JP2006231055A - 格子検出方法 - Google Patents

Abstract

【課題】 デジタル画像内の格子を検出する。
【解決手段】 デジタル画像から所定数の特徴を抽出しそして分類アルゴニズムにおいて抽出された特徴を分類することによりデジタル画像中の格子の像を検出する。アルゴニズムは、例えば、所定数の基準画像から抽出された同じ訓練用特徴により訓練された支持ベクトル機械により実行される。
【選択図】 図１

Description

本発明は、デジタル画像内の格子を検出するため及び格子の方向と周波数とを得るための方法に関する。

コンピューター放射線撮影、デジタル放射線撮影並びに古典的なフィルム使用のＸ線システムにおける散乱するＸ線の量を減らすために通常使用される技法は、散乱防止格子の使用である。これら格子は、適切な視野確保のためある距離に離して置かれた鉛の箔のストリップである。

種々の形式の散乱防止格子がある。平行格子においては、鉛箔のストリップは平行であり、一方、ハニカム格子においてはストリップはハニカムパターンに置かれる。格子は静止し、又は動いている。これら格子の使用は放射線の散乱を効果的に減らすが、画像内に格子線のようなアーティファクトを作ることがある。

動いているシステムにおいては、格子の運動が画像内の格子線を取り除く。しかし、ある環境、例えば暴露時間が短い場合又はシステムの不具合の場合は、画像内にアーティファクトが残る。静止格子の場合は、殆ど常に格子線が見られる。

画像がデジタルで形成された場合又は後でデジタル画像再現に変換された場合は、ある尺度で画像を表現するときモアレアーティファクトが現れることがある。これら余り頻繁でないモアレアーティファクトは、妨害が最も大きくこれを無くす必要がある。画像を表示する前に、格子線があればこれを除去すべきである。かかる格子線の除去アルゴニズムは、格子が使用されたときにだけ適用される。

これまで特許文献１「デジタル放射線撮影におけるＸ線散乱防止格子の検出及び抑制の方法」、特許文献２「デジタル画像における格子検出のための方法及びシステム」、特許文献３「デジタル放射線撮影画像における散乱防止静止格子アーチファクトの検出及び減衰方法」、及び特許文献４「Ｘ線画像における格子線アーチファクトの除去方法」が知られている。
米国特許第６，２６９，１７６Ｂ１号 明細書 欧州特許第０ ７２３ ７６２ Ａ２号 明細書 米国特願第２００３／０１５２２５９ Ａ１号 明細書 欧州特許第０ ９６２ ８８８ Ａ２号 明細書 欧州特許第６１０ ６０５号 明細書 欧州特許第７４２ ５３６号 明細書 欧州特許第８８７ ７６９号 明細書 エヌ・クリスチアニニ（Ｎ． Ｃｒｉｓｔｉａｎｉｎｉ）及びジェー・シャウイ−テーラー（Ｊ． Ｓｈａｗｅ−Ｔａｙｌｏｒ）著「アン イントロダクション ツー サポート ベクトル マシンズ アンド アザー カーネル−ベースト ラーニング メソーズ（Ａｎ ｉｎｔｒｏｄｕｃｔｉｏｎ ｔｏ ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅｓ ａｎｄ ｏｔｈｅｒ ｋｅｒｎｅｌ−ｂａｓｅｄ ｌｅａｒｎｉｎｇ ｍｅｔｈｏｄｓ）｝、ケンブリッジ・ユニバーシティ・プレス（Ｃａｍｂｒｉｄｇｅ Ｕｎｉｖｅｒｓｉｔｙ Ｐｒｅｓｓ），２０００，ＩＳＢＮ ０ ５２１ ７８０１９ ５．

上述された態様は請求項１に説明された方法により実現される。

本発明の好ましい実施例についての特別な特徴は従属請求項に説明される。

本発明は、格子を検出する方法及びこれら格子に関する情報を検索する方法を提供する。この情報は格子抑制アルゴニズムに与えることができる。

この方法は、獲得された画像から抽出された幾つかの分類特徴の使用を通して強化される。

これらの分類特徴は、格子の有無を決定する分類アルゴニズムに与えられる。格子がある場合は、格子に関する情報が与えられる。この情報は、格子の方向及び画像内で観察可能な格子パターンの周波数の少なくも一方を含む。

分類特徴の例は格子の方向に直角な画像領域の百分率であり、これは、与えられた測度について格子と平行な領域よりも成績が良い。

適切な測度は、高周波におけるパワースペクトルの最大の大きさである。格子に平行な方向における測度の平均値より良い測度を有する領域は、格子が殆ど見えない領域に取られる。平行方向の平均値は、格子が画像中に存在しないとしたときの測度の推定値である。

