DE102004063300A1 - Method and device for evaluating a function recorded by detection of a physical quantity - Google Patents
Method and device for evaluating a function recorded by detection of a physical quantity Download PDFInfo
- Publication number
- DE102004063300A1 DE102004063300A1 DE102004063300A DE102004063300A DE102004063300A1 DE 102004063300 A1 DE102004063300 A1 DE 102004063300A1 DE 102004063300 A DE102004063300 A DE 102004063300A DE 102004063300 A DE102004063300 A DE 102004063300A DE 102004063300 A1 DE102004063300 A1 DE 102004063300A1
- Authority
- DE
- Germany
- Prior art keywords
- function
- value
- image information
- sequence
- discrete
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000001514 detection method Methods 0.000 title description 4
- 230000006870 function Effects 0.000 claims abstract description 209
- 238000012545 processing Methods 0.000 claims description 30
- 238000005314 correlation function Methods 0.000 claims description 21
- 238000002595 magnetic resonance imaging Methods 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 230000002123 temporal effect Effects 0.000 claims description 9
- 230000015572 biosynthetic process Effects 0.000 claims description 8
- 230000000052 comparative effect Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000006978 adaptation Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 238000001454 recorded image Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 230000004069 differentiation Effects 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims 2
- 230000001419 dependent effect Effects 0.000 claims 1
- 230000015654 memory Effects 0.000 description 32
- 230000033001 locomotion Effects 0.000 description 19
- 238000005259 measurement Methods 0.000 description 10
- 238000012360 testing method Methods 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 230000017531 blood circulation Effects 0.000 description 5
- 238000010835 comparative analysis Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000013016 damping Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 101100129500 Caenorhabditis elegans max-2 gene Proteins 0.000 description 3
- 101100083446 Danio rerio plekhh1 gene Proteins 0.000 description 3
- 230000002526 effect on cardiovascular system Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 230000010412 perfusion Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 239000002872 contrast media Substances 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000005309 stochastic process Methods 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 208000010201 Exanthema Diseases 0.000 description 1
- 206010061216 Infarction Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 201000005884 exanthem Diseases 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 210000003709 heart valve Anatomy 0.000 description 1
- 230000007574 infarction Effects 0.000 description 1
- 238000012905 input function Methods 0.000 description 1
- 230000007794 irritation Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000002107 myocardial effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 206010037844 rash Diseases 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
Abstract
Gegenstand der Erfindung ist ein Verfahren zum Beurteilen eines gewählten Bereichs a n b einer Funktion E(n), die durch Detektion des Verlaufs einer physikalischen Größe E über die Abszisse n aufgenommen ist und die aleatorische und/oder determinierte Komponenten enthalten kann, wobei die aleatorische Komponente unbekannt ist und die determinierten Komponenten zumindest teilweise unbekannt sind. Erfindungsgemäß werden aus der Funktion E(n) zunächst alle eventuell bekannten determinierten Komponenten entfernt, und aus der resultierenden Funktion F(n) wird eine Hilfsfunktion G(n) berechnet, welche die laufende Summe der Funktionswerte von F(n) entlang dem gewählten Bereich a n b darstellt. Durch vergleichende Untersuchung der beiden Funktionen F(n) und G(n) wird ein Beurteilungswert W ermittelt, der das Maß der Ähnlichkeit beider Funktionen widerspiegelt und somit ein Maß ist für den relativen Anteil der aleatorischen Komponente der Funktion F(n) innerhalb des gewählten Bereichs dieser Funktion. Gegenstand der Erfindung ist auch eine Beurteilungseinrichtung (10), die nach diesem Prinzip funktioniert.The invention provides a method of judging a selected range of a function E (n) acquired by detecting the progression of a physical quantity E over the abscissa n and which may include aleatory and / or deterministic components, the aleatory component being unknown and the deterministic components are at least partially unknown. According to the invention, all possibly known deterministic components are first removed from the function E (n), and an auxiliary function G (n) is calculated from the resulting function F (n), which is the running sum of the function values of F (n) along the selected range represents anb. By comparing the two functions F (n) and G (n), a judgment value W is determined which reflects the degree of similarity of both functions and thus is a measure of the relative proportion of the aleatory component of the function F (n) within the selected one Range of this function. The subject matter of the invention is also an assessment device (10) which functions according to this principle.
Description
Die Erfindung betrifft ein Verfahren und eine Einrichtung zum Beurteilen einer Funktion, die durch Detektion des Verlaufs einer physikalischen Größe über eine Abszisse aufgenommenen ist, gemäß dem Oberbegriff des Patentanspruchs 1 bzw. des Patentanspruchs 15. Bevorzugtes, jedoch nicht ausschließliches Anwendungsgebiet der Erfindung ist die Verarbeitung aufgenommener Bilddaten, insbesondere bei der Magnetresonanz-Bildgebung (MRI = Magnetic Resonance Imaging).The The invention relates to a method and a device for judging a function that can be detected by detecting the course of a physical Size over one Abscissa is recorded, according to the preamble of patent claim 1 or claim 15. Preferred, but not exclusive Field of application of the invention is the processing of recorded Image data, in particular in magnetic resonance imaging (MRI = Magnetic Resonance Imaging).
Hintergrund der Erfindungbackground the invention
Ein primärer Vorgang sowohl in der Messtechnik als auch in der Datenübertragungstechnik ist die Erfassung einer physikalischen Größe E (bei der es sich auch um die Ausgangsspannung einer Datenquelle handeln kann) und die Bereitstellung einer kontinuierlichen oder diskreten Funktion E(n), welche den Verlauf der Größe E über einer Abszisse n abbildet. Mit "Verlauf" sei hier die Amplitudenverteilung E(x) der Größe E entlang irgendeiner Koordinate x gemeint. Diese Koordinate kann eine Zeitkoordinate, eine Raumkoordinate oder eine Koor- dinate in irgendeiner anderen Dimension sein, z.B. eine Temperaturkoordinate. Die Abszisse n der bereitgestellten "abgebildeten" Funktion E(n) muss nicht die gleiche Dimension wie die Verlaufskoordinate x der erfassten Größe E haben. Wenn z.B. ein räumlicher Verlauf einer Größe durch zeitlich sequentielle Abtastung der Größe an verschiedenen Punkten der Raumkoordinate erfasst wird, dann wird der Verlauf in eine Zeitfunktion transformiert. In ähnlicher Weise wird eine Zeitfunktion erhalten, wenn z.B. die Temperaturabhängigkeit einer Größe durch Beobachtung der Größe bei sich zeitlich ändernder Temperatur erfasst wird. Umgekehrt wird eine Raumfunktion erhalten, wenn die Werte des Verlaufs in den räumlich beabstandeten Speicherzellen eines Datenspeichers abgelegt werden. Bei paralleler Auslesung der Speicherzellen bleibt die Funktion eine Raumfunktion, bei serieller Auslesung wird sie wieder als Zeitfunktion bereitgestellt.One primary Process in both metrology and data transmission technology is the detection of a physical quantity E (which is also can be the output voltage of a data source) and the Providing a continuous or discrete function E (n), which the course of the size E over a Abscissa represents n. With "gradient" here is the amplitude distribution E (x) the size E along of any coordinate x. This coordinate can be a time coordinate, a space coordinate or a co-ordinate in any other Dimension, e.g. a temperature coordinate. The abscissa n of the provided "mapped" function E (n) must not the same dimension as the course coordinate x of the detected Have size E. If e.g. a spatial Course of a size through time sequential scanning of the size at different points the spatial coordinate is detected, then the course is in a time function transformed. In similar Thus, a time function is obtained when e.g. the temperature dependence a size through Observation of the size in itself changing over time Temperature is detected. Conversely, a space function is obtained if the values of the history in the spatially-spaced memory cells of a Data storage are stored. With parallel reading of the memory cells the function remains a room function, in case of serial reading they are again provided as a time function.
Die Gesamtheit aller Elemente, die an der Bereitstellung der Funktion E(n) beteiligt sind, sei im Folgenden als "Kanal" bezeichnet. Dieser Kanal transformiert den Verlauf E(x) der Größe E in die Funktion E(n).The Whole of all elements involved in the delivery of the function E (n) are involved, hereinafter referred to as "channel". This channel transforms the course E (x) of size E in the functions).
Die Messung physikalischer Größen und auch die Weiterverarbeitung der Messergebnisse zur Bereitstellung einer kontinuierlichen oder diskreten Funktion, also der "Kanal", bilden in ihrer Gesamtheit einen stochastischen Prozess. In diesen Prozess fließen nicht nur die eigentliche Messgröße als "determinierte" Komponente ein, sondern auch ein Komplex von Zufallserscheinungen, der den "aleatorischen" Teil des stochastischen Prozesses bildet. Die gewonnene Funktion enthält also eine determinierte Komponente D(n), welche gewöhnlich das eigentliche Objekt der Beobachtung ist und somit die gefragte "Information" darstellt, und eine aleatorische Komponente A(n), die häufig pauschal auch als "Rauschen" bezeichnet wird. Diese Komponente kann je nach ihrer Stärke die eindeutige Erkennung der gefragten Information mehr oder weniger erschweren oder gar unmöglich machen.The Measurement of physical quantities and also the further processing of the measurement results for the provision a continuous or discrete function, ie the "channel", form in theirs Entirety a stochastic process. This process does not flow only the actual measurand as a "determinate" component, but also a complex of random phenomena, the "aleatoric" part of the stochastic Process forms. The obtained function thus contains a determinate one Component D (n), which is usually the actual object of the observation is thus the requested "information" represents, and an aleatorische Component A (n), which is common flat rate also as "noise" is called. This component can be unique depending on its strength the requested information more or less difficult or even impossible do.
