前传统的血管锐化増强方法，存在着锐化后心脑血管造影图像中血管周围产生很多背景噪声，大量细小血管变得模糊不清甚至丢失等现象。因此，本领域技术人员提供了一种主题，以解决上述背景技术中提出的问题。
发明内容
本发明的目的在于提供一种基于扩展相位拉伸变换的血管造影图像锐化方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于扩展相位拉伸变换的血管造影图像锐化方法，该方法包括以下步骤：
1)输入图像进行灰度化处理；
2)输入图像预处理；
3)图像扩展相位拉伸变换EPST(extended phase stretching transform)；
4)获取角度图像进行阈值化与形态学处理，实现边缘检测；
5)进行RTV处理；
6)进行图像融合后输出图像。
作为本发明的详细技术说明：所述步骤1)中，通过U盘、网络传输或者扫描仪录入图像，而后通过RGB模型中的加权平均法，将图像的R、G、B三分量以不同的权重进行加权平均得到灰度图像，由此在不损害轮廓灯主要信息后，可以极大方便后期的图像处理和计算。
作为本发明再进一步的方案：所述步骤3)中，得到最终的PST变换中带强度参数S
和扭曲参数W的核相位函数
其中，tan-1(·)表示反正切函数，ln(·)为自然对数，rmax代表uv频率平面最大频率极径，方程(6)就是原相位拉伸核函数，实现对图像的平滑降噪处理。
作为本发明再进一步的方案：所述步骤3)中，实现本发明提出的扩展EPST，相应的数学模型变为：
作为本发明再进一步的方案：所述步骤5)中，演算出相对总变分测度则定义为：
分母上的小的正数ε是为了避免分母为零，为了增强纹理与主要结构之间的对比度，特别是对于视觉明显的区域或特征，将测度L与D结合起来，形成结构--纹理分解中更加有效的正则项，即方程(21)中的第二项，形成如下的边缘保持滤波：
其中，I表示输入图像，S表示从输入图像中提取出的结构纹理图像(即滤波输出图像)，(Sp-Ip)2是保真项(使输入和输出没有大幅度偏离)，而正则化项RTV(p)(方程 (22)中的第二项)，由于L测度和D测度的良好特性，则可以实现从输入图像中去掉微小细碎纹理而保持边缘轮廓、结构纹理等主要结构。
作为本发明再进一步的方案：所述步骤6)中，通过对比分析，PST+RTV图像锐化增强算法在利用PST算法增强血管造影图像的高频部分即主干血管的同时，又能增强图像的低频部分即毛细血管，对于在增强过程中产生的毛刺或噪声利用RTV进行处理得到了很好的抑制，为医学专家进行诊断提供了很好血管造影图像。
与现有技术相比，本发明的有益效果是：
利用本发明所提出的算法可以很好的提取血管造影图像的边缘特征，比传统的血管造影图像边缘特征提取增加了很多的细小血管边缘特征，尽管也增加了很多的背景噪声，但结合相对总变分(RTV)的算法进行处理，该算法能在保持边缘特征的同时能有效抑制噪声，最后把提取的血管造影图像边缘特征和原图像进行融合取得了好的血管造影图像增强锐化效果。
附图说明
图1为一种基于扩展相位拉伸变换的血管造影图像锐化方法的流程图。
图2为一种基于扩展相位拉伸变换的血管造影图像锐化方法的待处理原图。
图3为采用各种增强算法处理原图的效果对比图。
具体实施方式
下面结合具体实施方式对本发明的技术方案作进一步详细地说明。
实施例1：一种基于扩展相位拉伸变换的血管造影图像锐化方法，该方法包括以下步骤：
1)输入图像进行灰度化处理；
2)对图像进行低通滤波处理；
3)对图像进行EPST(扩展相位拉伸变换)；
4)获取角度图像进行阈值化与形态学处理，实现边缘检测；
5)进行RTV处理；
6)进行图像融合后输出图像。
所述步骤1)中，通过U盘、网络传输或者扫描仪录入图像，而后通过RGB模型中的加权平均法，将图像的R、G、B三分量以不同的权重进行加权平均得到灰度图像，由此在不损害轮廓灯主要信息后，可以极大方便后期的图像处理和计算。
所述步骤3)中，通过以下公式进行低通滤波处理，频率域相位拉伸变换PST的数学模型为：
其中，A(m,n)表示角度图像，“∠”表示取角度操作，B(m,n)表示原始输入图像，FFT2与IFFT2分别表示二维快速傅里叶变换及逆变换，(u,v)表示频率变量，是局部平滑低通滤波器的频率响应，是依赖于频率的非线性相位扭曲核函数，应是频率变量的非线性函数；假定PST的核相位原型关于频率变量是圆对称的，有：
其中，r是频率平面o-uv极坐标系下的极径，θ是极角，其与uv频率变量之间的关系为：如果要求φpolar(r)关于r的导数是S型的反正切函数，则有：
注意到，图像经过傅里叶变换后的uv频率平面是有限区域，所以可根据方程(3)
求解φpolar(r)：
对方程(4)中的相位函数归一化(normalization)，得到φN：
对方程(5)中的相位函数，加入非线性扭曲拉伸变换中的相位拉伸强度(strength)参数S和扭曲(warped)参数W，得到最终的PST变换中带强度参数S和扭曲参数W的核相位函数
