JP2015525648A - 画像ノイズの低減及び／又は画像解像度の向上 - Google Patents

Abstract

画像データの画像品質を向上させるための方法は、画像データの複数のボクセルのそれぞれについて、辞書のエントリのセットを分析するステップであって、エントリが、ボクセルの低解像度のパッチとボクセルの対応する高解像度のパッチとの間のマッピング又はボクセルの周囲の局所近傍を表す、ステップと、複数のボクセルのそれぞれについて、前記の分析に基づいて部分空間を導出するステップであって、部分空間がマッピング又は局所近傍のうちの一方のためのものである、ステップと、部分空間に基づいて、ターゲットの画像データを復元するステップとを含み、ターゲットの画像データは、高い画像解像度又は低減された画像ノイズを有する画像データである。

Description

以下の説明は、一般に、取得される画像データの画像ノイズを低減すること及び／又は画像解像度を向上させることに関し、コンピュータ断層撮影法（ＣＴ）への具体的な適用に関して説明される。

ＣＴスキャナは、一般に、縦軸又はｚ軸の周囲の検査領域の周囲を回転する、回転可能なガントリ上に取り付けられるｘ線管を含む。ｘ線管は、検査領域及びその中の被験体又は対象物をトラバースする放射線を放射する。検出器アレイは、互いに対して整列されてｚ軸に沿って伸びる、検出器の１つ又は複数の列を含む。検出器は、検査領域及びその中の被検体又は対象物をトラバースする放射線を検出して、これを示す投影データを生成する。再構築器は、投影データを処理して、３Ｄ画像データを生成する。

しかしながら、ＣＴスキャナは、がんのリスクを増加させる可能性のある電離放射線を放出する。この懸念事項は、ＣＴスキャンの数が増加し、無症状の患者へのＣＴスキャンの使用がより広範になるにつれて、重大になってきている。患者に蓄積される放射線量は、スキャンの管電流及び／若しくは電圧及び／若しくは数を減少させること、並びに／又はピッチ、スライスの厚さ及び／若しくはスライスの間隔を増大させることによって低減され得る。しかしながら、画像ノイズは放射線量に反比例するため、放射線量を低減させることは、患者に蓄積される放射線量を低下させるだけでなく、取得されるデータの画像ノイズを増加させ、この画像ノイズが再構築中に画像データに伝播されて、画像品質を低下させること（すなわち、よりノイズが多く、シャープさに欠ける画像）になり、そしてこのような画像品質の低下は、画像化データの診断価値を下げる可能性がある。

画像のノイズ除去の目的は、ノイズの多い測定値から平均化を通して元の画像を回復させることである。この平均化は局所的に、次の方法により実行されてよい：ガウス平滑化モデル、異方性フィルタ及び変分法による隣接フィルタ：全変動最小化又は周波数領域：経験的ウィーナーフィルタ及びウェーブレット閾値化法。非局所的手段（ＮＬ：non-local means）は、画像内のピクセル全ての非局所平均化に基づく画像ノイズ除去プロセスである。特に、ピクセルに対する重み付けの量は、そのピクセルを中心とする小さなパッチと、ノイズ除去されているピクセルを中心とするその小さなパッチとの間の類似性の度合いに基づく。

画像の解像度は、超解像度アルゴリズムを通して改善されている。一部の超解像度アルゴリズムは、画像化システムの回折限界を超えるが、他の解像度アルゴリズムは、検出器の解像度に対する改善を提供する。マルチフレームの超解像度アルゴリズムは、一般に、同じシーンの複数の低解像度画像の間のサブピクセルシフトを使用し、複数の低解像度画像を単一の高解像度画像に融合させるか組み合わせることによって、画像解像度を改善する。学習ベースの超解像度アルゴリズムは更に、未知の高解像度画像を推論する前にアプリケーションの依存性を組み込む。

