JP2008123370A - 独立成分分析(ica)法を用いたデジタル画像の画質改善法 - Google Patents
独立成分分析(ica)法を用いたデジタル画像の画質改善法 Download PDFInfo
- Publication number
- JP2008123370A JP2008123370A JP2006308271A JP2006308271A JP2008123370A JP 2008123370 A JP2008123370 A JP 2008123370A JP 2006308271 A JP2006308271 A JP 2006308271A JP 2006308271 A JP2006308271 A JP 2006308271A JP 2008123370 A JP2008123370 A JP 2008123370A
- Authority
- JP
- Japan
- Prior art keywords
- image
- digital image
- ica
- target digital
- noise
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012880 independent component analysis Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000006872 improvement Effects 0.000 title description 4
- 230000006870 function Effects 0.000 claims abstract description 75
- 238000006243 chemical reaction Methods 0.000 claims abstract description 14
- 238000001914 filtration Methods 0.000 claims description 7
- 238000002790 cross-validation Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000003325 tomography Methods 0.000 claims 1
- 239000011159 matrix material Substances 0.000 description 10
- 238000000354 decomposition reaction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 239000013598 vector Substances 0.000 description 6
- 238000000926 separation method Methods 0.000 description 5
- 238000002591 computed tomography Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000002945 steepest descent method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Abstract
【解決手段】(a)予め与えられた複数のサンプル画像から、独立成分分析(ICA)によって、前記複数のサンプル画像の統計的な空間的特徴を表す基底関数の組を抽出し、(b)画質を改善すべき対象デジタル画像をICA変換して、前記対象デジタル画像を前記基底関数の組に基づいて成分分解し、(c)前記対象デジタル画像を前記ICA変換したときの各変換係数を、Shrinkage関数によってフィルタリングして前記対象デジタル画像に含まれるノイズ成分を除去し、(d)前記フィルタリングした後の各変換係数を用いてICA逆変換を行い、画質の改善されたデジタル画像を得る。
【選択図】図1
Description
Component Analysis、ICA)法を用いてノイズを除去することにより、該デジタル画像の画質を改善する方法に関するものである。
また、本発明の方法において、前記対象デジタル画像は医用画像であってもよい。この場合、医用画像は、PET(Positron Emission Computed Tomography)のサイノグラム(Sinogram)であることが好ましい。
本発明の方法を、PET画像、とりわけ、再構成後の画像ではなくサイノグラムに適用するのは、サイノグラムに含まれるノイズが、ポアッソン分布に近く、また検出器固有のパターンを現わしやすいという特徴を有しているので、信号成分との分離が容易に実現可能であると考えられるからである。
ICA法によれば、サンプル画像[x1↑,x2↑,・・・,xN↑](文字の後ろに「↑」の記号を付した場合はベクトル表示であることを表す。以下、同様)は、基底関数[a1↑,a2↑,・・・,aM↑]の線形和で表され、その結合係数sは統計的に独立である。これを数式で表すと次のようになる。
X↑=A↑・S↑ (2)
となる。
サンプル画像セット行列X↑のみから、基底関数と特徴ベクトルを求めることは、一種のブラインドソース分離問題とみなせるので、ICA法を用いて解くことができる。
ICAでは、あるn×mの分離行列W↑を用いて、
Y↑=W↑・X↑ (3)
においてY↑を計算し、Y↑の各成分が互いに統計的に独立となるようなW↑を求める。
W↑を求めるに当たり、Y↑の各成分が独立か否かを判定する評価基準として、相互情報量(Kullback-Leibler divergence)または高次統計量(kurtosis)等が既に提案されている。この実施例では、Bell & Senjowskyが提案した相互情報量の最大化による手法を用いる。
一般に、W↑を解析的に求めることはできず、(9)式のDを最小にするW↑を求めるには、下記の自然勾配法が用いられる。
W↑の変化分は、(7)式で与えられる。通常の最急降下法に比べると、収束がよく、計算も簡単である。
まず、これら4枚の自然画像(各々128画素×128画素のサイズを有する)から任意に8画素×8画素の大きさのパッチ12、000個を切り出し、基底関数の組を学習によって抽出するためのサンプル画像とした。この場合、サンプル画像を形成するパッチのサイズは特に限定されないが、抽出される基底関数の組が、画質を改善すべき対象デジタル画像の空間的特徴を最もよく反映し得るようなパッチのサイズを設定することが好ましい。
(12)式を用いてW↑を学習すると、64×64の行列W↑が求められ、このときのW↑の各列が基底関数となる。この実施例では、基底関数の数は64となる。こうして抽出した基底関数の組を図4に示した。
また、図9に示したPET画像と、図11に示したPET画像との比較から、PET画像から形成したサンプル画像から抽出した基底関数の組を用いる方が、PET画像とは無関係な自然画像から形成したサンプル画像から抽出した基底関数の組を用いるより、良好なノイズ除去効果の得られることがわかる。