其中，tan-1(·)表示反正切函数，ln(·)为自然对数，rmax代表uv频率平面最大频率极径，方程(6)就是文献[11]中使用的相位拉伸核函数，实现对图像的平滑降噪处理。
所述步骤3)中，在发明中，我们扩展了相位扭曲拉伸变换的思路，不限制其单纯用于“减小模拟信号经调制后包络信号的时间带宽积”，或设计“超高速率的模数转换器”，而是从其用于数字信号或图像处理的视角出发，致力于用相位拉伸变换PST后的“纯相位”表达图像中的高频信息(或梯度信息)，提出了EPST处理，图像变得光滑，滤除图像中的噪声，在扩展相位拉伸变换EPST中，我们定义如方程(7)的一维扩展相位拉伸核函数，其群延迟是一维频率变量的线性函数：
利用该相位滤波器的数字图像频率域相位拉伸变换EPST的数学模型(1)变为：
其中的B(x)代表一维输入图像，L(u)表示频率域一维低通滤波器，表示扩展的频率域一维拉伸核函数，如果将低通滤波操作放在空间域，并将空间域低通滤波后的图像仍记为B(x)，其傅里叶变换记为则方程(8)变为(相当于L(u)＝1)：
对较小的频率变量u，将exp{ju2}按泰勒级数展开，取至二次项，有 exp{ju2}≈1+ju2/2，代入方程(9)，有：
利用傅里叶变换的性质，将逆变换两端对 x求导数，得到所以有：将其代入(10)得到：
考虑到(11)右端括弧中的复数，其复角等于虚部与实部的比的反正切函数，有：
利用tan-1(x)≈x，得到：
由(13)可以看出，利用本发明设计的如方程(7)的扩展相位核函数，其所导出的扩展相位拉伸变换EPST用于数字图像处理模型(见方程(8))，其输出A(x)是原始输入数字图像B(x)的某种归一化二阶偏导数，也就是数字图像中的归一化二阶梯度，显然也就是图像中的高频信息，如果对A(x)再施行非最大抑制，恰好等同于边缘检测的二阶梯度算子(如Laplcian算子等)，这就是扩展相位拉伸变换EPST可以用于提取图像特征等高频信息的完美理论分析，
将方程(7)中的扩展相位函数推广到二维，得到频率域扩展相位拉伸变换EPST的二维扩展相位滤波器：
可以看出，扩展相位核关于傅里叶频率平面上的频率成分的作用是各向同性的，因为如果对(u,v)采用极坐标表示，u＝rcosθ,v＝rsinθ，则有其中r就是傅里叶变换后二维复平面(u，v)上复频率的极径显然，与极角θ无关，仅与极径r有关，对此扩展相位拉伸滤波器，可得到数字图像的扩展相位拉伸变换EPST数学模型：
如果将记为则得到：
注意到在傅里叶平面(u，v)上，的尺度与ψB(u,v)的尺度不一致，在实际变换中需要对作归一化，得到如方程(17)所示的归一化扩展非线性相位扭曲拉伸核函数：
方程(17)就是作为扩展相位拉伸变换EPST的相位滤波器，在实际应用中，只需要对傅里叶平面(u,v)上的每一频率格点，计算得到得并将其加到离散数字图像FFT后的复角分量ψB(u,v)中，即可实现本发明提出的扩展EPST，相应的数学模型(15)变为：
所述步骤5)中，为达到锐化图像增强效果，需把提取并增强的边缘、重要结构图像与原图像进行叠加，使结果图像突显边缘及重要结构特征，有利于后续的应用，但叠加后的图像会出现噪声和边缘毛刺等现象，这是因为在传统的相位拉伸变换之前的普通低通滤波器，对不重要的细碎纹理抑制的不够彻底造成的，具体示例如图4，相对总变分 RTV能够很好地度量并明显区分重要结构与细碎纹理，得益于其相对总变分的度量准则，该准则由逐像素的窗口化总变分测度Dx(p)、Dy(p)与窗口化内在变分测度Lx(p)、Ly(p) 两组指标决定：
其中的S可以暂且认为是输入图像，R(p)是以像素p为中心的矩形局部邻域窗口，q是R(p)中的任一像素，g、p,q是根据空间相似关系定义的加权因子，显然，Dx(p)、 Dy(p)度量了像素p周围局部范围内图像灰度值的空间绝对变化情况，内在变分测度定义为：
可以看出，Lx(p)、Ly(p)度量了像素p周围局部范围内图像灰度值的空间总体变化情况，而相对总变分测度则定义为：
分母上的小的正数ε是为了避免分母为零，为了增强纹理与主要结构之间的对比度，特别是对于视觉明显的区域或特征，将测度L与D结合起来，形成结构--纹理分解中更加有效的正则项，即方程(22)中的第二项，形成如下的边缘保持滤波：
其中，I表示输入图像，S表示从输入图像中提取出的结构纹理图像(即滤波输出图像)，(Sp-Ip)2是保真项(使输入和输出没有大幅度偏离)，而正则化项RTV(p)(方程(22)中的第二项)，由于L测度和D测度的良好特性，则可以实现从输入图像中去掉微小细碎纹理而保持边缘轮廓、结构纹理等主要结构。