Es sind Verfahren bekannt, um die Stärke des aleatorischen Einflusses eines Kanals abzuschätzen. Auf dem Gebiet der Nachrichtentechnik sind "Kanalprüfungen" üblich, um die Qua lität eines Kanals, der zur Übertragung eines Informationssignals in Form einer sich zeitlich ändernden Spannung dienen soll, zu beurteilen. Hierzu wird in einem Testbetrieb am Eingang des Kanals eine Testspannung mit bekanntem Verlauf angelegt, z.B. eine konstante Spannung, und am Ausgang wird geprüft, inwieweit sich die dort erscheinende Spannung von demjenigen Verlauf unterscheidet, der im Idealfall, also ohne aleatorischen Einfluss im Kanal, zu erwarten wäre.It Methods are known for the strength of aleatoric influence of a channel. On In the field of communications engineering, "channel tests" are common, about quality a channel for transmission an information signal in the form of a time-varying To serve tension, to judge. This is done in a test mode at the entrance of the channel a test voltage with a known course is created, e.g. a constant voltage, and the output checks to what extent the voltage appearing there differs from that of the course, in the ideal case, so without aleatorischen influence in the channel, too would be expected.
Ist die Testspannung eine konstante Gleichspannung, dann kann die besagte Prüfung z.B. einfach darin bestehen, die Wechselstromleistung im Ausgangssignal zu messen. Das Messergebnis gibt unmittelbar die Stärke der aleatorischen Komponente des Kanaleinflusses wieder. Bei komplizierteren Verfahren wird als Testspannung ein Informationssignal mit bekanntem und erkennbarem Informationsinhalt angelegt, und am Ausgang wird geprüft, ob die dort empfangene Information fehlerfrei erkannt wird, und gewünschtenfalls, wie hoch die Fehlerquote ist. Diese Verfahren sind jedoch nicht geeignet, die Stärke einer aleatorischen Komponente in einem Signal zu erkennen, das zusätzlich eine unbekannte determinierte Komponente enthält.is the test voltage is a constant DC voltage, then the said exam e.g. simply consist of the AC power in the output signal to eat. The measurement result gives directly the strength of the aleatorischen component of the channel influence again. At more complicated Method is known as test voltage information signal with a known and recognizable information content, and at the output becomes checked, whether the information received there is recognized without error, and if desired, how high the error rate is. However, these methods are not suitable, the strength an aleatoric component in a signal to recognize the additionally contains an unknown deterministic component.
Es ist aber auch bekannt, die Kanalqualität anhand eines Ausgangssignals zu ermitteln, in welchem eine determinierte Komponente mit unbekanntem Informationsinhalt existiert. Dies setzt jedoch voraus, dass die Information in der determinierten Komponente redundant codiert ist, und zwar mittels eines fehlererkennenden Codes. Ein Decoder auf der Ausgangsseite des Kanals kann die Fehlerquote ermitteln (sogenannte Bitfehlerrate BER im Falle einer digital codierten Information). Diese Fehlerquote ist gewöhnlich umso höher, je stärker die im Kanal eingeführte aleatorische Komponente relativ zur determinierten Komponente ist (das Intensitätsverhältnis der determinierten Komponente zur aleatorischen Komponente wird meist als "Rauschabstand" oder "signal-to-noise ratio" S/N bezeichnet). In der Praxis wird diese Technik eingesetzt, um die Informationsübertragung auf einen anderen Kanal umzuschalten, sobald die ermittelte Bitfehlerrate unzulässig hoch wird.However, it is also known to determine the channel quality on the basis of an output signal in which a deterministic component with unknown information content exists. However, this assumes that the information in the deterministic component is redundantly encoded by means of an error-detecting code. A decoder on the output side of the channel can determine the error rate (so-called Bit error rate BER in the case of digitally coded information). This error rate is usually higher, the stronger the aleatoric component introduced in the channel relative to the deterministic component (the intensity ratio of the deterministic component to the aleatoric component is usually referred to as "signal-to-noise ratio" S / N). In practice, this technique is used to switch the information transfer to another channel as soon as the determined bit error rate becomes unacceptably high.
Ein anderes bekanntes Verfahren zum Erkennen des relativen Gehaltes an aleatorischen und determinierten Komponenten in einer Funktion E(n) ist die Frequenzanalyse mittels mathematischer Fourier-Transformation. Hierbei werden die Amplituden der in der untersuchten Funktion E(n) enthaltenen Frequenzanteile berechnet. Man geht davon aus, dass die aleatorische Komponente A(n) einen gleichen Wert für alle Frequenzanteile zeigt (sogenanntes "weißes Rauschen"), also ein flaches "ebenes" Spektrum hat, ohne nennenswerte Ausschläge (Peaks). Sofern im Spektrum der Gesamtfunktion E(n) irgendwelche Peaks auftreten, kann deren Amplitude und Häufigkeit einen Hinweis auf das Vorhandensein und die Intensität einer determinierten Komponente geben. Allerdings können solche Peaks auch verursacht sein durch bestimmte funktionelle Zusammenhänge zwischen Frequenz und Amplitude, also durch den Frequenzgang des Kanals, wenn dieser keine ideale Allpass-Charakteristik hat, womit meist zu rechnen ist. Der Einfluss des Frequenzgangs des Kanals ist im Grunde eine determinierte Komponente, steht jedoch in keiner Korrelation mit der eigentlichen Information. Um das Verhältnis zwischen der aleatorischen Komponente und der wirklich interessierenden Information richtig abzuschätzen, müssen also die "Frequenzgang-Peaks" ignoriert werden, was eine Vorkenntnis des Kanal-Frequenzgangs voraussetzt. Ein weiterer Nachteil ist der erhebliche Rechenaufwand der Fourier-Analyse.One Another known method for detecting the relative content on aleatory and deterministic components in a function E (n) is the frequency analysis by means of mathematical Fourier transformation. In this case, the amplitudes of the function E (n) investigated in the examined function calculated frequency components. It is believed that the aleatoric component A (n) has an equal value for all frequency components shows (so-called "white noise"), so a flat "flat" spectrum has, without significant rashes (Peaks). If in the spectrum of the total function E (n) any Peaks may occur, their amplitude and frequency may be indicative the presence and intensity of a deterministic component give. However, you can such peaks also be caused by certain functional relationships between Frequency and amplitude, ie the frequency response of the channel, if this does not have ideal all-pass characteristics, which usually is to be expected. The influence of the frequency response of the channel is in Basically a deterministic component, but is not correlated with the actual information. To the relationship between the aleatoric Component and the really interesting information correctly estimate have to so the "frequency response peaks" are ignored, which requires a prior knowledge of the channel frequency response. Another Disadvantage is the considerable computational complexity of the Fourier analysis.
Zusammenfassend lässt sich sagen, dass die bisher bekannten Beurteilungsverfahren wesentliche Nachteile haben, entweder weil sie Vorkenntnisse über gewisse Eigenschaften der Information oder über den Frequenzgang des Kanals voraussetzen oder weil sie eine fehlererkennende Codierung der interessierenden Information in der determinierten Komponente erfordern. Übrigens setzt die Fehlerkennung ebenfalls gewisse Vor kenntnisse über die determinierte Komponente voraus, nämlich die Kenntnis des fehlererkennenden Codes.In summary let yourself say that the previously known assessment methods have significant disadvantages either because they have previous knowledge of certain properties of the Information or about presuppose the frequency response of the channel or because they are an error-detecting Encoding the information of interest in the deterministic one Require component. by the way the misdetection also has certain knowledge about the deterministic component, namely the knowledge of the error-detecting Codes.
Aufgabe der Erfindung und LösungsprinzipTask of Invention and solution principle
Die Aufgabe der vorliegenden Erfindung besteht darin, technisch realisierbare Maßnahmen anzugeben, mit denen der Gehalt aleatorischer Komponenten relativ zum informativen Anteil in einer Funktion abgeschätzt werden kann, ohne dass Vorkenntnisse über die Information oder den Frequenzgang des die Funktion liefernden Kanals erforderlich sind. Diese Aufgabe wird erfindungsgemäß durch das im Anspruch 1 gekennzeichnete Verfahren gelöst.The Object of the present invention is technically feasible activities indicate the content of aleatorischer components relative to the informative share in a function are estimated can, without any previous knowledge about the information or frequency response of the function providing the function Channels are required. This object is achieved by the method characterized in claim 1 solved.
Gegenstand der Erfindung ist demnach ein Verfahren zum Beurteilen eines gewählten Bereichs a ≤ n ≤ b einer Funktion E(n), die durch Detektion des Verlaufs einer physikalischen Größe E über die Abszisse n aufgenommenen ist und die aleatorische und/oder determinierte Komponenten enthalten kann, wobei die aleatorische Komponente unbekannt ist und die determinierten Komponenten zumindest teilweise unbekannt sind. Erfindungsgemäß werden aus der Funktion E(n) zunächst alle eventuell bekannten determinierten Komponenten entfernt, und aus der resultierenden Funktion F(n) wird eine Hilfsfunktion G(n) berechnet, welche die laufende Summe der Funktionswerte von F(n) entlang dem gewählten Bereich a ≤ n ≤ b darstellt. Durch vergleichende Untersuchung der beiden Funktionen F(n) und G(n) wird ein Beurteilungswert W ermittelt, der das Maß der Ähnlichkeit beider Funktionen widerspiegelt und somit ein Maß ist für den relativen Anteil der aleatorischen Komponente der Funktion F(n) innerhalb des gewählten Bereichs dieser Funktion.object Accordingly, the invention is a method for judging a selected range a ≤ n ≤ b of a function E (n) obtained by detecting the course of a physical quantity E over the Abscissa is recorded n and the aleatory and / or determinate Components may contain, with the aleatorische component unknown and the deterministic components are at least partially unknown. According to the invention from the function E (n) first removes any known deterministic components, and from the resulting function F (n) becomes an auxiliary function G (n) calculates the running sum of the function values of F (n) along the chosen one Range a ≤ n ≤ b represents. By comparative examination of the two functions F (n) and G (n), a judgment value W is determined, which is the measure of similarity reflects both functions and thus is a measure of the relative share of aleatoric component of the function F (n) within the selected range this function.