また、本発明の方法をPETのサイノグラムに適用すれば、サイノグラムに含まれるノイズが、ポアッソン分布に近い特性を有し、また検出器固有のパターンを現わしやすいという特徴を有し、信号成分からの分離が容易であることから、極めて有効なノイズ除去効果を得ることができる。そして、本発明の方法により画質の改善されたサイノグラムから画像の再構成を行うことにより、診断により適した鮮明なPET画像を得ることができる。もちろん、本発明の方法をPET画像以外の医用画像に適用可能でることは言うまでもない。
Claims (6)
- デジタル画像からノイズを除去することによって該デジタル画像の画質を改善する方法であって、
(a)予め与えられたサンプル画像から、独立成分分析(ICA)によって、前記複数のサンプル画像の特徴を統計的に表す基底関数の組を抽出するステップと、
(b)画質を改善すべき対象デジタル画像をICA変換して、前記対象デジタル画像を前記基底関数の線形和の形に成分分解するステップと、
(c)前記対象デジタル画像を前記ICA変換したときの各変換係数を、Shrinkage関数によってフィルタリングして前記対象デジタル画像に含まれるノイズ成分を除去するステップと、
(d)前記フィルタリングした後の各変換係数を用いてICA逆変換を行い、画質の改善されたデジタル画像を得るステップと、を含むことを特徴とする方法。 - 前記ステップ(c)において、前記変換係数を前記Shrinkage関数によってフィルタリングするとともに、前記対象デジタル画像における分解された画像部分のうち、目視によりノイズを含んでいると認識された画像部分を除去することを特徴とする請求項1に記載の方法。
- 前記ステップ(c)において、前記Shrinkage関数として、ポアッソンノイズに対するクロスバリデーション(cross-validation )法に基づくShrinkage関数を用いることを特徴とする請求項1または請求項2に記載の方法。
- 前記ステップ(a)において、前記サンプル画像を、前記対象デジタル画像に類似する対象物について前記対象デジタル画像の取得時と近似した条件下で取得したデジタル画像に基づいて作成することを特徴とする請求項1〜請求項3のいずれかに記載の方法。
- 前記対象デジタル画像は医用画像であることを特徴とする請求項1〜請求項4のいずれかに記載の方法。
- 前記医用画像は、PET(Positron Emission Computed
Tomography)のサイノグラム(Sinogram)であることを特徴とする請求項5に記載の方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006308271A JP2008123370A (ja) | 2006-11-14 | 2006-11-14 | 独立成分分析(ica)法を用いたデジタル画像の画質改善法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006308271A JP2008123370A (ja) | 2006-11-14 | 2006-11-14 | 独立成分分析(ica)法を用いたデジタル画像の画質改善法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2008123370A true JP2008123370A (ja) | 2008-05-29 |
Family
ID=39508044
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2006308271A Pending JP2008123370A (ja) | 2006-11-14 | 2006-11-14 | 独立成分分析(ica)法を用いたデジタル画像の画質改善法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2008123370A (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014130512A (ja) * | 2012-12-28 | 2014-07-10 | Toshiba Corp | 画像処理装置および画像処理方法 |
KR101495489B1 (ko) * | 2014-01-13 | 2015-03-02 | 세종대학교산학협력단 | 의료 영상 처리 장치 및 그 화질 개선 방법 |
CN105139373A (zh) * | 2015-05-14 | 2015-12-09 | 浙江大学 | 基于独立子空间分析的无参考图像质量客观评价方法 |
CN106803239A (zh) * | 2016-12-26 | 2017-06-06 | 浙江工业大学 | 基于ica和nltv的图像去噪方法 |
CN106875345A (zh) * | 2016-12-26 | 2017-06-20 | 浙江工业大学 | 基于奇异值权重函数的非局部tv模型图像去噪方法 |
CN106897971A (zh) * | 2016-12-26 | 2017-06-27 | 浙江工业大学 | 基于独立分量分析和奇异值分解的非局部tv图像去噪方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002323567A (ja) * | 2001-04-26 | 2002-11-08 | Shimadzu Corp | Ect装置 |
JP2006133204A (ja) * | 2004-10-07 | 2006-05-25 | Fujita Gakuen | Spect装置 |
-
2006
- 2006-11-14 JP JP2006308271A patent/JP2008123370A/ja active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002323567A (ja) * | 2001-04-26 | 2002-11-08 | Shimadzu Corp | Ect装置 |
JP2006133204A (ja) * | 2004-10-07 | 2006-05-25 | Fujita Gakuen | Spect装置 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014130512A (ja) * | 2012-12-28 | 2014-07-10 | Toshiba Corp | 画像処理装置および画像処理方法 |
KR101495489B1 (ko) * | 2014-01-13 | 2015-03-02 | 세종대학교산학협력단 | 의료 영상 처리 장치 및 그 화질 개선 방법 |
CN105139373A (zh) * | 2015-05-14 | 2015-12-09 | 浙江大学 | 基于独立子空间分析的无参考图像质量客观评价方法 |