所述步骤6)中，把发明提出的扩展相位拉伸变换EPST所作的血管造影图像锐化、基于区域生长的血管造影图像锐化、基于相位一致性的血管造影图像锐化、基于Canny 算子的血管造影图像锐化等进行对照分析，通过对比待处理原图(图2)，具体的试验结果如图3(a-d)，PST+RTV图像锐化增强算法在利用PST算法增强血管造影图像的高频部分即主干血管的同时，又能增强图像的低频部分即毛细血管，对于在增强过程中产生的毛刺或噪声利用RTV进行处理得到了很好的抑制，为医学专家进行诊断提供了很好血管造影图像。
本发明的工作原理是：
本发明提出了一种基于扩展相位拉伸变换的血管造影图像锐化方法，本发明把扩展相位拉伸变换和相对总变分相结合形成了血管造影图像锐化算法，基于新的扩展相位滤波器，形成扩展相位拉伸变换EPST，理论分析证明了，所提出的扩展相位滤波器具有很好的“表达图像高频信息”的能力，但其在保持图像高频信息的同时，也保留了过多的噪声、细碎杂乱纹理等不利信息，对此，引入相对总变分RTV理论，达到了保持主要结构、轮廓边缘的同时，抑制背景噪声、细碎杂乱纹理等不利信息，对比实验结果表明，利用本发明所提算法可以很好的提取血管造影图像的边缘特征，比传统的血管造影图像边缘特征提取增加了很多的细小血管边缘特征，尽管也增加了很多的背景噪声，但结合相对总变分(RTV)的算法进行处理，该算法能在保持边缘特征的同时能有效抑制噪声，最后把提取的血管造影图像边缘特征和原图像进行融合取得了好的血管造影图像增强锐化效果，说明本发明血管造影图像锐化方法有效性与优越性。
上面对本发明的较佳实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域的普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (5)
1.一种基于扩展相位拉伸变换的血管造影图像锐化方法，包括以下步骤：
1)输入图像进行灰度化处理；
2)输入图像预处理；
3)图像扩展相位拉伸变换EPST；
4)获取角度图像进行阈值化与形态学处理，实现边缘检测；
5)进行RTV处理；
6)进行图像融合后输出图像。
2.根据权利要求1所述的一种基于扩展相位拉伸变换的血管造影图像锐化方法，其特征在于，所述步骤1)中，通过U盘、网络传输或者扫描仪录入图像，而后通过RGB模型中的加权平均法，将图像的R、G、B三分量以不同的权重进行加权平均得到灰度图像，由此在不损害轮廓灯主要信息后，可以极大方便后期的图像处理和计算。
3.根据权利要求1所述的一种基于扩展相位拉伸变换的血管造影图像锐化方法，其特征在于，所述步骤3)中的扩展EPST，传统的相位拉伸核函数是S型的反正切函数，如方程(4)：
而本专利设计的EPST中，其相位拉伸核函数为方程(14)：
4.根据权利要求1所述的一种基于扩展相位拉伸变换的血管造影图像锐化方法，其特征在于，所述步骤5)中，相对总变分测度则定义为：
分母上的小的正数ε是为了避免分母为零，为了增强纹理与主要结构之间的对比度，特别是对于视觉明显的区域或特征，将测度L与D结合起来，形成结构--纹理分解中更加有效的正则项，即方程(21)中的第二项，形成如下的边缘保持滤波：
其中，I表示输入图像，S表示从输入图像中提取出的结构纹理图像(即滤波输出图像)，(Sp-Ip)2是保真项(使输入和输出没有大幅度偏离)，而正则化项RTV(p)(方程(22)中的第二项)，由于L测度和D测度的良好特性，则可以实现从输入图像中去掉微小细碎纹理而保持边缘轮廓、结构纹理等主要结构。
5.根据权利要求1所述的一种基于扩展相位拉伸变换的血管造影图像锐化方法，其特征在于，所述步骤6)中，通过对比分析，PST+RTV图像锐化增强算法在利用PST算法增强血管造影图像的高频部分即主干血管的同时，又能增强图像的低频部分即毛细血管，对于在增强过程中产生的毛刺或噪声利用RTV进行处理得到了很好的抑制，为医学专家进行诊断提供了很好血管造影图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910431645.3A CN110120025A (zh) | 2019-05-22 | 2019-05-22 | 一种基于扩展相位拉伸变换的血管造影图像锐化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910431645.3A CN110120025A (zh) | 2019-05-22 | 2019-05-22 | 一种基于扩展相位拉伸变换的血管造影图像锐化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110120025A true CN110120025A (zh) | 2019-08-13 |
Family
ID=67523024