Die Erfindung beruht auf der Einsicht, dass sich der Wesensunterschied zwischen einer aleatorischen Funktion A(n) und einer determinierten Funktion D(n) auch darin offenbart, wie sich die betreffende Funktion von einer laufenden Summe der Werte dieser Funktion unterscheidet. Das Wesen einer rein aleatorischen Funktion A(n) besteht darin, dass aufeinanderfolgende Werte der Funktion statistisch unabhängig von den vorangehenden Werten sind. Somit ist die ab einem Startpunkt n = a laufende Summe SA(n) der aufeinanderfolgenden Werte der Funktion A(n) ebenfalls eine rein aleatorische Funktion. Die Amplitudenänderungen der Summenfunktion SA(n) gleichen sich im Bereich ab dem Startpunkt a mit fortschreitender Abszisse n immer näher an die Amplitudenänderungen der Originalfunktion A(n) an; als absoluter Unterschied bleibt nur eine konstante Amplitudendifferenz, die gleich dem Wert der Originalfunktion A(n) am Startpunkt a der Summierung ist. Dies ist deswegen so, weil es zum aleatorischen Charakter der Originalfunktion A(n) gehört, dass sich alle vorangegangenen Amplitudenänderungen dieser Funktion im Verlauf der Summierung zunehmend genauer ausmitteln.The invention is based on the insight that the essential difference between an aleatory function A (n) and a determinate function D (n) is also revealed in how the function in question differs from a running sum of the values of this function. The essence of a purely aleatory function A (n) is that successive values of the function are statistically independent of the preceding values. Thus, the sum SA (n) of the successive values of the function A (n), which starts at a starting point n = a, is likewise a purely aleatoric function. The amplitude changes of the sum function SA (n) are in the range from the starting point a with increasing abscissa n always closer to the amplitude changes of the original function A (n); the absolute difference remains only a constant amplitude difference which is equal to the value of the original function A (n) at the starting point a of the summation. This is because it belongs to the aleatory character of the original function A (n), that all Previous amplitude changes of this function in the course of the summation increasingly accurate.
Anders ist die Sache bei einer determinierten Funktion D(n). Weil hier aufeinanderfolgende Werte der Funktion nicht statistisch unabhängig von den vorangehenden Werten sind, kommt es bei Bildung der laufenden Summe nicht zu einer fortschreitend genaueren Ausmittelung der vorangegangenen Amplitudenänderungen der Originalfunktion D(n). Somit ist hier hinsichtlich der Amplitudenänderungen keine Angleichung der Summenfunktion SD(n) an die Originalfunktion zu beobachten.Different is the matter with a determinate function D (n). Because here successive values of the function are not statistically independent of are the preceding values, it comes at formation of the current Sum not to a progressively more accurate evaluation of the previous amplitude changes the original function D (n). Thus, here is in terms of amplitude changes no adjustment of the sum function SD (n) to the original function to observe.
Das vorstehend beschriebene Unterscheidungsmerkmal zwischen aleatorischen und determinierten Funktion wird bei dem erfindungsgemäßen Beurteilungsverfahren ausgenutzt, um den aleatorischen Anteil relativ zum informativen Anteil in einer Funktion F(n) abzuschätzen. Je ausgeprägter die Angleichung der Amplitudenänderungen der Summenfunktion an die Amplitudenänderungen der Originalfunktion F(n) ist, desto größer wird der aleatorische Anteil sein. Je weniger sich die Funktionen in dieser Hinsicht angleichen, desto größer wird der determinierte Anteil sein. Durch eine vergleichende Untersuchung der Originalfunktion und der Summenfunktion kann ein Grad der Angleichung oder Ähnlichkeit zwischen den beiden Funktionen ermittelt werden, welcher ein Maß für den relativen Anteil der aleatorischen Komponente der Originalfunktion F(n) ist. Hierzu sind verschiedene Untersuchungsmethoden geeignet.The above-described distinguishing feature between aleatoric and determined function is in the assessment method according to the invention exploited to the aleatorischen portion relative to the informative Estimate proportion in a function F (n). The more pronounced the Alignment of the amplitude changes the sum function to the amplitude changes of the original function F (n) is, the bigger it gets be the aleatorische share. The less the functions in In this respect, the greater the determinate becomes Share. Through a comparative study of the original function and the summation function may have a degree of alignment or similarity between the two functions, which is a measure of the relative Proportion of the aleatory component of the original function F (n). For this Different methods of investigation are suitable.
Die Aussagekraft des erfindungsgemäßen Beurteilungsverfahrens ist am besten, wenn der determinierte Anteil D(n) der Funktion F(n) nur diejenige determinierte Komponente enthält, welche die gefragte Information darstellt, also die "informative" Komponente. Häufig fließen in die detektierte physikalische Größe E(n) schon bei der Detektion und/oder bei der weiteren Übertragung und Transformation durch den Kanal determinierte Komponenten ein, deren Charakteristik bekannt ist. Deswegen besteht ein erster Verfahrensschritt darin, die Summe D0(n) aller dieser bekannten Komponenten zu entfernen.The validity of the assessment method according to the invention is best when the determinate component D (n) of the function F (n) contains only that deterministic component which represents the requested information, ie the "informative" component. Frequently, components detected in the detected physical variable E (n) are already involved in the detection and / or further transmission and transformation through the channel, the characteristics of which are known. Therefore, a first method step is to remove the sum D 0 (n) of all these known components.
Zu den bekannten determinierten Komponenten kann z.B. ein konstanter Offset gehören, oder eine bekannte Störfunktion wie etwa ein Netzbrumm oder ein bekannter Temperatureinfluss. Ein weiteres Beispiel sind Dämpfungsmechanismen, die den Verlauf der Funktion F(n) begleiten und sich oft in einem Abfall der detektierten Funktion über dem zeitlichen Verlauf zeigen. Dieser Abfall wird im Regelfall durch einen exponentiellen Abfall der physikalischen Größe E(n) bei fortschreitender Zeit mathematisch beschrieben. So kann im ersten Verfahrensschritt auch ein solches, als bekannt vorausgesetztes Dämpfungsverhalten entfernt werden. Es besteht aber auch die Möglichkeit, ein bestimmtes Dämpfungsmodell, wie z.B. die ideale Dämpfung, beschrieben durch einen individuellen exponentiell beschriebenen Signalabfall, an die gemessenen Daten anzupassen, und dieses zu entfernen. Abweichungen der Realität von diesem vorgegebenen Modell werden als determinierte Komponente in der so erhaltenen Funktion verbleiben; sie sind auch tatsächlich eine "informative" Komponente der Funktion.To the known deterministic components may e.g. a constant Belong to offset, or a known fault function such as a hum or a known temperature influence. One another example is damping mechanisms, which accompany the course of the function F (n) and often in one Waste of the detected function over time demonstrate. This waste is usually due to an exponential Waste of the physical quantity E (n) mathematically described as time progresses. So in the first Process step also such, as provided known damping behavior be removed. But it is also possible, a specific damping model, such as. the ideal damping, described by an individual exponentially described Signal drop, to adapt to the measured data, and this too remove. Deviations of reality from this given model are considered deterministic component in the function thus obtained remain; they are too an "informative" component of the function.
Besondere Ausführungsformen der Erfindung sowie vorteilhafte Anwendungen und die Ausbildungen von Einrichtungen, die nach dem erfindungsgemäßen Prinzip funktionieren, sind in weiteren Patentansprüchen gekennzeichnet.Special embodiments the invention and advantageous applications and the embodiments of Devices which function according to the principle of the invention, are characterized in further claims.
Detaillierte Erläuterung der Erfindungdetailed explanation the invention
Nachstehend wird die Erfindung an Ausführungsbeispielen anhand von Zeichnungen näher erläutert.below the invention is based on embodiments closer by means of drawings explained.
Ausgangspunkt des nachstehend beschriebenen Beurteilungsverfahrens ist das Vorliegen einer Menge von Werten E, die den über ein gewähltes Intervall beobachteten den Verlauf einer physikalischen Größe als Funktion E(n) beschreibt, wobei n die Skala oder Abszisse der Verlaufsrichtung ist. Die physikalische Größe kann ein elektrisches Signal am Ausgang eines "Kanals" sein, der mit irgendeiner Messvorrichtung oder sonstigen Informationsquelle beginnt und eine Menge von Verarbeitungs- und Übertragungseinrichtungen enthalten kann. Im Wege des Kanals kann ein analoges oder digitales Speichermedium enthalten sein, welches die von der Informationsquelle gelieferte Information speichert und die Menge der Werte E auf Abruf über ein Lesegerät liefert, z.B. in Analogform als kontinuierlich oder diskret abgetastete Spannungswerte oder als diskrete Digitalwörter.starting point of the evaluation method described below is the presence a set of values E that observed over a selected interval describes the course of a physical quantity as function E (n), where n is the scale or abscissa of the course direction. The physical Size can an electrical signal at the output of a "channel" connected to any measuring device or any other source of information and a lot of processing and transmission facilities may contain. In the way of the channel can be an analog or digital Storage medium containing the information source supplied information stores and the amount of values E on demand over reader provides, e.g. in analog form as continuously or discreetly sampled Voltage values or as discrete digital words.
