JP2005160107A - 分解能適応画像フィルタ処理システム及び方法 - Google Patents

Abstract

【課題】 データに対する最適サンプリングレートに基づいて入力画像データを適切にフィルタ処理することによって、画像強調を改善する。
【解決手段】 画像データのサンプリングレートの解析によってデジタル画像を改善する技法が提供される。最適サンプリングレートは、イメージングシステムの点像分布関数に基づくなどにより決定され（７６）、実際の画素サンプリングレート（７８）と比較される。比較に基づいて、画像を縮小又はサブサンプリングし、画像の空間分解能の固有のばらつきに対応しながら最適な画像フィルタ処理を可能にする最適サンプリングレートをもたらすことができる。
【選択図】 図３

Description

本発明は、デジタルイメージング及び画像強調の分野に関する。より詳細には、本発明は、データに対する最適サンプリングレートに基づいて入力画像データを適切にフィルタ処理することによって、画像強調を改善する技法に関する。

デジタル画像を生成するための多くの技法が現在利用可能であり、使用されている。これらの技法は、複雑性において、簡単な写真技法から医療用イメージング、部品検査、小荷物及び手荷物検査等に用いられるようなはるかに複雑なイメージング診断装置にまで多岐にわたっている。更に複雑なイメージング診断装置には、コンピュータ断層撮影（ＣＴ）イメージングシステム、磁気共鳴イメージング（ＭＲＩ）システム、デジタルＸ線イメージングシステム等が含まれる。これらの用途の全てにおいて、生成される画像の分解能及び明瞭度の改善に対する継続的な必要性がある。一般に、これらの改善は後処理段階で施され、該段階では、画像データが種々の計算に操作されて最終再構成画像の明瞭度及び全体的有用性が高められる。

現在のイメージングシステムは、異なる空間分解能の画像を生成する。システムの点像分布関数として知られるパラメータは、イメージングパラメータに大きく依存しており、その結果このような異なる空間分解能が得られる。例えば、ＣＴ画像では、収集したデータを画像データに変換するために用いられる特定の再構成アルゴリズムが、点像分布関数の範囲を主として決定する。同様に、ＭＲＩシステムでは、ｋ−空間データ（イメージングシーケンス中に収集されたデータ）におけるゼロ充填補間の量が、点像分布関数の空間範囲に影響を及ぼす。Ｘ線システムでは、線源−検出器間距離が、システムの点像分布関数を決定する。

画像から不規則ノイズを除去することを意図した画像フィルタ処理アルゴリズムは、現在、固有空間分解能のこのばらつきに対応していない。従って、このようなアルゴリズムは、画質の観点からは最適とは言えない状態で機能する。こうした枠組みにおいて、これらが不規則ノイズのレベルを首尾よく低下させることができたとしても、フィルタ処理画像の空間分解能に損失を生じさせる場合が多い。

従って、デジタル画像をフィルタ処理するための改良された技法が必要とされている。現在、様々な状況において用いることができ、異なる点像分布関数ベースに対応する技法が特に必要とされている。

本発明は、このような必要性に応えるように設計される画像強調法に対する新規の技法を提供する。本技法は、フィルタ処理画像の空間分解能を犠牲にすることなく画像のノイズレベルを低減する画像フィルタ処理アルゴリズムに基づいている。本技法は、フィルタ処理中の画像の固有空間分解能のばらつきに自動的に適応する。詳細には、本技法は、画像の点像分布関数などから最適サンプリングレートを決定する。また、画像の帯域幅特性を調べることによって点像分布関数を推定することも可能である。この最適サンプリングレートは、実際の画素サンプリングレートと比較される。フィルタ処理中、この比較に基づいて、最適サンプリングレートに対応してこれに適合するよう画像を縮小することができる。或いは、特定の状況においては、データの再サンプリングを行うこともできる。