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910431645.3A Pending CN110120025A (zh) | 2019-05-22 | 2019-05-22 | 一种基于扩展相位拉伸变换的血管造影图像锐化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110120025A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112668578A (zh) * | 2020-12-31 | 2021-04-16 | 中广核研究院有限公司 | 指针式仪表读数方法、装置、计算机设备和存储介质 |
| CN114581468A (zh) * | 2022-03-04 | 2022-06-03 | 平顶山学院 | 一种基于各向异性相位拉伸变换的活性污泥菌种分割方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103955911A (zh) * | 2014-01-10 | 2014-07-30 | 上海大学 | 基于相对变分的边缘检测方法 |
| US20170140545A1 (en) * | 2014-05-05 | 2017-05-18 | The Regents Of The University Of California | Phase transform for object and shape detection in digital images |
-
2019
- 2019-05-22 CN CN201910431645.3A patent/CN110120025A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103955911A (zh) * | 2014-01-10 | 2014-07-30 | 上海大学 | 基于相对变分的边缘检测方法 |
| US20170140545A1 (en) * | 2014-05-05 | 2017-05-18 | The Regents Of The University Of California | Phase transform for object and shape detection in digital images |
Non-Patent Citations (5)
| Title |
|---|
| ASGHARI MOHAMMAD H; JALALI BAHRAM: "Edge detection in digital images using dispersive phase stretch transform", 《INTERNATIONAL JOURNAL OF BIOMEDICAL IMAGING》 * |
| ASGHARI MOHAMMAD H; JALALI BAHRAM: "Edge detection in digital images using dispersive phase stretch transform", 《INTERNATIONAL JOURNAL OF BIOMEDICAL IMAGING》, vol. 2015, 23 March 2015 (2015-03-23) * |
| MADHURI SUTHAR等: "Feature Enhancement in Visually Impaired Images", DIGITAL OBJECT IDENTIFIER, vol. 2018, no. 6, pages 1407 - 1415 * |
| O.V. BELAI等: "Group delay in Bragg grating with linear chirp", OPTICS COMMUNICATIONS, vol. 2006, no. 266, pages 512 - 520 * |
| 韩九强，杨磊著: "《数字图像处理 基于XAVIS组态软件》", 30 September 2018, pages: 242 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112668578A (zh) * | 2020-12-31 | 2021-04-16 | 中广核研究院有限公司 | 指针式仪表读数方法、装置、计算机设备和存储介质 |
| CN112668578B (zh) * | 2020-12-31 | 2023-11-07 | 中广核研究院有限公司 | 指针式仪表读数方法、装置、计算机设备和存储介质 |
| CN114581468A (zh) * | 2022-03-04 | 2022-06-03 | 平顶山学院 | 一种基于各向异性相位拉伸变换的活性污泥菌种分割方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Negi et al. | 3-D discrete shearlet transform and video processing | |