分類特徴の別の例は、同じ周波数の周りに置かれた最大のパワースペクトルの大きさを有する画像領域の数の百分率である。

分類特徴の第３の例は、近傍周波数の平均化されたパワースペクトルの大きさに対する最もありそうな周波数における平均化されたパワースペクトルの大きさの比である。

分類特徴の第４の例は、画像において最もありそうな格子周波数の相当する周期である。

分類アルゴニズムは、支持ベクトル機械で実行されることが好ましい。アルゴニズム訓練用の入力は、上述の特徴のアレイ及び格子の有無の情報よりなる。

支持ベクトル機械は、例えば非特許文献１に説明される。

訓練の後、分類規則が記憶される。

新規の画像が検出方法に与えられると、まずこの新規の画像から上述の特徴が抽出され、分類規則が読み込まれ、更に分類アルゴニズムにより格子の有無が決定される。

提案された方法は、失敗による失敗率が許容できない場合は、方法をより確りさせるた
めに失敗リストの拡大を許す。

本発明の更なる利点及び実施例は、以下の説明及び図面から明らかとなるであろう。

この方法の入力はデジタル化された放射線画像、例えばＸ線画像のような医療用画像である。この画像は、例えば、Ｘ線管により作られそして検査される患者又は対象体により減衰されたＸ線ｗｏ、フィルム又は光刺激可能な蛍光スクリーン、ＣＭＯＳ検出器又は同等装置のような放射線検出装置において獲得することにより得られる。

本発明はＸ線画像に関連して説明されるであろうが、この特別な形式の画像に限定することを目論むものでなない。

Ｘ線が対象体を通過するときのその散乱量を減らすために、対象体と検出装置（例えばフィルム）との間に散乱防止格子が置かれることがある。この技法はよく知られそして普通に使用されるが、画像内にある種のアーティファクトを導くことがある。このアーティファクトは、画像をソフトコピイ上に表示し同時に画像をズームアウトするときに特に現れる。

本発明の説明された実施例による検出方法を実行するために、コンピューター又はイメージプロセッサーのメインメモリにデジタル化された画像データが読み込まれる（ステップ１０）。何らかの特徴を抜き出す前に、まず過剰暴露及び視準区域を識別するために最小閾値ｔｈ_ｍｉｎ及び最大閾値ｔｈ_ｍａｘを計算することが好ましい。特許文献５、特許文献６及び特許文献７に説明された技法をこの目的で使うことができる。

これらの閾値外の画素値のある領域は有効入力として捨てられる。これがステップ１１０及びステップ２１０に示される。

この最初の粗い仕分けの後、格子が最も見えそうな位置を両方向の種々の位置において位置決めすることを試みる。画像領域に対するある測度を計算する。この測度は、種々の画像位置において計算される。アルゴリズムの後段において、この測度が格子のない場合の測度の推定値より良くない画像位置を廃棄する（ステップ３２０）。

説明された方法においては、この推定値は直角方向から算出された測度の平均値である（ステップ３００−３１０）。格子の方向の決定はステップ３００においてなされる。この方法において、測度が最良の成績を有する方向を選択する。

次節において、測度が使用される場合を説明する。垂直方向のある領域が水平方向にある格子を検出するように作用することに注意されたい。現行の方法においては、画像領域は、水平方向又は垂直方向で位置決めされた幅Ｗ及び長さＬを有する長方形として定義される。画像の幅ｗ及び長さｌの境界にある画像領域は調査しない。

水平方向格子の検出のために、数個の位置ｘ及びこれと幅Ｗ及び長さＬだけ異なる位置ｙについての領域を抽出する。これらの領域は、垂直方向領域に対してはコーナーの点（ｘ，ｙ）（ｘ＋Ｗ，ｙ）（ｘ＋Ｗ，ｙ＋Ｌ）（ｘ，ｙ＋Ｌ）（ステップ１００）を、及び水平方向領域に対してはコーナー点（ｘ，ｘ）（ｘ＋Ｌ，ｙ）（ｘ＋Ｌ，ｙ＋Ｗ）（ｘ，ｙ＋Ｗ）（ステップ２００）を有する長方形内にある画素を含む。ステップ２０の閾値間の外側に画素値が少しでもある場合は、この領域は検査用に使用されず、そして無効な測度はこの特定の縦列ｘに対する測度のアレイに記憶される（ステップ１１０及び２１０）。異なったｙ位置について、最良の測度が水平方向格子方向に対する測度に追加され、対応した（ｘ，ｙ）位置がセーブされる（ステップ１７０及びステップ２７０）。

