CN1595433A - 基于运动检测图像的递归降噪方法 - Google Patents

Abstract

基于运动检测的图像递归降噪方法，属于医学影像技术领域，在运动检测的基础上对图像进行递归降噪，采用“块匹配法”，针对相邻两帧图像x(n)、x(n－1)进行运动检测，计算相对位移：首先采用绝对差值平均MAD方法考察图像的匹配程度，然后确定运动位移，接着采用分步算法快速搜索最匹配区域，然后确定参数；最后对图像进行移动与叠加，通过运动检测得到的运动位移对递归图像y(n－1)进行处理得到y′(n－1)，使之与x(n)配准，用y′(n－1)代替y(n－1)，对y′(n－1)与x(n)按照以下公式进行叠加处理：

在移动过程中已经移出的图像区域，在叠加处理时忽略不计；同时因为移动而空余的区域用“零”补充，此时经过叠加处理后的图像不会出现运动伪影；基于运动检测的图像递归降噪方法降低了图像噪声，减弱了图像的运动伪影。

Description

基于运动检测图像的递归降噪方法

技术领域

本发明属于医学影像处理技术领域，特别涉及一种基于运动检测的图像递归降噪方法。

背景技术

目前，在数字化X光机系统中，图像降噪的方法一般是采用递归滤波法。但单纯的递归滤波处理无法兼顾消除噪声和运动图像的运动伪影。

对于静止图像序列，当递归系数较大时，递归效果较好；但是对于运动图像序列，各帧图像所描述的内容在空间位置上存在“错位”，递归降噪会引起图像运动伪影。

为了降低运动伪影，需要根据图像的运动改变递归系数。两帧源图像之间相对运动越大，对应的系数应该越小。当系数较小时，改善了图像运动伪影，但是导致递归的图像噪声较大。由此可见，单纯的递归处理在运动图像降噪和消除运动伪影两方面只能折中处理，无法同时兼顾消除噪声和运动图像的运动伪影。

发明内容

针对现有技术对于运动图像的降噪存在的缺点和不足，本发明提供了一种基于运动检测的图像递归降噪方法。基于运动检测的递归降噪方法的流程图如图1所示。

本发明方法的具体实现由以下步骤组成：

第一步、采用“块匹配法”，针对相邻两帧图像x(n)、x(n-1)进行运动检测，计算相对位移；

块匹配法是通过对比相邻两帧图像相同空间区域的相似程度，判决图像是否运动，块匹配法示意图如图2所示。图像静止时的坐标如图3所示。以中央为圆点，x轴向右递增，y轴向上递增。以前一帧x(n-1)的坐标圆点为中心，选取大小为(2N+1)×(2N+1)(N为正整数)的区域F(x，y)，F(x，y)∈S，-N≤x，y≤N；在当前帧x(n)中，选取大小相同但是中心位置不同的区域G(x+i，y+j)，G(x+i，y+j)∈S，-N≤x，y≤N，(i，j)∈R，(i，j)表示区域G与F的相对位移，R表示进行匹配搜索的区域。在当前帧中搜索与F最为匹配的区域G′。F与G′的位移即为x(n-1)与x(n)之间的相对位移。

采用块匹配法实现图像运动检测的具体步骤如下：

1、选择参数。

S的选择：S＝(2N+1)×(2N+1)(N为正整数)，表示计算MAD的区域，如果S过小，影响匹配的准确程度；如果S过大，计算量过大。根据程序设计角度和计算准确性角度折中选择。

R的选择：R表示进行匹配搜索的区域，根据床体运动速度设定，在采集速率一定的条件下，床体运动是有一定范围的，最大不会超过某个范围，即相邻两帧图像相对位移的大小有一定范围，R的值所包括的范围要大于图像可能相对运动的范围；先确定图像可能运动的范围，即先设定一个很大的R值，通过公式(1)和(2)计算得出图像位移为4个象素，以4为半径，图像可能运动的范围为8*8个象素区域；根据R值所包含的范围要大于图像可能运动的范围的原则，R的选取为R＞8*8个象素；为了使搜索区域能够均分，同时保证运算速度，所以R＝3ⁿ*3ⁿ(n为正整数)。

2、采用绝对差值平均MAD(Mean absolute difference)方法考察图像的匹配程度；

绝对差值平均MAD公式定义如下：

$\mathrm{MAD}(i,j)=\frac{1}{{(2N+1)}^2}\underset{x=-N}{\overset{N}{\mathrm{\Σ}}}\underset{y=-N}{\overset{N}{\mathrm{\Σ}}}|F(x,y)-G(x+i,y+j)|---\left(1\right)$

其中F(x，y)表示前一帧参考图像区域，G(x+i，y+j)表示当前帧图像待匹配的图像区域，|F(x，y)-G(x+i，y+j)|表示取绝对值。对于搜索区域R，逐一计算MAD。