Wie
weiter oben beschrieben, kann die Funktion E(n) neben einer unbekannten
determinierten Komponente D(n), welche die gelieferte Information
repräsentiert,
und einer ebenfalls unbekannten aleatorischen Komponente A(n) auch
bekannte determinierte Komponenten D0(n)
enthalten, die aber nicht zu der gelieferten Information gehören. Deswegen
besteht ein erster Schritt des erfindungsgemäßen Verfahrens darin, die bekannten
Komponenten D0(n) von der Funktion zu subtrahieren,
um die zu beurteilende "Originalfunktion"
In
der
Als
zweiter Schritt wird aus der Funktion F(n) eine Hilfs funktion G(n)
gebildet, welche die laufende Summe der Werte der Funktion F(n) über die
Abszisse n darstellt. Wenn F(n) eine kontinuierliche Funktion ist, kann
die laufende Summe als Integral gebildet
werden, z.B. mittels einer analogen Integrierschaltung. Wenn F(n)
als diskrete Funktion vorliegt, bestehend aus einer diskreten Folge
analoger oder digital codierter Abtastwerte in gleichmäßigen Abständen entlang
der Abszisse n, dann wird die laufende Summe als diskrete Funktion gebildet
durch schrittweises Aufsummieren der Abtastwerte. Die Funktion G(n)
ist in der
Ein Vergleich der Funktionen F(n) und G(n) zeigt, dass sie sich sehr voneinander unterscheiden. Beim hier dargestellten Beispiel ist der Dynamikbereich von G(n) infolge der Summierung wesentlich größer als bei der Funktion F(n), wie an der Skala der Ordinate abzulesen ist. Beim Fehlen einer determinierten Komponente wäre der Dynamikbereich von F(n) und G(n) etwa gleich. In diesem Fall wäre der einzige beobachtbare Unterschied nur eine konstante Amplitudenverschiebung, die dem Wert der Funktion F(n) am Abszissenpunkt n = a entspricht.A comparison of the functions F (n) and G (n) shows that they are very different from each other. In the example shown here, the dynamic range of G (n) is much larger due to the summation than for the function F (n), as can be seen on the scale of the ordinate. In the absence of a deterministic component, the dynamic range of F (n) and G (n) would be approximately equal. In this case, the only observable difference would be only a constant amplitude shift equal to the value of the function F (n) at the abscissa point n = a equivalent.
Der Unterschied im Dynamikbereich wird allerdings weniger auffällig sein, wenn die determinierte Komponente D(n) in schneller Folge und relativ regelmäßig zwischen positiven und negativen Werten wechselt. Dennoch kann besagtes Unterscheidungsmerkmal in vielen praktischen Fällen aufschlussreich sein, etwa wenn solche schnellen Wechsel in D(n) nicht zu erwarten sind. Mittels einer vergleichenden Untersuchung kann das Merkmal quantitativ erfasst werden, um einen Beurteilungswert W zu ermitteln, der ein Maß ist für den relativen Anteil der determinierten gegenüber der aleatorischen Komponente der Funktion F(n) innerhalb des gewählten Bereichs die ser Funktion.Of the Difference in dynamic range, however, will be less noticeable if the deterministic component D (n) in rapid succession and relative regularly between positive and negative values changes. Nevertheless, said distinguishing feature in many practical cases be revealing, such as when such rapid changes in D (n) are not expected. By means of a comparative examination can the feature is quantified to an assessment score W to determine which is a measure for the relative proportion of the deterministic versus the aleatoric component the function F (n) within the selected range this function.
Ein mögliches Verfahren für die vergleichende Untersuchung der beiden Funktionen F(n) und G(n) besteht darin, den Beurteilungswert W zu ermitteln als das Verhältnis des bestimmten Integrals des Betrages (Absolutwerte) der Funktion F(n) gegenüber dem bestimmten Integral des Betrages (Absolutwerte) der Funktion G(n), jeweils über den Gesamtbereich von a bis b, gemäß der Formel oder, bei diskreten Funktionen F(n) und G(n), One possible method for the comparative analysis of the two functions F (n) and G (n) is to determine the judgment value W as the ratio of the determined integral of the absolute value of the function F (n) versus the particular integral of the magnitude (Absolute values) of the function G (n), in each case over the entire range from a to b, according to the formula or, for discrete functions F (n) and G (n),
Die
Ein anderes Verfahren für die vergleichende Untersuchung der beiden Funktionen F(n) und G(n), das in einer vorteilhaften Ausführungsform der Erfindung benutzt wird, beinhaltet eine Kreuzkorrelation. Hierzu wird die Kreuzkorrelationsfunktion oder, bei diskreten Funktionen F(n) und G(n), der beiden Funktionen gebildet. Der Parameter τ ist das in diskreten Schritten einer Schrittweite Δ geänderte Maß der gegenseitigen Verschiebung der beiden Funktionen bei der Berechnung der diskreten Kreuzkorrelationsfunktion. Somit ist die Funktion K(τ) eine diskrete Funktion. Der Parameter k ist ein beliebig wählbarer Maßstabsfaktor.Another method for the comparative study of the two functions F (n) and G (n) used in an advantageous embodiment of the invention involves a cross-correlation. This is done by the cross-correlation function or, for discrete functions F (n) and G (n), formed of the two functions. The parameter τ is the degree of mutual displacement of the two functions in the calculation of the discrete cross-correlation function which is changed in discrete steps of a step width Δ. Thus, the function K (τ) is a discrete function. The parameter k is a freely selectable scale factor.
In Worten ausgedrückt vollzieht sich die Bildung der Kreuzkorrelationsfunktion K(τ) allgemein folgendermaßen: Die Funktionen von F(n) und G(n) werden schrittweise um unterschiedliche Vielfache der Schrittweite Δ entlang der Abszisse n in negativer und/oder positiver Richtung zueinander verschoben. Nach jedem Schritt wird eine Produktfunktion gebildet, die für jeden Abszissenpunkt n das Produkt der beiden zu einander verschoben Funktionen darstellt. Die Werte jeder Produktfunktion innerhalb eines gewählten Bereichs der Abszisse n werden aufsummiert (Integration der Produktfunktion oder Addition ihrer diskreten Wertefolge), und die Ergebnisse werden über einer Abszisse τ abgebildet, deren Skala das jeweilige Maß der Verschiebung als ein entsprechendes Vielfaches der Schrittweite Δ darstellt. Wenn F(n) und/oder G(n) eine diskrete Funktion ist, also eine diskrete Folge von Abtastwerten entlang der n-Koordinate, dann ist diese Schrittweite Δ vorzugsweise gleich dem Schritt von einem Abtastwert zum nächsten Abtastwert.In In words The formation of the cross-correlation function K (τ) is general as follows: The functions of F (n) and G (n) are progressively different Multiples of the step size Δ along the abscissa n in a negative and / or positive direction to each other postponed. After each step, a product function is formed, the for each abscissa point n the product of the two shifted to each other Functions represents. The values of each product function within a chosen one The area of the abscissa n is added up (integration of the product function or adding their discrete value sequence), and the results will be over one Abscissa τ shown, whose scale the respective measure of Displacement represents as a corresponding multiple of the step size Δ. If F (n) and / or G (n) is a discrete function, ie a discrete one Sequence of samples along the n-coordinate, then this one Step size Δ preferably equal to the step from one sample to the next sample.
Bei der Wahl des Bereichs der Abszisse n, über den die Produktbildung der beiden zueinander verschobenen Funktionen F(n) und G(n) und die Aufsummierung der Produkte erfolgt, ist folgendes zu beachten: Das weiter oben erwähnte Beobachtungsfenster, also der Bereich a ≤ n ≤ b der beiden Funktionen, kommt bei der Verschiebung außer Deckung. Ist τmax1 der Betrag der maximalen Verschiebung in negativer Richtung und τmax2 der Betrag der maximalen Verschiebung in positiver Richtung, dann bleibt nur noch der Bereich von n = a + τmax1 bis n = b – τmax2 innerhalb dessen sich das Beobachtungsfenster auch bei maximaler Verschiebung noch überlappt. Nur über diesen Bereich sollte die Produktbildung der beiden zueinander verschobenen Funktionen F(n) und G(n) und die Aufsummierung der Produkte erfolgen. Je größer dieser Bereich ist, desto genauer sind natürlich die berechneten Werte der Kreuzkorrelationsfunktion.When choosing the range of the abscissa n, over which the product formation of the two mutually shifted functions F (n) and G (n) and the summation of the products, takes place, the following should be noted: The above-mentioned observation window, ie the range a ≤ n ≤ b of the two functions, comes in the shift out of coverage. If τ max1 is the amount of the maximum shift in the negative direction and τ max2 is the amount of the maximum shift in the positive direction, then only the range from n = a + τ max1 to n = b - τ max2 remains within the observation window maximum shift still overlapped. Only over this range should the product formation of the two mutually shifted functions F (n) and G (n) and the summation of the products take place. Of course, the larger this range, the more accurate the calculated values of the cross-correlation function.
Die
Funktionswerte der Kreuzkorrelationsfunktion K(τ) sind in der
Zur
Veranschaulichung ist in der
Um ein Maß W für die relative Höhe dieses Peak zu bestimmen, müssen mindestens zwei Werte der Ableitung K'(τ) ermittelt werden. Als erster Wert W0 wird der Wert der Funktion K'(τ) für den Nullpunkt τ = 0 ermittelt. Ein zweiter Wert WR wird als "Referenzwert" aus mindestens einem Funktionswert in der Nachbarschaft des Punktes τ = 0 ermittelt, allgemein gesagt aus einer Menge von Funktionswerten K'(τ) für eine Menge von Punkten τ ≠ 0 innerhalb eines ausgewählten Umgebungsbereichs u ≤ τ ≤ v des Nullpunktes. Aus den Funktionswerten der gewählten Menge von Umgebungspunkten lässt sich ein Referenzwert WR ermitteln, der mit W0 verglichen werden kann, um das Maß W der relativen Höhe des Peaks zu erhalten.In order to determine a measure W for the relative height of this peak, at least two values of the derivative K '(τ) must be determined. As the first value W 0 , the value of the function K '(τ) for the zero point τ = 0 is determined. A second value W R is determined as a "reference value" from at least one function value in the neighborhood of the point τ = 0, generally speaking a set of function values K '(τ) for a set of points τ ≠ 0 within a selected environment area u ≤ τ ≤ v of the zero point. From the function values of the selected set of environmental points, a reference value W R can be determined which can be compared with W 0 to obtain the dimension W of the relative height of the peak.