本発明は、このような技法を実施するように設計された方法、システム及びコンピュータプログラムを企図している。

本発明の前述及び他の利点並びに特徴は、以下の詳細な説明を読み且つ図面を参照すれば明らかになるであろう。

図１を参照すると、個別の画像データを収集し処理する回路に接続されたスキャナ又はデータ収集システム１２を含むイメージングシステム１０が示されている。システム１２によって感知された信号は、被検体上又は被検体内の特定の位置に関連する信号を表すデジタル値を与えるよう符号化されて、画像収集回路２２に伝送される。画像収集回路２２はまた、画像収集中のシステム動作の構成及び調整用の制御信号を供給する。画像収集回路２２は、符号化された画像信号を画像処理回路２４に伝送する。画像処理回路２４は、記憶回路２６内に格納された事前確定された制御論理ルーチンを実行し、画像収集回路２２から受信した信号をフィルタ処理して調整し、該収集された画像内の各画素を表すデジタル値を形成する。その後、これらの値は、後続の処理及び表示のために記憶回路２６内に格納される。或いは、画像収集回路２２は、符号化された画像信号を記憶回路２６に伝送してもよい。画像処理回路２４は、以下に説明するフィルタ処理段階及び調整段階のために引き続き記憶回路２６から信号を収集することができる。

画像処理回路２４は、入力インターフェース回路３０を介して、入力装置２８から構成指令及び制御指令を受け取る。入力装置２８は、通常、構成パラメータを選択的に入力し且つ特定の画像収集シーケンスを指令するためのオペレータステーション、キーボード及び他の入力装置を含むことになる。画像処理回路２４もまた、出力インターフェース回路３４を介して出力装置３２に接続される。出力装置３２は、通常、処理回路２４によって実行される画像強調処理に基づいた再構成画像を閲覧及び生成するためのモニタ又はプリンタを含むことになる。

説明される実施形態において、画像処理回路２４、記憶回路２６、並びに入力及び出力インターフェース回路３０及び３４は、プログラムされたデジタルコンピュータ内に含まれる。しかしながら、本明細書に説明する技法を実行する回路構成は、特定用途向けマイクロプロセッサ、アナログ回路構成、又はデジタル回路構成とアナログ回路構成の組み合わせにおいて適切に符号化されるよう構成することができる。

イメージングシステム１２は、任意の好適な形式のイメージングシステム又は診断装置を含むことができる点に留意すべきである。例えば、医学的診断用イメージング関連、工業用関連、小荷物及び手荷物の検査及び出荷関連においては、本システムは、ＣＴイメージングステーションを含むことができる。同様に、本システムは、ＭＲＩシステム、Ｘ線システム、又は任意の他の好適な診断装置を含むことができる。現在企図されている他の診断装置は、とりわけ、トモシンセシスシステム、陽電子放射断層撮影システム、電子ビームシステム、超音波システムを含むことができる。以下に要約するように、種々のシステムの全てが、本技法によりフィルタ処理及び強調を施すことができるデジタルデータを生成することになる。また、本明細書ではイメージングシステム内における処理に言及しているが、本明細書で説明する技法の多くは、後処理段階に適用可能であり、且つ適用される点に留意すべきである。即ち、本処理は、画像収集と共にリアルタイム又はほぼリアルタイムで実行してもよく、或いは画像データの収集及び格納後に実行してもよい。従って、本明細書に説明する画像のフィルタ処理及び強調技法は、最終再構成画像を改善するために、未処理、又は処理済、若しくは部分的に処理済の画像データにアクセスして本明細書に説明する段階及び機能を実行する完全に別個の独立したワークステーション上のような、イメージングシステムから遠隔の位置で実行することができる。

図２は、イメージングシステム１０によって生成される例示的な離散的画素画像５０を示す。画像５０は、一連の横列５４及び縦列５６内に互いに隣接して配置された離散的画素５２のマトリックスから構成されている。これらの画素の横列及び縦列は、事前確定されたマトリックス幅５８及びマトリックス高さ６０を備える。典型的なマトリックス寸法は、幾つか例を挙げると、２５６×２５６画素、５１２×５１２画素、１、０２４×１、０２４画素を含むことができる。幾つかのシステムにおいては、特定の画像マトリックスサイズは、入力装置２８（図１参照）を介して選択することができ、撮像対象、所望の分解能、及びイメージングシステムの物理的形態又は特性などの要因に応じて様々とすることができる。