3、确定运动位移；

选取MAD最小值对应的图像区域G′为与F匹配的区域，对应的坐标(i，j)为位移。

$(i,j)={\underset{(i,j)\∈R}{\min }}^{\left\{\mathrm{MAD}\right\}}---\left(2\right)$

4、采用分步算法快速搜索最匹配区域；

在确定运动位移时，匹配搜索算法是对匹配搜索区域R逐点搜索，可以保证得到最优解。考虑到计算量和运算时间的问题，在保证匹配准确性的同时，为了提高效率，搜索最匹配区域采用分步搜索办法。

对于匹配搜索区域R，将其均匀划分为9个区域，首先以各个区域的中心为中心，选择区域G₁，计算MAD，MAD越小则匹配程度越高。找到其中最匹配的区域，然后以该区域为新的搜索区域，同样将其均匀划分为9个区域，以新的各个区域的中心为中心，选择区域G₂，计算MAD。递归使用该算法，直至划分的区域大小为3*3的矩阵，做最后一次搜索。此次得到的最匹配的区域即可认为是最匹配的区域。

第二步、图像的移动与叠加。

通过运动检测得到的运动位移对递归图像y(n-1)进行处理得到y′(n-1)，使之与x(n)图像匹配(相似)程度最大，实现配准，用y′(n-1)代替y(n-1)，对y′(n-1)与x(n)按照以下公式进行叠加处理：

式中y(n)表示当前递归图像；y(n-1)表示前一帧递归图像；x(n)表示当前帧；0＜k＜1，常数，递归系数；n，整数，表示图像序号。

本发明方法的优点是，在运动检测的基础上对图像进行递归降噪，降低了图像噪声，减弱了图像的运动伪影。利用SIMD(Single Instruction，Multiple Data，单指令多数据流，即使用一条指令，同时并行处理多条数据)技术，在PC上对实测图像进行实时处理，验证了本方法的有效性。

附图说明

图1是基于运动检测的递归降噪方法的流程图；

图2是图像块匹配法示意图，其中图2a是x(n-1)帧图像，图2b是x(n)帧图像；

图3是图像静止时的坐标；

图4是分步搜索示意图；

图5是相邻图像的配准示意图，其中1表示空余的区域，以零补充，2表示移出的区域，忽略不计，a为位移处理，b为叠加处理，图5(1)是y(n-1)帧图像，图5(2)是y’(n-1)帧图像，图5(3)是x(n)帧图像，图5(4)是y’(n-1)帧图像；

图6是基于运动检测的递归降噪处理结果示意图。

具体实施方式

结合附图，本发明方法的具体实现由以下步骤组成：

第一步、采用“块匹配法”，针对相邻两帧图像x(n)、x(n-1)进行运动检测，计算相对位移：

应用“块匹配法”，实现图像运动检测的具体步骤如下：

1、选择参数：

S的选择：本实施例根据程序设计角度和计算准确性角度折中选择，本实施例中N＝96，即S为193*193象素大小的区域计算MAD。

R的选择：本实施例设置n＝3，即R＝27*27象素。

2、采用绝对差值平均MAD(Mean absolute difference)方法考察图像的匹配程度；

利用公式(1)，对于搜索区域R＝27*27象素，计算MAD的区域S＝193*193象素，逐一计算MAD。

3、确定运动位移：

选取MAD最小值对应的图像区域G′为与F匹配的区域，即在前一帧x(n-1)选取区域F(x，y)，在当前帧x(n)中，选取大小相同但是中心位置不同的区域G。可以计算两帧图像x(n)和x(n-1)的MAD。中心位置不同，对应的G是不同的。MAD最小值对应的G′是G的一个子集，即在全集G中，找到一个位置G′，使得图像最为匹配。然后根据公式(2)确定位移。

4、采用分步算法快速搜索最匹配区域：

分步搜索如图4所示，兼顾准确性的同时为了保证计算的速度，即对于匹配搜索区域R，将其均匀划分为9个区域，各个区域的中心以图中标识“①”表示。首先以“①”为中心，选择区域G1，计算MAD。找到其中最匹配的区域，然后以该区域为新的搜索区域，同样将其均匀划分为9个区域，新的各个区域的中心以图中标识“②”表示，以“②”为中心，选择区域G2，计算MAD。递归使用该算法，直至划分的区域为3*3的矩阵，做最后一次搜索。此次得到的最匹配的区域即可认为是最匹配的区域。