Zur Ermittlung eines geeigneten Referenzwerte WR kann es genügen, nur einen Umgebungspunkt auszuwählen, wobei vorzugsweise einer der unmittelbar benachbarten Punkte τ = 0 – Δ oder τ = 0 + Δ gewählt wird. Da zur Berechnung der Ableitung K'(τ) an einem Punkt die Differenz gebildet werden muss zwischen dem Wert der Funktion K(τ) an diesem Punkt und dem Wert der an dem unmittelbar vorhergehenden Punkt, braucht man für diesen Fall vorher insgesamt nur drei Punkte τ = 0 – 2Δ, τ = 0 – Δ, τ = 0 (oder τ = 0, τ = 0 + Δ, τ = 0 + 2Δ) der Korrelationsfunktion K(τ) zu berechnen. Als Referenzwert WR kann dann der Funktionswert K'(τ)0-Δ bzw. der Funktionswert K'(τ)0+Δ dienen.To determine a suitable reference value W R , it may be sufficient to select only one surrounding point, wherein preferably one of the immediately adjacent points τ = 0 - Δ or τ = 0 + Δ is selected. Since the difference between the value of the function K (τ) at this point and the value at the immediately preceding point must be formed at one point in order to calculate the derivative K '(τ), one needs only three points for this case beforehand τ = 0 - 2Δ, τ = 0 - Δ, τ = 0 (or τ = 0, τ = 0 + Δ, τ = 0 + 2Δ) of the correlation function K (τ). The reference value W R can then be the function value K '(τ) 0-Δ or the function value K' (τ) 0 + Δ .
Es kann aber vorteilhaft sein, als Referenzwert WR für die Höhe W des Peak nicht genau einen unmittelbar benachbarten Punkt zu wählen, sondern irgendeinen Mittelwert über mehrere Punkte τ ≠ 0 innerhalb eines diese Punkte einschließenden Bereiches u ≤ τ ≤ v. Der Mittelwert kann der arithmetische Mittelwert, das quadratische Mittel oder ein anders gewichteter Mittelwert sein.However, it may be advantageous to choose as the reference value W R for the height W of the peak not exactly an immediately adjacent point, but rather any mean value over several points τ ≠ 0 within a region including these points u ≦ τ ≦ v. The mean may be the arithmetic mean, the root mean or a different weighted average.
Allgemein genügt es also, die Kreuzkorrelationsfunktion K(τ) gemäß der obigen Gleichung Gl.6 oder Gl.7 nur über den Bereich u ≤ τ ≤ v zu berechnen. Das heißt, τmax1 kann gleich u gewählt werden und τmax2 kann gleich v gewählt werden. Je kleiner dieser Bereich ist, desto geringer ist der Rechenaufwand und somit auch die Rechenzeit. Wie bereits weiter oben erwähnt wurde, ist außerdem ist die Genauigkeit der für diesen Bereich berechneten Werte der Kreuzkorrelationsfunktion K(τ) umso größer, je kleiner der Bereich ist.In general, therefore, it suffices to calculate the cross-correlation function K (τ) according to the above equation Eq. 6 or Eq. 7 only over the range u ≦ τ ≦ v. This means that τ max1 can be chosen equal to u and τ max2 can be chosen equal to v. The smaller this range is, the lower the computational effort and thus the computing time. In addition, as already mentioned above, the smaller the area, the larger the accuracy of the values of the cross-correlation function K (τ) calculated for this area.
Als
Maß W
für die
relative Höhe
des erwähnten
Peaks in der Ableitung K'(τ) und somit
als Beurteilungswert für
den relativen Anteil der aleatorischen Komponente gegenüber der
determinierten Komponente der Funktion F(n) kann ein Wert ermittelt
werden, der eine Relation zwischen W0 und
WR anzeigt, z.B. die Differenz oder den
Quotienten. Vorzugsweise wird der Beurteilungswert W als Absolutwert
der Differenz berechnet:
Gewünschtenfalls kann man den Beurteilungswert klassifizieren, indem man eine Anzahl abgestufter Schwellenwerte vorgibt, denen verschiedene Qualitätsklassen zugeordnet werden. Der Beurteilungswert W wird mit diesen Schwellenwerten verglichen, und es wird diejenige Qualitätsklasse angezeigt, die dem höchsten der überschrittenen Schwellenwerte (oder dem niedrigsten der unterschrittenen Schwellenwerte) zugeordnet ist. In vielen Anwendungsfällen kann es genügen, nur einen einzigen Schwellenwert vorzusehen, um eine Qualitätsinformation "brauchbar" oder "unbrauchbar" zu liefern. Geeignete Schwellenwerte können für ein System, in welchem das erfindungsgemäße Verfahren realisiert wird, empirisch gefunden werden.If desired, you can classify the rating value by adding a number graded thresholds that give different quality classes be assigned. The judgment value W becomes with these thresholds and the quality class that is displayed is displayed highest the exceeded Thresholds (or the lowest of the undershot thresholds) assigned. In many applications, it may suffice to provide a single threshold to provide quality information "useful" or "unusable". suitable Thresholds can for a System in which the method according to the invention is realized, be found empirically.
Die
Schritte des vorstehend beschriebenen Beurteilungsverfahrens sind
in der
Die
Analysierstufe
Die
In
der
Bei dem vorstehend beschriebenen Beurteilungsverfahren kann eine gewisse Ungenauigkeit auftreten, deren Ursache darin zu suchen ist, dass bei der Berechnung der Hilfsfunktion G(n) der Anfangswert der Aufsummierung (also der Wert der Funktion F(n) am Startpunkt n = a) als Konstante erscheint. Dieser Anfangswert F(n)a setzt sich zusammen aus dem Anfangswert A(n)a der aleatorischen Komponente und dem Anfangswert D(n)a der determinierten Komponente. Obwohl der Anfangswert A(n)a selbst aleatorisch ist, wirkt er über alle Berechnungen wie eine konstante determinierte Komponente. Dies führt am Ende dazu, dass der berechnete Beurteilungswert W eine gewisse Fehlerquote hat. Das heißt, es kann eine gewisse Wahrscheinlichkeit bestehen, dass die Qualitätsinformation "brauchbar" geliefert wird, obwohl die Qualität eigentlich als "unbrauchbar zu beurteilen wäre, und umgekehrt.In the above-described judging method, some inaccuracy may occur due to the fact that, in the calculation of the auxiliary function G (n), the initial value of the summation (that is, the value of the function F (n) at the starting point n = a) is a constant appears. This initial value F (n) a is composed of the initial value A (n) a of the aleatory component and the initial value D (n) a of the deterministic component. Although the initial value A (n) a is itself aleatory, it acts as a constant deterministic component over all calculations. In the end, this leads to the calculated evaluation value W having a certain error rate. That is, there may be some likelihood that the quality information will be "usable", although the quality would actually be deemed "unusable," and vice versa.
Diese
Fehlerquote kann in manchen Anwendungsfällen ignoriert werden. Es gibt
aber auch Möglichkeiten
zur Reduzierung dieser Fehlerquote. Ein Weg besteht darin, die Aufnahme
der Funktion E(n) ein- oder mehrmals zu wiederholen und die jeweils
erhaltenen Beurteilungswerte zu mitteln. Eine andere Möglichkeit
ist, die Qualitätsinformation
zweimal hintereinander in zwei Durchläufen zu berechnen, wobei die
Aufsummierung der Funktion F(n) in entgegensetzten Richtungen vorgenommen
wird. Das heißt,
bei einem der Durchläufe
wird die Hilfsfunktion Ga(n) erzeugt durch
Integration oder Aufsummierung der Funktion F(n) vom Punkt n = a
in "Vorwärts"-Richtung nach b,
wie anhand der
Das erfindungsgemäße Beurteilungsverfahren kann auf verschieden Gebieten der Technik mit Vorteil angewendet werden, um die Qualität eines Mess- oder eines Datenübertragungssystems zu beurteilen. Das Verfahren kann ergänzt werden durch weitere Schritte, welche bestimmte Konsequenzen aus dem ermittelten Beurteilungswert W ziehen bzw. die Weiterarbeitung dieses Wertes betreffen.The Inventive assessment method can be used with advantage in various fields of technology be to the quality a measuring or data transmission system to judge. The procedure can be supplemented by further steps, which particular consequences from the determined assessment value W or continue to process this value.
So kann etwa in einem Datenübertragungssystem das aus dem Beurteilungswert W abgeleitete Urteil "brauchbar" oder "unbrauchbar" genutzt werden, um im "Unbrauchbar"-Fall den Datensender zu veranlassen, seine Sendung zu wiederholen, oder das System zu veranlassen, die gleiche Sendung und/oder folgende Sendungen über einen anderen Kanal zu übertragen. Eine weitere Anwendungsmöglichkeit ist z.B. die Prüfung von Geräten, z.B. die Endprüfung von Messeinrichtungen beim Hersteller. Hierbei kann ein "Unbrauchbar"-Urteil veranlassen, das betreffende Gerät auszusondern.So can be about in a data transmission system the judgment "usable" or "unusable" derived from the appraisal value W is used; in the "unusable" case the data transmitter to redo his broadcast or the system too induce the same shipment and / or subsequent shipments via a to transfer another channel. Another application is e.g. the examination of Devices, e.g. the final exam of measuring equipment at the manufacturer. This may cause a "useless" ruling the device in question weed.