図２に示すように、例示的な画像５０は、隣接する画素によって画定される長い連続した線からなるように示された構造領域６２を含む。画像５０はまた、構造領域６２の外側に位置する非構造領域６４を含む。画像５０はまた、種々の大きさ（即ち、隣接する画素の数）の隔離されたアーチファクト６６を含む場合があり、これは構造領域として定義されるか、或いは一般的な公知の技法により構造の定義から除外される場合がある。以下の検討においては例示的な画像５０のような画像内の強度値に言及するが、本技法はまた、画像の個々の画素５２に対して符号化された他のパラメータの処理にも用いることができる点を留意すべきである。このようなパラメータは、単に強度だけでなく周波数又は色相を含むことがでる。

本技法によれば、収集又は処理された画像データは、入力画像と呼ぶことができるものを形成する。この入力画像及び本明細書中に言及する他の画像は、実際には本技法によって処理された画像データであることを理解されたい。しかしながら、最終再構成画像は、ユーザが閲覧することができる視覚的表現である。本技法は、イメージングシステムの特定の点像分布関数に対応するための入力画像の操作を可能にする。即ち、本技法は、入力画像を生成したイメージングシステムの特性に空間的に適応する。画像フィルタ処理用の既知のアルゴリズムは、空間領域演算のセットを適用して入力画像のノイズレベルを低減する。幾つかの技法は、サブサンプリングと呼ぶことができる操作において、入力画像を縮小することによりそのような演算を実行する。この縮小操作は、入力分解能を正規化する作用を有しており、入力画像内の冗長性を活用する。しかしながら、前述の技法は、画像サイズに依存して縮小又はサブサンプリングの度合いが決定される。本技法は、より厳密な手法を用いており、入力画像を縮小するために行われるサブサンプリングの量は、画像の固有の空間分解能に依存する。本発明の関連において、固有空間分解能は、画像データを収集しているイメージングシステムの点像分布関数と離散画像を生成するのに用いられるサンプリングレートとに依存することができると考えられる。以下に説明するように、このような情報は、イメージングシステムのナイキストレートとして定義することができる最適サンプリングレートを決定するのに用いられる。この値は、空間領域演算を適用する前に画像上で実行すべきサブサンプリング又は縮小の量を決定するのに用いられる。この手法によって、最適なサンプリング基準がアンダーサンプリングによって侵害されないこと、及び画像情報を損失することなく最大量のサンプリングを達成し正規化された分解能で画像上にフィルタ処理を行い且つ画像データ内の冗長性を活用できることが保証される。

図３は、本技法の機能を実行するシステムの概略図を示す。全体が参照符号６８で示される本システムは、ハードウェア、ソフトウェア、ファームウェア、又はこれらの媒体の組み合わせによって実行することができる。本システムは、任意の好適なイメージングシステムによって生成される入力画像７０から始まる。入力画像は、通常、デジタル記憶装置上に格納され、画質の向上及び改善のために処理システムによりアクセスされる。本システムは、通常は本システム内に格納された適切なソフトウェアコード内に組み入れられたフィルタ７２を含む。本フィルタの幾つかの態様は、以下に更に説明する一般的に知られた技法に従うことができる。本フィルタは、縮小パラメータ決定モジュール７４によって決定される縮小レベル又はサブサンプリングレベルを使用する。次いで、このモジュールは、最適サンプリングレート決定モジュール７６及び実サンプリングレート決定モジュール７８からの入力を受け取る。以下に説明するように、最適サンプリングレート及び実サンプリングレートに基づいて適切な縮小パラメータ又はサブサンプリングレベルが決定され、フィルタ７２に供給される。次に、フィルタは、閲覧、格納、伝送、及び後続の処理のために強調画像に再構成することができるデータを含む出力画像８０を生成する。