以搜索区域为27*27象素为例，考查该搜索方法的效率。如果采用逐点搜索法，共计需要进行729次图像匹配运算；而采用分步搜索法共计27次搜索，具体搜索步骤如下：

第一次针对27*27的区域，划分3*3个区域(每个区域大小为9*9)，进行9次计算和搜索；

第二次针对9*9的区域，划分3*3个区域(每个区域大小为3*3)，进行9次计算和搜索；

第三次针对3*3的区域，划分3*3个区域(每个区域大小为1*1)，进行9次计算和搜索。

相对于逐点搜索，分步搜索的计算量仅为原来的3％，有效提高了搜索效率。

第二步、图像的移动与叠加：

利用公式(3)进行递归处理。y(n-1)与x(n)内容关系如图5所示，x(n)相对y(n-1)向右上角方向运动，通过运动检测，计算出图像位移，如源图像向上平移5个像素，将图像y(n-1)整体向上平移5个像素，y(n-1)位移后得到y′(n-1)，将x(n)根据公式(3)进行递归处理即按照加权系数进行叠加同样得到y′(n-1)。在移动过程中，右侧和上方已经移出图像区域，这部分图像在叠加处理时忽略不计；同时因为移动而空余的区域用“零”补充。在移动过程中，由于移出图像区域的部分忽略不计，由于移动产生的空白区域用数字“0”填补。

从图5中可以看出，x(n)与y′(n-1)已经配准，进行叠加处理后不会出现运动伪影。

基于运动检测后递归降噪的处理结果如图6所示。

为了提高处理速度，本发明采用了英特尔(INTEL)的Intel Integrated Performance Primitives函数库和英特尔(INTEL)SSE2的Intrinsics技术，采用并行计算技术，极大提高了运算速度。在硬件方面采用了Pentium4的CPU，512M的内存，对于1024*1024*12bits的图像，运算时间为19ms，完全可以满足30帧/秒的实时处理要求。

运用本发明方法，对运动图像经过运动检测后进行递归降噪处理，可以在去除噪声的同时，减小运动伪影。

Claims (3)

1、基于运动检测的图像递归降噪方法，其特征在于该方法由以下步骤组成：

第一步、采用“块匹配法”，针对相邻两帧图像x(n)、x(n-1)进行运动检测，计算相对位移；

第二步、图像的移动与叠加。

2、根据权利要求1所述的基于运动检测的图像递归降噪方法，其特征在于本方法第一个步骤的实现又由以下4个步骤组成：

(1)选择参数：

S的选择：S＝(2N+1)×(2N+1)(N为正整数)，表示计算MAD的区域，如果S过小，影响匹配的准确程度：如果S过大，计算量过大；根据程序设计角度和计算准确性角度折中选择；

R的选择：R表示进行匹配搜索的区域，根据床体运动速度设定；在采集速率一定的条件下，床体运动是有一定范围的，最大不会超过某个范围，即相邻两帧图像相对位移的大小有一定范围，R的值所包括的范围要大于图像可能相对运动的范围；先确定图像可能运动的范围，即先设定一个很大的R值，通过公式(1)和(2)计算得出图像位移为4个象素，以4为半径，图像可能运动的范围为8*8个象素区域；根据R值所包含的范围要大于图像可能运动的范围的原则，R的选取为R＞8*8个象素；为了使搜索区域能够均分，同时保证运算速度，所以R＝3ⁿ*3ⁿ(n为正整数)；

(2)采用绝对差值平均MAD方法考察图像的匹配程度：

绝对差值平均MAD公式定义如下：

$\mathrm{MAD}(i,j)=\frac{1}{{(2*N+1)}^2}\underset{x=-N}{\overset{N}{\mathrm{\Σ}}}\underset{y=-N}{\overset{N}{\mathrm{\Σ}}}\left|F(x,y)G(x+i,y+j)\right|$

其中F(x，y)表示前一帧参考图像区域，F(x，y)∈S，-N≤x，y≤N；G(x+i，y+j)表示当前帧图像待匹配的图像区域，G(x+i，y+j)∈S，-N≤x，y≤N；(i，j)∈R，(i，j)表示区域G与F的相对位移；|F(x，y)-G(x+i，y+j)|表示取绝对值；对于搜索区域R，逐一计算MAD；

(3)确定运动位移：

选取MAD最小值对应的图像区域G′为与F匹配的区域，对应的坐标(i，j)为位移，

$(i,j)=\underset{(i,j)\∈R}{\min }\left\{\mathrm{MAD}\right\};$

(4)采用分步算法快速搜索最匹配区域：

对于匹配搜索区域R，将其均匀划分为9个区域，首先以各个区域的中心为中心，选择区域G₁，计算MAD，MAD越小则匹配程度越高；找到其中最匹配的区域，然后以该区域为新的搜索区域，同样将其均匀划分为9个区域，以新的各个区域的中心为中心，选择区域G₂，计算MAD；递归使用该算法，直至划分的区域大小为3*3的矩阵，做最后一次搜索；此次得到的最匹配的区域即可认为是最匹配的区域。

3、根据权利要求1所述的基于运动检测的图像递归降噪方法，其特征在于实现本方法第二个步骤时，通过第一步得到的运动位移对递归图像y(n-1)进行处理得到y′(n-1)，使之与x(n)图像匹配(相似)程度最大，实现配准，用y′(n-1)代替y(n-1)，对y′(n-1)与x(n)按照以下公式进行叠加处理：

式中y(n)表示当前递归图像；y(n-1)表示前一帧递归图像；x(n)表示当前帧；0＜k＜1，常数，递归系数；n，整数，表示图像序号。

Images