| US8542944B2 (en) | Method and apparatus for multi-scale based dynamic range compression and noise suppression | |
| CN104616255B (zh) | 基于乳腺x线图像的自适应增强方法 | |
| US10275891B2 (en) | Phase transform for object and shape detection in digital images | |
| Thakur et al. | Image quality based comparative evaluation of wavelet filters in ultrasound speckle reduction | |
| CN109949329B (zh) | 基于相位一致的相位拉伸变换pst图像边缘检测方法 | |
| CN110211084B (zh) | 一种基于权重小波变换的图像多分辨率重建方法 | |
| CN110120025A (zh) | 一种基于扩展相位拉伸变换的血管造影图像锐化方法 | |
| Dewangan et al. | Image smoothening and sharpening using frequency domain filtering technique | |
| Zaafouri et al. | A developed unsharp masking method for images contrast enhancement | |
| CN109919922B (zh) | 一种基于空间域与形态学相结合的硅硅直接键合的质量检测方法 | |
| Zhao et al. | A new approach to hand vein image enhancement | |
| Zohaib et al. | Image enhancement by using histogram equalization technique in Matlab | |
| CN116468627A (zh) | 一种基于二次加权快速导向滤波的内窥镜图像增强方法 | |
| CN102289793A (zh) | 一种面向游牧服务的多尺度图像处理方法 | |
| Tie-Rui et al. | The research of X-ray bone fracture image enhancement algorithms | |
| Laftah | Image Denoising Using Multiwavelet Transform with Different Filters and Rules. | |
| Tyagi et al. | Comparative study of image enhancement and analysis of thermal images using image processing and wavelet techniques | |
| Liu | New method for image denoising while keeping edge information | |
| JP4316106B2 (ja) | 画像処理方法および装置並びに記録媒体 | |
| Jiao et al. | Image denoising using two-dimensional stochastic resonance in wavelet domain | |
| Xue | Enhancement of medical images in the shearlet domain | |
| Jangra et al. | Rician Noise reduction in MRI images using wave atom transform | |
| Jothi et al. | An Efficient Denoising Architecture for Impulse Noise Removal in Colour Image Using Combined Filter. | |
| Zeng et al. | Denoising by anisotropic diffusion in ICA subspace |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190813 |
|
| RJ01 | Rejection of invention patent application after publication |