上述のように、フィルタ７２の幾つかの要素は、当該技術分野で一般に良く知られたラインに従うことができる。図４はこれらの既知の要素のうちの幾つかを表しているが、本技法を組み込んだ強化された構成要素を備えている。全体を参照符号８２で示す実行システムは、上述のように入力画像７０で開始する。段階８４で、本システムは、縮小パラメータによって入力画像を縮小するか、又は入力画像をサブサンプリングする。当業者には理解されるように、このような縮小は、各画素での強度を表すデジタル値が読み込まれ、一般に１より大きいある係数Ｘだけ画像が縮小される、画素平均を含む種々のサブサンプリング技法によって達成することができる。本実施形態では、非重複平均を得るために、２×２又は３×３のボックスカー・フィルタを適用することができる。また、２×３又は３×２フィルタなどの多次元係数を用いることができる。多次元係数は、３×１又は１×３のような次元の少なくとも１つが１より大きくなければならない。非重複平均を得るために、必要に応じて画像の画素を境界においてミラーリングすることができる。

フィルタ７２は、入力画像の構造的特徴及び非構造的特徴又は領域を特定し、処理する役割を果たす。従って、図４のブロック８６において、正規化画像内の構造領域８８を特定し、このような構造を非構造領域９０と区別するルーチンが実行される。次いで、ブロック９２に示すように、該構造領域が異方性平滑化によって処理され、その後、ブロックに示すように鮮鋭化によって処理される。他方、非構造領域は、ブロック９６に示すように、等方性平滑化によって処理される。その後、処理された構造領域及び非構造領域は、図４に参照符号９８で示すようにフィルタ処理画像を形成する。

ブロック１００において、ブロック８４で画像が縮小又はサブサンプリングされた同じ係数だけ構造データ及び非構造データが拡大される。結果として得られた拡大により、拡大された構造マスク及び拡大画像が生成され、これらの両方ともが入力画像と同一の寸法を有する。次いで、ブロック１０２において、入力画像内に存在するテクスチャが拡大画像に戻されて混合され、出力画像８０が生成される。構造領域と非構造領域の差分的テクスチャ混合を可能にするために、混合処理には、通常、拡大された構造マスクが利用される。

図４の例示的な段階及び構成要素が例示にすぎないことに留意すべきであり、当業者であればそのように理解されるであろう。即ち、他の異なる又は付加的モジュール及び段階を組み込むことができる。一例を挙げれば、高周波数が混合画像に差分的に導入されてノイズ混合画像が生成される付加的な混合を行うことができる。これらの技法のうちの幾つかは、更に画質を向上させることができる。本技法は、これらに加えて、以下に説明するように画質を更に向上させることができる。

当業者には理解されるように、イメージング診断装置に応じて、点像分布関数は、画像データストリームのヘッダ部分に格納することができる種々のパラメータによって決定することができる。例えば、ＣＴ画像においては、主として利用される再構成アルゴリズムが、イメージングシステムの点像分布関数を決定する。ＣＴには有限数の再構成アルゴリズムが用いられるため、各再構成アルゴリズムと関連付けられる点像分布関数を経験的に決定することが可能である。このような関連付けは、参照テーブル内に配置し、本発明の処理枠組み内で用いることができる。ＭＲＩシステムに関しては、点像分布関数は、システムによって生成される任意の画像の最高周波数成分を定めるＺＩＰパラメータによって決定される。画像の最高周波数成分が与えられれば、イメージングシステムの点像分布関数を決定するための標準的なフーリエ理論の数多くの方法が存在する。Ｘ線システムでは、点像分布関数は、線源−検出器間距離及び線源の大きさから計算することができる。また、この情報は、Ｘ線デジタル画像データストリームヘッダにおいても一般に利用可能である。従って、各種のイメージングシステムは一般に、点像分布関数の特定を可能にする利用可能な技法を有する。

点像分布関数の例示的な図を図５に示す。図５に示すように、理想的な状況１０４は図示することができるが、実際の実施においては、典型的には点像分布図１０６が現れる。図５において全体を水平軸１０８で示す画像画素寸法、及び垂直軸で示す画素強度に関しては、理想的な状況において、図５の参照符号１１０で示すように、各点は無限に幅が薄い。しかしながら、イメージングシステムの固有の限界に起因してボケが生じ、結果として、図５のトレース１１２で示すように、画素寸法の広がりが生じる。本技法は、ナイキストレートの約２倍でサンプリングすると情報損失が実質的に回避できることができることを認識している。ナイキストレートは、点像分布関数のフーリエ変換を取ることによって求めることができる。或いは、ナイキストレートは、画像内の最高周波数調波を調べることにより標準的な画像処理技法を用いて計算することができる。しかしながら、この技法は有用ではあるが、システム及び収集パラメータに依存しないことから、画像にノイズの影響を極めて受けやすいことに留意されたい。実際には、点像分布関数の幅が広い場合には、画像が見かけ上非常にぼける可能性があり、上述の処理段階において高度の縮小又はサブサンプリングが必要となる。更に、表示フィールド、即ち再構成画像内の被検体の寸法が全体的に考慮される。以下に説明する表示フィールドに基づいて、冗長性メトリックが求められる。即ち、再構成画像の被検体を表すのに多くの画素が必要とされる場合には、このことは、高度の冗長性を示しており、入力画像はかなりの程度縮小することができる。従って、縮小又はサブサンプリングの度合いも、この冗長性メトリックに依存する。