位置（ｘ，ｙ）における測度は、次の方法で計算される。まず、領域Ｒから低周波を除去するために高域通過フィルターが使用される（ステップ１２０及び２２０）。核要素［０．０５ ０．２５ −０．６ ０．２５ ０．０５］を有する一般的な簡単なフィルターの応用で十分であるが、その他のフィルターも使うことができる。濾波は、領域の長さ方向に沿って行われる。この高域通過濾波の後、濾波された領域の平均が領域の幅に沿って計算される（ステップ１２０及び２２０）。

これがノイズを大量に除去し、フーリエスペクトルの高周波におけるノイズの衝撃を減らす。

次いで、この平均プロフィルの自己相関を計算する（ステップ１３０及び２３０）。自己相関は、信号内の周期的変動を強調する。

自己相関の結果はその最大値により分割され（ステップ１３０及び２３０）、そしてこの尺度を合わせられ自己相関された信号のフーリエ変換の最大の大きさが計算され（ステップ１４０及び２４０）、更に使用された方向についての位置（ｘ，ｙ）に対する測度として記憶される（ステップ１５０及び２５０）。

両方向についての測度が計算されると、水平方向の最大の測度が垂直方向の最大の測度より大きいか否かが調べられる（ステップ３００）。この条件が真である場合は、格子は水平方向にありそして水平方向に対する位置及び測度が記憶される。格子なし画像の方向における平均最大パワースペクトルを表す閾値（ｔｈｒｅｓｈ）も計算する。これは、垂直方向に対して得られた測度を平均化することよって得られる。

ステップ３００の式が成立しない場合は、格子は垂直方向にあるとして、この方向に対する位置及び測度を記憶し、そして水平方向の測度から閾値を算出する。

この分類アルゴニズムの第１の特徴は、想定された方向における有効測度の全部にわたる計算閾値より大きい想定方向の測度の比率である（ステップ３１０）。これは０と１との間の数であり、これは画像内に格子が有るか無いかの信頼の尺度である。しかし、この特徴だけでは、格子の存在を決定するには一般に十分でない。

図４は、水平方向格子を有する画像についてのある結果を示す。円形は、測度が垂直方向格子に対する測度の平均より大きい位置を表す。菱形は、この比較が保持されない位置である。黒点は、閾値が計算された位置である。この例においては、ステップ３１０の特徴ネレム（ｎｅｌｅｍ）は０．８２３となる。この高い値は、画像中に水平方向格子があることが比較的確実であることを示す。

ステップ３００−３１０の閾値より小さい測度に対する位置を除去した後、分類アルゴニズムに供給するための特別な特徴を抽出するためにステップ４００に続く。

ステップ５１０又は５２０において、格子が最も観察できると考えられるステップ３２０の位置についてだけ画像から領域を抽出する。この領域は格子の方向に沿って平均化される（ステップ５１０又は５２０）。

各入力位置に対して、フーリエスペクトルＦを蓄積し（ステップ６００及び６１０）、そして自己相関され高域通過濾波をされた入力プロフィルのフーリエスペクトルの振幅が極大である相対周波数ｆにおけるヒストグラムの入力を増加させる（ステップ７００から
７２０）。図４の画像についての両ステップの結果が図５に示される。

ステップ９００において、最大値を有するヒストグラムにおける入力を探索する。これは、画像内にある格子の卓越した相対周波数φである。

として定義される周期が、分類特徴として記憶される。

ステップ９１０において、ゼロでない入力に達するまでステップ９００の周波数φの近傍の全ての値λを蓄積し、そしてヒストグラムの総入力に対する比率を計算する。

図５の例において、１４個の入力から７個の値が得られる。この例に対する計数特徴は０．５である。

ステップ９２０において、平均化されたフーリエスペクトルについて中央域濾波を実行し、そしてオリジナルスペクトルに対する比率を計算する（ステップ９３０）。

ステップ９４０において、ステップ９１０における計数特徴に寄与する相対周波数λにおける最大の比率を探索する。

図６は、スペクトルと中央域濾波されたスペクトルの比率を示す。この例においては、最後の特徴ｒは２．１０となる。

追加のステップとして、格子それ自体が画像内で現れる高調波又は相当する低い周波数の計算をすることもできる、最初に、図２に示されたアルゴニズムにおいて得られた基礎周波数φ及び相当する比率の入力がある。この値から、比率についての新しい閾値を計算する。

ｔｈ_ｍｉｎは比率に対して予め決められた最小値、ｔｈ_ｍａｘは比率に対して予め決められた最大値、ｐｅｒｃは０と１との間の予め決められた値である。

定められた区間内の比率の最大値がｔｈより大きい新しい相対周波数を見いだす新しい尺度及び区間を定める。与えられた尺度及び範囲に対して次の式が成立する場合は、新しい相対周波数ｓｃａｌｅ＊ｆを周波数に加え、次の条件を満たす周波数γを抑制することが望ましい。