Eine besondere Weiterbildung des erfindungsgemäßen Beurteilungsverfahrens betrifft die Anwendung in der MRI, genauer gesagt die Anwendung in der Bearbeitung von Bilddaten, die durch Akquisition von Magnetresonanzdaten aus einem Körper mittels eines MR-Gerätes aufgenommen worden sind. Die Bilddaten liegen nach der Aufnahme als Datensatz in einem Speicher vor und bestehen aus einer Vielzahl von Werten, deren jeder einen Bildpunkt (Pixel) innerhalb eines wiederzugebenden Bildes beschreibt. Jeder dieser Pixelwerte hat eine definierte Speicheradresse, welche die Koordinaten des betreffenden Pixels in einem mehrdimensionalen Koordinatensystem angibt. Dieses Koordinatensystem, auch als "Bildraster" bezeichnet, hat üblicherweise zwei oder drei "Raum koordinaten" für die Pixelposition in einem zwei- oder dreidimensionalen Bild. Bei einem Datensatz für die Darstellung eines Laufbildes, also einer Folge einzelner Bilder, ist eine weitere Koordinate in Richtung der Bildfolge vorhanden. Diese Koordinate sei hier als "temporale" Koordinate bezeichnet.A special development of the assessment method according to the invention concerns the application in MRI, more specifically the application in the processing of image data obtained by acquisition of magnetic resonance data from a body by means of an MR device been recorded. The image data are after the recording as a record in a memory before and consist of a variety of values, each one pixel (pixel) within a to be reproduced image. Each of these pixel values has a defined memory address, which indicates the coordinates of the respective Indicates pixels in a multidimensional coordinate system. This Coordinate system, also referred to as "image grid", usually has two or three "space coordinates" for the pixel position in a two- or three-dimensional picture. For a record for the Representation of a moving picture, ie a sequence of individual pictures, there is another coordinate in the direction of the image sequence. This coordinate is referred to here as a "temporal" coordinate.
Die Wiedergabe eines Bildes erfolgt durch Abtastung des gespeicherten Datensatzes entlang den Koordinaten. Hierbei wird der Datensatz unter Abtastung der Adressen der Raumkoordinaten ausgelesen. Im Falle eines Laufbildes werden nacheinander zunächst alle Raumkoordinaten des ersten Bildes der Bildfolge abgetastet, und dann folgt die gleiche Prozedur für die nachfolgenden Bilder, wobei von Bild zu Bild eine Weiterschaltung entlang der temporalen Koordinate erfolgt.The Playback of an image is done by scanning the stored one Record along the coordinates. This is the record read out by scanning the addresses of the spatial coordinates. in the In the case of a motion picture, all spatial coordinates of the scanned the first frame of the sequence, and then follows the same Procedure for the following pictures, whereby from picture to picture a forwarding along the temporal coordinate.
Laufbilder werden bei der MRI erzeugt, um einen zeitlichen Vorgang im beobachteten Körper bildlich darzustellen, z.B. das Fließen von Blut im lebenden menschlichen oder tierischen Körper. Es gibt verschiedene bekannte MRI-Aufnahmeverfahren, um Pixel, welche aus Volumenbereichen (Voxel) fließender Materie im Körper gewonnen werden, gegenüber Pixeln aus anderen Teilen des Körpers hervorzuheben. Eine solche "Flussgewichtung" der Aufnahme liefert z.B. die sogenannte Phasenkontrast-Messung, bei welcher aus einem geeignet aufgenommenen Datensatz sowohl ein Laufbild, das die Struktur des Objektes wiedergibt (das sogenannte Betrags-Bild), als auch ein Laufbild erzeugt wird, das die Flussgeschwindigkeit wiedergibt, die jedem Bildpunkt zugeordnet werden kann (das sogenannte Phasen-Bild). Eine andere Technik ist die Perfusions-Messung (Durchblutungs-Bestimmung) mit First-Pass, bei welcher ein Kontrastmittel im fließenden Blut verwendet wird, und die Dynamik des Einfließens dieses Kontrastmittels in bestimmte Gefäße und Gewebe beobachtet wird.Motion pictures are generated at the MRI to observe a temporal process in the body to depict, e.g. the flow of blood in the living human or animal body. There are several known MRI recording methods, pixels, which gained from volume areas (voxels) of flowing matter in the body be, opposite Pixels from other parts of the body emphasized. Such a "flow weighting" of the recording provides e.g. the so-called phase contrast measurement, in which suitable from one recorded record both a moving picture, the structure of the Object reproduces (the so-called amount image), as well Motion picture is generated, which reflects the flow velocity, which can be assigned to each pixel (the so-called phase image). Another technique is the perfusion measurement (blood circulation determination) with First-Pass, which uses a contrast agent in the flowing blood and the dynamics of the flow of this contrast agent observed in certain vessels and tissues becomes.
Eine ausführliche Beschreibung dieser und auch anderer geeigneter Methoden zur Flussgewichtung kann hier entfallen, es sei auf die einschlägige Fachliteratur verwiesen. Zur Technik der Phasenkontrast-Messung siehe z.B.: Hombach V, Grebe O, Botnar R. "Kardiovaskuläre Magnetresonanztomographie" Schattauer Verlag, Stuttgart, 2005; Morneburg H. "Bildgebende Systeme für die medizinische Diagnostik" Wiley VCH Verlag, 1995; Stahlberg F., Sondergaard L., Thomson C. "MR flow quantification with cardiovascular applications: a short overview", Acta Paediatr Suppl., 1995 Aug. 410:49–56. Zur Technik der Perfusionsmessung siehe z.B.: Hombach aaO; Nagel E, Al-Saadi N, Fleck E. "Cardiovascular magnetic resonance: myocardial perfusion" Herz 2000; Edleman RR."Contrastenhanced MR Imaging of the heart: Overview of the Literatur" Radiology 2004.A detailed description of these and other suitable methods for flow weighting can be omitted here, it is referred to the relevant literature. For the technique of phase-contrast measurement see eg: Hombach V, Grebe O, Botnar R. "Cardiovascular Magnetic Resonance Tomography" Schattauer Publisher, Stuttgart, 2005; Morneburg H. "Imaging Systems for Medical Diagnostics" Wiley VCH Verlag, 1995; Stahlberg F., Sondergaard L., Thomson C. "MR flow quantification with cardiovascular applications: a short overview", Acta Paediatr Suppl., 1995 Aug. 410: 49-56. For the technique of perfusion measurement see eg: Hombach loc. Cit. Nail E, Al-Saadi N, spot E. "Cardiovascular magnetic resonance: myocardial perfusion" heart 2000; Edleman RR "Contrast-enhanced MR Imaging of the Heart: Overview of the Literature" Radiology 2004.
Laufbilder
von flussgewichteten MRI-Aufnahmen können einem Betrachter wertvollen
Aufschluss über Durchblutungsvorgänge geben.
Sie sind somit ein gutes Diagnose-Werkzeug z.B. Prüfung auf
Störungen
im Blutfluss oder Herzklappen-Undichtigkeiten oder der Prüfung der
Auswirkungen eines Infarktes. Aleatorische Komponenten in den Bilddaten
von Laufbildern sind besonders störend, weil diese Komponenten
bei der Bildwiedergabe von Bild zu Bild anders erscheinen und somit
eine Bewegung auch dort vortäuschen,
wo in Wirklichkeit gar keine Bewegung ist. Gerade bei Aufnahmen,
in denen die Bewegung selbst das eigentliche Objekt der Beobachtung
ist, also auch bei den erwähnten
flussgewichteten Aufnahmen, ist das durch die aleatorischen Komponenten
hervorgerufene Bildrauschen höchst
irritierend. Das erfindungsgemäße Beurteilungsverfahren
liefert ein überraschend
erfolgreiches Mittel, um diese Irritationen auszumerzen. Ein konkretes
Ausführungsbeispiel
hierzu wird nachstehend anhand der
Mittels
eines MRI-Scanners (Magnetresonanz-Tomograf MRT)
Using an MRI Scanner (Magnetic Resonance Tomography MRI)
Der
im Bildspeicher
Die
Bildbearbeitungseinrichtung
Die
Organisation des kopierten Datensatzes ist in der
Gegenstand
der Bildbearbeitung beim hier beschriebenen Beispiel sind diejenigen
Funktionen pi,j(n), welche jeweils die aufeinanderfolgenden
Pixelwerte eines bestimmten Punktes P, der die Position x = i und
y = j innerhalb der zweidimensionalen Matrix hat, beim Fortschreiten
entlang der n-Koordinate beschreiben. Jede solche Funktion pi,j(n) ist eine diskrete Folge von Werten,
die nach dem erfindungsgemäßen Verfahren beurteilt
wird und, abhängig
vom Ergebnis der Beurteilung, modifiziert wird oder nicht. Zu diesem
Zweck ist der Datenausgang
Die
Bildbearbeitung erfordert zunächst
eine Vielzahl aufeinanderfolgender gleichartiger Lese- und Beurteilungszyklen,
wobei jedoch von Zyklus zu Zyklus jeweils eine andere Punktposition
xi, yj innerhalb
des xy-Koordinatensystems gewählt
wird. Jeder Zyklus beginnt mit einer Leseoperation am Speicher
Die
Funktion D0(n), welche die zu subtrahierenden
bekannten determinierten Signalkomponenten darstellt, ist in
Der
Beurteilungswert W vom Ausgang der Beurteilungseinrichtung
Der
Protokollspeicher
Nachdem
in der beschriebenen Weise die Wertefolgen pi,j(n)
für alle
möglichen
Punktpositionen xi, yj (also
für alle
möglichen
Kombinationen von x- und y-Koordinatenwerten) beurteilt worden sind
und die Qualitätsurteile
protokolliert worden sind, erfolgt die eigentliche Bildbearbeitung
auf der Basis des Protokolls. Hierzu veranlasst die Steuereinrichtung
Das Ergebnis dieser Bearbeitung ist ein Flusskontrast-Laufbild, in welchem jeder Punkt der xy-Bildmatrix, der in keinem der aufeinanderfolgenden Einzelbilder eine erkennbare Flussinformation repräsentiert, durchgehend mit dem Festwert dargestellt wird. Punkte hingegen, die in mindestens irgendeinem Einzelbild eine erkennbare Flussinformation repräsentieren, werden im Verlauf der Bildfolge entsprechend ihrer Modulation durch das MR-Signal dargestellt. Das heißt, alle diejenigen Teile des abgetasteten Volumenbereichs, in denen während der gesamten Aufnahmezeit kein Fluss stattgefunden hat, erschei nen bei einer Wiedergabe des bearbeiteten Flusskontrast-Laufbildes gleichmäßig, ohne jegliche Modulation. In den bisher üblichen Bildwiedergaben, also ohne erfindungsgemäße Bildbearbeitung, erscheint in den "flusslosen" Teilen eine durch Rauschen verursachte Modulation, die sich als Funkeln äußert und Fließerscheinungen vortäuscht oder zumindest als unangenehme und irritierende Störung empfunden wird.The The result of this processing is a flow contrast motion picture in which every point of the xy image matrix that is not in any of the consecutive Frames represent a recognizable flow information, throughout is displayed with the fixed value. Points, however, that in at least represent any recognizable flow information to any frame, be in the course of the image sequence according to their modulation by the MR signal is shown. That is, all those parts of the Scanned volume range in which during the entire recording time no flow has occurred, appear in a rendition of the processed flow contrast image smoothly, without any modulation. In the usual Image rendering, ie without inventive image editing, appears in the "flowless" parts one by noise caused modulation, which manifests itself as sparkling and flow phenomena pretends or at least perceived as an unpleasant and irritating disorder becomes.