図６には、本技法により適切な縮小又はサブサンプリングのパラメータ及びレベルを決定するための幾つかの論理上の機能的段階を示す。段階１１４に示すように、このプロセスは、システムの点像分布関数を決定する段階で開始する。上述のように、点像分布関数は、参照テーブルから求めることもでき、或いは計算で求めてもよい。同様に例証として、点像分布関数は、ＣＴイメージングにおける再構成アルゴリズム、ＭＲイメージングにおけるＺＩＰパラメータ、或いはデジタルＸ線イメージングにおける線源−検出器間距離などの因子に依存することができる。次いで、この点像分布関数から、モジュール７６によって最適サンプリングレートが決定される。最適サンプリングレートを決定するために既知の技法が利用可能であり、該技法は、イメージングシステムの点像分布関数に基づいたナイキストレートであると一般に考えられる。このような技法は、点像分布関数の周波数応答の大きさを用いる変調伝達関数の使用を含む。

この処理と並行して、上述の冗長性メトリックを求める。冗長性メトリックは、画素サイズ、即ち、再構成画像内の画素の物理的寸法を求めることによって、図６に示すようにして求められる。当業者には理解されるように、この算出は、表示視野及び画素単位の画像サイズに基づいており、長さの単位（一般的にミリメートル）を有するメトリックが得られる。次いで、モジュール７６が、画素サイズから画素サンプリングレートを求める。サンプリングレートは一般に、画素サイズの逆数と考えられ、単位長さ当たりの周期で測定された量が得られる。

次いで、段階１１８で示すように、Ｓ_ｏで示すことができる最適サンプリングレートと、Ｓ_ｐで示すことができる画素サンプリングレートとが比較される。一般的に、画素サンプリングレートは最大でも最適サンプリングレートの値であるのが好ましい。このようにして、段階１１８における比較に基づいて、最適又は望ましい縮小パラメータ或いはサブサンプリングパラメータが求められる。図６に示すように、本発明の実施においては、Ｓ_ｏの値が実サンプリングレートＳ_ｐに等しいか又はそれより大きい場合、縮小パラメータは、１の値に設定される。即ち、画像は最適サンプリングレートよりも低いレートで既にサンプリングされており、従って、どのような付加的な縮小又はサブサンプリングも、アンダーサンプリングをもたらすことになる。これに対して、最適サンプリングレートが画素サンプリングレートよりも低い場合、縮小パラメータ又はサブサンプリングパラメータは、Ｓ_ｐ／Ｓ_ｏの値に設定される。即ち、画像は、最適レートよりも高いレートでサンプリングされ、画像情報を損失することなく付加的サンプリングを行うことができるようにする。本発明の関連では、Ｓ_ｐ／Ｓ_ｏの値は、冗長性メトリックとみなすことができる。その後、得られたパラメータは、入力画像の縮小又はサブサンプリングの上述の処理に用いられてフィルタ処理が行われる。

特定の状況では、未処理データ又は前処理データに基づいて画像データを再サンプリング可能とすることができる点に留意すべきである。この可能性を図６の段階１２４に示す。例証として、冗長性メトリックが１よりも大きいことが判明した場合には、入力画像に基づいて、例えば周波数領域又は他の領域などにおいて補間を行い得る可能性がある。従って、原画像データを、ＭＲＩデータに対しては事例ベースで、或いはＣＴデータに対してはラドン空間などにおいて再処理を行い、最適サンプリングレートに適合する所望のサンプリングレートを得ることができる。