ある条件においては、格子自体が相対周波数（１−φ）の近くのより低い周波数を示す。次の低い周波数ｈを抑制することも望ましい。

ここに、ｓｃａｌｅは１又は２に等しい。

これら特徴の全てが定められると、分類アルゴニズムを訓練することができる。

データーベース内に前に記憶された多くの画像（基準画像とも呼ばれる）から、上述の特徴を抽出し、これらを、格子を含んだ画像の情報とともに入力として供給する。

分類アルゴニズムの選択は自由である。

簡単のため、好ましくは線形ベースの関数による支持ベクトル機械の実行のための最良の分類パラメーターを選定するために、データーベースからの基準画像に対する交差実証を使用する。しかし、ラジアルベースの関数のような他のベースの関数を応用することもできる。

画像の格子が最も観察可能な部分を決定し、第１の特徴を抽出して、格子が恐らくは最も見込みのある位置決めをされる方向を決定する本発明によるアルゴリズムの実施例を示す。 前段階において決定された画像の部分から別の分類特徴を計算するための本発明によるアルゴニズムの実施例を示す。 分類アルゴニズムの訓練と使用とに関する流れ図を示す。 水平方向の格子を有する画像を示す。格子が最も観察可能な位置が円で示される。菱形で示された画像位置は、フーリエスペクトルの最大が上回らずかつ水平方向における画像領域のフーリエスペクトルの平均最大値の位置に相当する。 図４の円の位置における相対周波数のヒストグラム及びこれらの位置におけるフーリエスペクトルの平均値を示す。 この平均値の中間域濾波されたバージョンに対するフーリエの平均値の比を示す。

Claims (21)

1. デジタル画像内の格子の像を検出する方法であって、
   前記デジタル画像から所定数の分類特徴を抽出し、
   抽出された特徴を、所定数の基準画像から抽出された前記分類特徴で訓練された分類アルゴニズムで分類する
   諸段階を含む方法。
2. 前記分類アルゴニズムが支持ベクトル機械により実行される請求項１による方法。
3. 前記支持ベクトル機械の核関数が線形ベースの関数である請求項２による方法。
4. 前記分類アルゴニズムの分類パラメーターの最適値が、前記基準画像から抽出された前記分類特徴に対する交差実証による前記分類パラメーターの最適化により得られる請求項１による方法。
5. 前記デジタル画像の視準区域を表している部分が放棄される請求項１による方法。
6. 前記デジタル画像の過剰暴露区域を表している部分が放棄される請求項１による方法。
7. 前記デジタル画像内の格子の像の存在と組み合わせられた測度が、前記デジタル画像内の異なる方向及び領域について計算され、そして前記測度が前記測度の推定値より劣る実行をする前記デジタル画像中の領域が放棄される請求項１による方法。
8. 前記測度が、高域通過された画像領域のフーリエスペクトルの大きさの最大である請求項７による方法。
9. 前記測度が、平均化され高域通過された画像領域の最大である請求項８による方法。
10. 前記測度が、平均化され高域通過され尺度を合わせられ自己相関された画像領域の最大である請求項９による方法。
11. 前記測度の前記推定値は、最大の測度が最小である方向における前記測度の平均値である請求項７による方法。
12. 前記特徴の一つは、前記測度が前記推定値より悪い領域の数に対する前記測度が前記推定値よりよい領域の数の比である請求項１による方法。
13. 前記特徴の一つが前記格子の周期である請求項１による方法。
14. 格子の前記周期は、前記測度が前記推定値より良い異なった画像領域におけるフーリエスペクトルの最大の大きさにおける周波数のヒストグラムにおける相当した入力が極大である周期として定められる請求項１３による方法。
15. 前記特徴の一つが、低域通過濾波され平均化されたフーリエスペクトルの大きさに対する格子周波数における異なった画像位置の平均フーリエスペクトルの大きさの比である請求項１による方法。
16. 前記異なる画像領域は、前記測度が前記推定値より良い領域である請求項１５による方法。
17. 前記特徴の一つは、フーリエスペクトルの最大の大きさが格子周波数に置かれた画像領域の数と、フーリエスペクトルの最大周波数が格子周波数に置かれない画像領域の数との比である請求項１による方法。
18. 画像領域のフーリエスペクトルが、画像領域の平均化の後で計算される請求項１７による方法。
19. 画像領域のフーリエスペクトルが、平均化された画像領域の高域通過濾波の後で計算される請求項１８による方法。
20. 画像領域のフーリエスペクトルが、高域通過濾波され平均化された画像領域の自己相関の後で計算される請求項１９による方法。
21. 前記デジタル画像が医療用画像を表し、そして前記格子が散乱防止格子である請求項１による方法。