Der besagte Festwert Ef kann so gewählt werden, dass er eine bestimmte Farbe und/oder Helligkeit repräsentiert, die mit derjenigen Farb- oder Helligkeits-Skala kontrastiert, welche zur Darstellung der MR-Signalintensität verwendet wird. In einer besonderen Ausführungsform wird ein Wert gewählt, der die betreffenden Pixel zu "transparenten" Pixeln macht. Dies ist vorteilhaft, wenn man das Flusskontrast-Laufbild einem zweiten Laufbild überlagert, welches körperliche Strukturen des abgetasteten Volumenbereichs abbildet.Said fixed value E f may be selected to represent a particular color and / or brightness that contrasts with the color or brightness scale used to represent the MR signal intensity. In a particular embodiment, a value is chosen that makes the respective pixels "transparent" pixels. This is advantageous if the flow contrast moving picture is superimposed on a second moving picture, which images physical structures of the scanned volume area.
Falls
die flussgewichtete Aufnahme mit der oben erwähnten Phasenkontrast-Messung
erhalten wird, kann ein solches "Struktur"-Laufbild ebenso
wie das Flusskontrast-Laufbild vom Bildrekonstruktions-Rechner
Falls
die Flussgewichtung jedoch mit einer anderen MR-Aufnahmetechnik
erfolgt, aus welcher kein Strukturkontrast ableitbar ist, dann muss
vor oder nach der flussgewichteten Aufnahme eine gesonderte Struktur-Aufnahme
erfolgen, um das Struktur-Laufbild zu erzeugen und in den Speicher
Das
in der weiter oben beschriebenen Weise bearbeitete Flusskontrast-Laufbild
wird, unter Steuerung durch die Steuereinrichtung
In
vorteilhafter Ausführungsform
wird den Pixeln des Flusskontrast-Laufbildes eine Farbinformation zugeteilt,
um sie im wiedergegebenen Bild deutlicher gegenüber der Tönung des Struktur-Laufbildes
hervorzuheben. Eine solche "Einfärbung" kann gemäß einer
Farbstufenskala erfolgen, welche die Intensitätsstufen des aufgenommenen
MR-Signals in Farbstufen umsetzt. Diese Umsetzung erfolgt vorzugsweise
mittels eines geeigneten Farbcodierers
Die
in
Es hat sich gezeigt, dass die vorstehend beschriebene Bildbearbeitungstechnik überraschend gute Ergebnisse liefert und dass die erzielte Bildwiedergabe eine weit bessere Qualität und Aussagekraft hat, als man es von der herkömmlichen Technik her gewohnt ist. Allerdings ist kaum ganz auszuschließen, dass es in den bearbeiteten Pixelwert-Folgen zu gewissen "Ausreißern" kommt, indem eine als "brauchbar" beurteilte Folge in Wirklichkeit "unbrauchbar" ist, und umgekehrt. Solche Ausreißer liegen jedoch weit auseinander und fast immer "einsam", d.h., es ist höchst unwahrscheinlich, dass mehrere falsch beurteilte Pixelwert-Folgen unmittelbar benachbart sind. Deswegen sind solche Fehler im wiedergegeben Bild kaum erkennbar.It It has been found that the image processing technique described above is surprising gives good results and that the image reproduction achieved a far better quality and meaningfulness, as one has it from the conventional technology ago is. However, it can hardly be ruled out that it worked in the Pixel value sequences come to certain "outliers" by a as "useful" judged episode in Reality is "useless", and vice versa. Such outliers However, they are far apart and almost always "lonely", that is, it is highly unlikely that several misjudged pixel value sequences immediately adjacent are. Therefore, such errors are hardly recognizable in the rendered image.
Gewünschtenfalls
kann man die erwähnten
einsamen Ausreißer
verdecken, indem man dafür
sorgt, dass die Qualitätsbeurteilung
(z.B. "unbrauchbar") einer Pixelwert-Folge,
die im xy-Koordinatensystem
zwischen zwei anders (z.B. "brauchbar") beurteilten Folgen
positioniert ist, nachträglich
gewechselt (also in "unbrauchbar" geändert) wird.
Diese Korrektur kann z.B. im Protokollspeicher
Besondere
Aufmerksamkeit muss auf die Wahl des Schwellenwertes S gerichtet
werden. Wie bereits oben erwähnt,
kann ein geeigneter Schwellenwert empirisch gefunden werden. Hierzu können mehrere
Tests gemacht werden, indem das im Bearbeitungs-Speicher
Solche Testreihen können auch benutzt werden, um das Bearbeitungssystem auf bestimmte Anwendungsarten zu eichen. Der hierbei benutzte Volumenbereich kann ein "Standard"-Objekt für die jeweilige Anwendungsart sein, z.B. die Herzgegend eines gesunden Probanden, bei dem sich gut abschätzen lässt, wie eine ideale Flussbildwiedergabe aussehen müsste. Der Schwellenwert S, bei welchem das betrachtete Bild dem Idealbild am nächsten kommt, kann dann als fester Parameter für die betreffende Anwendungsart im System eingespeichert werden. Diese Eichung kann vom Hersteller des Systems oder vom Anwender vorgenommen werden.Such Test series can also be used to adapt the processing system to specific types of applications to oak. The volume range used here can be a "standard" object for the respective Be kind of application, e.g. the heart area of a healthy subject, in which to estimate well leaves, what an ideal flow-picture rendering would look like. The threshold S, in which the observed picture comes closest to the ideal picture, can then be used as a fixed parameter for the relevant type of application is stored in the system. These Calibration can be done by the manufacturer of the system or by the user become.
Eine
Optimierung von Schwellenwerten für Bildverarbeitung kann auch
durch ein spezielles Anpassungsverfahren geschehen:
In einem
ersten Durchlauf werden die Wertefolgen pi,j(n)
für alle
möglichen
Punktpositionen xi, yj (also
für alle möglichen
Kombinationen von x- und y-Koordinatenwerten) beurteilt, wie weiter
oben beschrieben. Hierbei wird für
alle Punktpositionen der gleiche Schwellenwert verwendet. Der Protokollspeicher
In a first pass, the value sequences p i, j (n) are evaluated for all possible point positions x i , y j (ie for all possible combinations of x and y coordinate values), as described above. Here, the same threshold value is used for all point positions. The log store
Diese neue Schwelle wird für die endgültige Berechnung verwendet, individuell für jede Punktposition. Dies ist vorteilhaft, weil die Effekte, die man in den Bildern sehen will, an den Rändern meist weniger werden und durch eine strenge einheitliche Wahl des Schwellenwertes eventuell als "unbrauchbare" Punktpositionen verworfen würden. Mit der individuellen Schwellenwert-Anpassung kann dies sehr effizient vermieden werden.These new threshold will be for the final Calculation used individually for each point position. This is beneficial because the effects that you see in the pictures want, at the edges usually become less and through a strict uniform choice of the Threshold may be discarded as "unusable" point positions would. With the individual threshold adjustment, this can be very efficient be avoided.
Die
vorstehend anhand der
Die Erfindung ist auch nicht beschränkt auf die Beurteilung und Bearbeitung von Pixelfolgen entlang der "temporalen" Koordinate eines Laufbildes. In ähnlicher Weise können auch Pixelfolgen entlang einer anderen Koordinate eines Bildrasters bearbeitet werden, z.B. aufeinanderfolgende Pixel entlang der x-Koordinate und/oder entlang der y-Koordinate eines zweidimensionalen Standbildes. Die unabhängige Variable (Abszisse) "n" der Funktion E(n) wäre dann die horizontale Pixelposition x bzw. die vertikale Pixelposition y in einem zweidimensionalen Bildraster. Eine solche Bearbeitung ist z.B. dann vorteilhaft, wenn Randbereiche eines Standbildes keine Information enthalten. Des Weiteren ist die erfindungsgemäße Bildbearbeitung nicht beschränkt auf MR-Bilder. So können unter Anwendung der Erfindung auch Bilder bearbeitet werden, die durch Röntgen-Computertomografie (CT), Positronen-Emissions-Tomografie (PET), Sonografie oder beliebige andere Bildaufnahmeverfahren wie z.B. direkte optische Fotografie erhalten worden sind.The Invention is not limited on the evaluation and processing of pixel sequences along the "temporal" coordinate of a Moving image. In similar Way you can also pixel sequences along another coordinate of a picture grid are processed, e.g. successive pixels along the x-coordinate and / or along the y-coordinate of a two-dimensional still image. The independent Variable (abscissa) "n" of function E (n) would be then the horizontal pixel position x or the vertical pixel position y in a two-dimensional image grid. Such editing is e.g. advantageous if border areas of a still image no Information included. Furthermore, the image processing according to the invention not limited on MR images. So can images are processed using the invention, the by X-ray computed tomography (CT), positron emission tomography (PET), sonography or any other Image capture methods such as e.g. obtained direct optical photography have been.