本発明をフィルタパラメータ調整に対する用途として説明しているが、他の用途もまた可能である。例えば、冗長性メトリックを用いて、最適状態には及ばないデータが収集されているデータ収集システムのオペレータに警報を出すことができる。別の実施例として、冗長性メトリックを用いて、画像データに対して最適表示パラメータを設定することができる。別の実施例では、冗長性メトリックを用いて、画像の計量を導くことができる。更に別の実施例では、冗長性メトリックを用いて、画像解析のパラメータを設定することができる。

本発明には種々の変更及び代替形態が可能であるが、特定の実施形態を例証として図面に示し、本明細書で詳細に説明してきた。しかしながら、本発明は、開示された特定の形態に限定されることを意図するものではないことを理解すべきである。むしろ、本発明は、添付の特許請求の範囲によって定義される本発明の技術思想及び範囲内に含まれる全ての変更、均等物、及び代替物を包含すべきである。

本技法により分解能適応型画像フィルタ処理を提供するように適合された例示的なイメージングシステムの概略図。 本技法によって強調されることになる構造領域及び非構造領域を画定する異なる強度を有する画素のマトリックスで構成された例示的な別個の画素画像の図。 本技法により分解能適応型画像フィルタ処理を提供するためのシステムの幾つかの機能要素の概略図。 図３のシステムの一実施形態のより詳細な図。 本技法によって対応される点像分布関数を提供する理想的な点上へのイメージングシステムの影響のグラフ表示。 本技法により分解能適応型画像フィルタ処理を提供するための例示的な論理上の段階を示すフローチャート。

符号の説明

６８ 本システム
７０ 入力画像
７２ フィルタ
７４ 縮小パラメータを決定する
７６ 最適サンプリングレートを決定する
７８ 実サンプリングレートを決定する
８０ 出力画像

Claims (10)

1. 画像データから画像を生成する方法であって、
   前記画像データに対する画素サンプリングレート（７８）を決定する段階と、
   前記画素サンプリングレートを所望のサンプリングレート（７６）と比較する段階と、
   前記比較に基づいて縮小パラメータ（７４）を求める段階と、
   前記縮小パラメータに基づいて、入力画像を縮小する段階を含む前記画像データを処理する段階と、
   を含む方法。
2. 前記所望のサンプリングレート（７６）は、前記画像に対するサンプリングのナイキストレートである請求項１に記載の方法。
3. 前記所望のサンプリングレート（７６）は、少なくともイメージングシステムの点像分布関数（１１４）、又は前記画像データの周波数成分に基づいて決定される請求項１に記載の方法。
4. 前記画素サンプリングレート（７８）は、表示視野及び該視野内の画素の大きさに基づいて決定される請求項１に記載の方法。
5. 前記縮小パラメータは、冗長性メトリックが所定の閾値を下回っているときの前記画素サンプリングレート（７８）と前記所望のサンプリングレート（７６）との比である請求項１に記載の方法。
6. 前記冗長性メトリックは、前記画素サンプリングレート（７８）と前記所望のサンプリングレート（７６）との比である請求項５に記載の方法。
7. 前記画素サンプリングレート（７８）を前記所望のサンプリングレート（７６）と比較して前記冗長性メトリックを求める段階と、該冗長性メトリックに基づいて前記画像データを処理する段階とを含む請求項１に記載の方法。
8. 前記縮小パラメータは、冗長性メトリックが所定の閾値を下回っているときの前記画素サンプリングレート（７８）と前記所望のサンプリングレート（７６）との比である請求項７に記載の方法。
9. 前記画像データは、該画像データを再サンプリングすることによって処理される請求項１に記載の方法。
10. 画像データを格納するための記憶回路（２６）と、
    前記画像データにアクセスし、前記画像データに対する所望のサンプリングレートを決定し、前記画像データに対する画素サンプリングレートを決定し、該画素サンプリングレートを前記所望のサンプリングレートと比較して冗長性メトリックを求め、該冗長性メトリックに基づいて前記画像データを処理する処理回路（２４）と、
    を含む画像データを処理するシステム（１０）。

Images