CN105139373B (zh) * | 2015-05-14 | 2018-05-08 | 浙江大学 | 基于独立子空间分析的无参考图像质量客观评价方法 |
CN106803239A (zh) * | 2016-12-26 | 2017-06-06 | 浙江工业大学 | 基于ica和nltv的图像去噪方法 |
CN106875345A (zh) * | 2016-12-26 | 2017-06-20 | 浙江工业大学 | 基于奇异值权重函数的非局部tv模型图像去噪方法 |
CN106897971A (zh) * | 2016-12-26 | 2017-06-27 | 浙江工业大学 | 基于独立分量分析和奇异值分解的非局部tv图像去噪方法 |
CN106803239B (zh) * | 2016-12-26 | 2019-07-26 | 浙江工业大学 | 基于ica和nltv的图像去噪方法 |
CN106875345B (zh) * | 2016-12-26 | 2019-07-26 | 浙江工业大学 | 基于奇异值权重函数的非局部tv模型图像去噪方法 |
CN106897971B (zh) * | 2016-12-26 | 2019-07-26 | 浙江工业大学 | 基于独立分量分析和奇异值分解的非局部tv图像去噪方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Naimi et al. | Medical image denoising using dual tree complex thresholding wavelet transform and Wiener filter | |
JP5778957B2 (ja) | 疎回帰及び二次情報を用いる時空間画像復元 | |
KR102061967B1 (ko) | 뉴럴 네트워크를 이용한 엑스선 전산단층 촬영 영상 처리 방법 및 그 장치 | |
Stimpel et al. | Multi-modal deep guided filtering for comprehensible medical image processing | |
JP2008123370A (ja) | 独立成分分析(ica)法を用いたデジタル画像の画質改善法 | |
Ahmed et al. | Medical image denoising system based on stacked convolutional autoencoder for enhancing 2-dimensional gel electrophoresis noise reduction | |
Chierchia et al. | Epigraphical projection and proximal tools for solving constrained convex optimization problems: Part i | |
Brun et al. | Effective implementation of ring artifacts removal filters for synchrotron radiation microtomographic images | |
Pustelnik et al. | Parallel algorithm and hybrid regularization for dynamic PET reconstruction | |
Diwakar et al. | Inter-and intra-scale dependencies-based CT image denoising in curvelet domain | |
JP2021065707A (ja) | 医用画像処理装置、学習済みモデルおよび医用画像処理方法 | |
CN112734663A (zh) | 基于自适应阈值的轮廓波变换医学ct图像降噪方法 | |
Brun et al. | A comparative evaluation of ring artifacts reduction filters for X-ray computed microtomography images | |
Ameen et al. | An extensive review of medical image denoising techniques | |
JP6495615B2 (ja) | 画像処理装置および画像処理方法 | |
Budhewar | Wavelet and Curvelet Transform based Image Fusion Algorithm | |
Zhao et al. | Scanner-dependent threshold estimation of wavelet denoising for small-animal PET | |
KR101201519B1 (ko) | 영상의 대조도를 향상시키기 위한 디지털 영상 처리 장치 및 그 방법 | |
Goel et al. | CT and MRI image fusion using wiener filter in dual tree framework | |
JP2009028319A (ja) | Ivr画像の画質改善法 | |
Gupta et al. | A differential evolution approach to PET image de-noising | |
Kaur et al. | MRI denoising using non-local PCA with DWT | |
Li et al. | A novel medical image enhancement method based on wavelet multi-resolution analysis | |
Kaur et al. | An Analysis of Different Noise Removal Techniques in Medical Images | |
Lim | Discrete Shearlet Transform: faithful digitization concept and its applications |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20090407 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090408 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20090407 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110511 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20110928 |