Es
sei noch bemerkt, dass sich das weiter oben anhand der
Aus der Funktion K(τ)
wird eine "Zielfunktion" Kq(τ) berechnet,
bei welcher der für τ = 0 geltende
Wert der Ableitung Kq'(τ)
gleich dem Referenzwert W0 ist. Dann wird
die Funktion F(n) durch eine Anpassungsroutine variiert, bis eine
Funktion Fq(n) gefunden ist, bei welcher
die Kreuzkorrelationsfunktion (die erhalten wird durch Kreuzkorrelation
der variierten Funktion F(n) mit der laufenden Summe bzw. dem laufenden
Integral dieser Funktion gemäß den obigen
Gleichung Gl.6 oder Gl.7) gleich der berechneten Zielfunktion Kq(τ)
ist. Der Anteil der aleatorischen Komponente, der bei dem zuvor
durchgeführten
Beurteilungsverfahren in der Funktion F(n) enthalten war, ist nun
in der gefundenen Funktion Fq(n) nicht mehr
enthalten, die Funktion ist demnach rauschgefiltert.It should be noted that the above on the basis of
From the function K (τ), a "target function" K q (τ) is calculated in which the value of the derivative K q '(τ), which is valid for τ = 0, is equal to the reference value W 0 . Then, the function F (n) is varied by an adaptation routine until a function F q (n) is found, at which the cross-correlation function (obtained by cross-correlating the varied function F (n) with the running total and the integral, respectively this function according to the above equation Eq. 6 or Eq. 7) is equal to the calculated target function K q (τ). The proportion of the aleatory component used in the previously performed evaluation method in function F (n) was contained in the found function F q (n) is no longer contained, the function is therefore noise filtered.
Die vorstehend beschriebene Anpassung der Funktion F(n) an die rauschgefilterte Version Fq(n) kann durch bekannte Optimierungs-Algorithmen ("Fit-Routinen"), z.B. durch einen Levenberg-Marquard-Algorithmus, mittels eines Computers erfolgen.The above-described adaptation of the function F (n) to the noise-filtered version F q (n) can be carried out by known optimization algorithms ("fit routines"), for example by a Levenberg-Marquard algorithm, by means of a computer.
Claims (26)
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102004063300A DE102004063300A1 (en) | 2004-12-29 | 2004-12-29 | Method and device for evaluating a function recorded by detection of a physical quantity |
PCT/EP2005/014012 WO2006072421A2 (en) | 2004-12-29 | 2005-12-23 | Method and device for estimating the noise component in a sequence of measured values |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102004063300A DE102004063300A1 (en) | 2004-12-29 | 2004-12-29 | Method and device for evaluating a function recorded by detection of a physical quantity |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102004063300A1 true DE102004063300A1 (en) | 2006-07-20 |
Family
ID=36038848
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102004063300A Withdrawn DE102004063300A1 (en) | 2004-12-29 | 2004-12-29 | Method and device for evaluating a function recorded by detection of a physical quantity |
Country Status (2)
Country | Link |
---|---|
DE (1) | DE102004063300A1 (en) |
WO (1) | WO2006072421A2 (en) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109446572B (en) * | 2018-09-26 | 2023-09-05 | 合肥本源量子计算科技有限责任公司 | Quantum measurement and control data processing method and device |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3704272A1 (en) * | 1987-02-12 | 1988-08-25 | Philips Patentverwaltung | Method for the non-medical X-ray image processing and arrangement for carrying out the method |
DE4431349A1 (en) * | 1993-09-08 | 1995-03-09 | Univ California | Adaptive filtering of digital image signals |
DE3853628T2 (en) * | 1988-09-07 | 1995-09-28 | Agfa Gevaert Nv | Digital image processing taking the standard deviation into account. |
DE19713846A1 (en) * | 1997-03-13 | 1998-09-17 | Philips Patentverwaltung | Image processing method for medical diagnostics |
EP0771507B1 (en) * | 1995-05-15 | 2000-01-12 | Polaroid Corporation | Method and apparatus for reduction of image data compression noise |
DE10050331A1 (en) * | 2000-10-11 | 2002-08-08 | Deutsch Zentr Luft & Raumfahrt | Increasing signal-to-noise ratio for processing of multichannel digital image data sets using sliding noise filter by matching small-scale variances |
DE10220295A1 (en) * | 2002-05-07 | 2003-11-20 | Philips Intellectual Property | Process for improving the picture quality |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4684989A (en) * | 1986-02-07 | 1987-08-04 | Rca Corporation | Signal background noise detector |
US4882713A (en) * | 1988-09-06 | 1989-11-21 | Exxon Production Research Company | Method for noise suppression in the stacking of seismic traces |
US6215115B1 (en) * | 1998-11-12 | 2001-04-10 | Raytheon Company | Accurate target detection system for compensating detector background levels and changes in signal environments |
FR2860941A1 (en) * | 2003-10-14 | 2005-04-15 | Nextream France | DEVICE AND METHOD FOR ESTIMATING NOISE OF A VIDEO SIGNAL |
-
2004
- 2004-12-29 DE DE102004063300A patent/DE102004063300A1/en not_active Withdrawn
-
2005
- 2005-12-23 WO PCT/EP2005/014012 patent/WO2006072421A2/en active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3704272A1 (en) * | 1987-02-12 | 1988-08-25 | Philips Patentverwaltung | Method for the non-medical X-ray image processing and arrangement for carrying out the method |
DE3853628T2 (en) * | 1988-09-07 | 1995-09-28 | Agfa Gevaert Nv | Digital image processing taking the standard deviation into account. |
DE4431349A1 (en) * | 1993-09-08 | 1995-03-09 | Univ California | Adaptive filtering of digital image signals |
EP0771507B1 (en) * | 1995-05-15 | 2000-01-12 | Polaroid Corporation | Method and apparatus for reduction of image data compression noise |
DE19713846A1 (en) * | 1997-03-13 | 1998-09-17 | Philips Patentverwaltung | Image processing method for medical diagnostics |
DE10050331A1 (en) * | 2000-10-11 | 2002-08-08 | Deutsch Zentr Luft & Raumfahrt | Increasing signal-to-noise ratio for processing of multichannel digital image data sets using sliding noise filter by matching small-scale variances |
DE10220295A1 (en) * | 2002-05-07 | 2003-11-20 | Philips Intellectual Property | Process for improving the picture quality |
Also Published As
Publication number | Publication date |
---|---|
WO2006072421A2 (en) | 2006-07-13 |
WO2006072421A3 (en) | 2007-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE60212917T2 (en) | Device for calculating an index of local blood flows | |
DE69921234T2 (en) | Three-dimensional image reconstruction method | |
DE60028877T2 (en) | PICTURE PROCESSING SYSTEM, SYSTEM AND DEVICE FOR FORMING AN ENTIRE IMAGE IN A LONG SCROLLED SCENE | |
DE102005037367B3 (en) | Method for an X-ray device | |
DE19613342A1 (en) | Automatic image evaluation process | |
DE69922983T2 (en) | Imaging system and method | |
EP0938063B1 (en) | Method of two-dimensional imaging of structures for medical diagnosis | |
DE10319546A1 (en) | Automatic vein structure anomaly detection procedure recognises vein structure in tomography data, prepares skeletal path and classifies by comparison with characteristic values | |
DE102005023907A1 (en) | Method for determining positron emission measurement information in the context of positron emission tomography | |
DE102016219887A1 (en) | Method and system for using measured data | |
DE10347971B3 (en) | Method and device for determining the liquid type of a liquid accumulation in an object | |
DE10333563A1 (en) | Temporal image comparison procedure | |
DE102018203786B4 (en) | Method for determining and/or reducing artifacts, method for determining a local concentration distribution, system for visually displaying a corrected overall image data set | |
DE102006015452A1 (en) | Soft tissue chemical anomaly and/or conspicuousness detecting method for e.g. human body, involves determining data point of voxels of object area, and using x-ray attenuation values during spectral distributions of x-ray radiation | |
DE102007046514A1 (en) | Method for detecting and marking contrast medium in blood vessels of the lung using a CT examination and image evaluation unit of a CT system | |
DE102006023843A1 (en) | X-ray CT image reconstruction method and X-ray CT system | |
DE3735519A1 (en) | Binary space interpolation | |
DE10238322A1 (en) | Method for retrospective or window controlled filtering of computer tomography (CT) images e.g. for adapting sharpness and noise, involves automatic computation of CT-image sharpness of selected layer in primary data record | |
DE102008048045A1 (en) | A method for generating computer tomographic image data sets of a patient in cardiac CT in a perfusion control under contrast medium application | |
DE10155089C1 (en) | Method for removing rings and partial rings in computer tomography images | |
DE3530601A1 (en) | COMPUTER TOMOGRAPHY DEVICE | |
DE10121802B4 (en) | Process for image generation in a magnetic resonance imaging device and magnetic resonance imaging device and data processing system | |
DE102005023376A1 (en) | Method and device for determining material boundaries of a test object | |
EP3649614B1 (en) | Method for determining uncertainties in measurement data from the measurement of an object | |
DE102008038555A1 (en) | Method for non-linear image mixing, adjustment and display |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OP8 | Request for examination as to paragraph 44 patent law | ||
8139 | Disposal/non-payment of the annual fee |