上記の点において、画像の品質を維持しつつ患者の線量を低減するため及び／又は画像解像度を向上させるための他のアプローチについて未解決のニーズが存在する。

本明細書で説明される態様は、上述の課題及び他の課題に対処する。

一態様において、画像データの画像品質を向上させるための方法は、画像データの複数のボクセルのそれぞれについて、辞書のエントリのセットを分析するステップであって、エントリが、ボクセルの低解像度のパッチとボクセルの対応する高解像度のパッチとの間のマッピング又はボクセルの周囲の局所近傍を表す、ステップと、複数のボクセルのそれぞれについて、前記の分析に基づいて部分空間を導出するステップであって、部分空間は、マッピング又は局所近傍のうちの一方のためのものである、ステップと、部分空間に基づいて、ターゲットの画像データを復元するステップとを含み、ターゲットの画像データは、高い画像解像度又は低減された画像ノイズを有する画像データである。

別の態様において、画像データプロセッサは、画像データの複数のボクセルのそれぞれについて、辞書のエントリのセットを分析する分析器を備え、エントリが、ボクセルの低解像度のパッチと、ボクセルの対応する高解像度のパッチとの間のマッピング又はボクセルの周囲の局所近傍を表し、当該分析器は、複数のボクセルのそれぞれについて、前記の分析に基づいて、マッピング又は局所近傍のうちの一方について部分空間を導出し、当該画像データプロセッサは、前記部分空間に基づいてターゲットの画像データを復元する画像復元装置も備え、ターゲットの画像データは、高い画像解像度又は低減された画像ノイズを有する画像データである。

別の態様では、コンピュータ実行可能命令がエンコードされるコンピュータ読取可能媒体が提供され、該コンピュータ実行可能命令は、プロセッサによって実行されると、該プロセッサに、高い画像解像度又は低減されたノイズの画像データを、初期の画像データ及び非局所主成分分析（ＰＣＡ：principle component analysis）に基づいて生成させる。

本発明は、様々なコンポーネント及びコンポーネントの配置、並びに様々なステップ及びステップの配置の形式をとり得る。図面は、好適な実施形態を例示するためのものに過ぎず、本発明を限定するものとして解釈されるべきではない。

画像データの画像品質を向上させるように構成される、画像データプロセッサに関連して例示の画像化システムを概略的に示す図である。 画像データプロセッサの例を概略的に示す図である。 画像品質を向上させるための方法を示す図である。 画像解像度を向上させるための方法を示す図である。 ノイズを低減させるための方法を示す図である。

初めに、図１を参照すると、コンピュータ断層撮影（ＣＴ）スキャナのような画像化システム１００が、概略的に図示されている。

画像化システム１００は、一般に固定ガントリ１０２と回転ガントリ１０４とを含む。回転ガントリ１０４は、固定ガントリ１０２によって回転可能に支持され、検査領域１０６の周囲を縦軸又はｚ軸の周りに回転する。

ｘ線管のような放射線源１１０は、回転ガントリ１０４によって回転可能に支持される。放射線源１１０は、回転ガントリ１０４により回転して、検査領域１０６をトラバースする放射線を放射する。ソースコリメータは、放射線をコリメートして、一般的に円錐、くさび形、扇状又はたの形状の放射線ビームを形成する、コリメートメンバを含む。

高感度検出器アレイ１１２は、検査領域１０６をわたって放射線源１１０の反対側の角円弧（angular arc）に対する。検出器アレイ１１２は、ｚ軸方向に沿って伸びる検出器の複数の列を含む。検出器アレイ１１２は、検査領域１０６をトラバースする放射線を検出し、これを示す投影データを生成する。

再構築器（reconstructor）１１４は、投影データを再構築して、これを示す３次元（３Ｄ）体積画像データを生成する。再構築器１１４は、従来の３Ｄフィルタ逆投影法による再構築、円錐ビームアルゴリズム、反復アルゴリズム及び／又は他のアルゴリズムを用いることがある。

カウチのような被検体サポート１１８は、検査領域１０６において、人間又は動物の患者のような対象物又は被検体を支える。被検体サポート１１８は、システム１００に関連して、スキャン前、スキャン中及び／又はスキャン後に被検体又は対象物の位置に対して垂直及び／又は水平に移動するように構成される。

汎用コンピューティングシステム又はコンピュータは、オペレータコンソール１２０として機能する。コンソール１２０は、モニタやディスプレイのような人間が読取可能な出力デバイスと、キーボードやマウス等のような入力デバイスとを含む。コンソール１２０上に存在するソフトウェアにより、オペレータは、グラフィカルユーザインタフェース（ＧＵＩ）又は他のものを介してスキャナ１００と対話をすることができ、これにより例えば放射線量を低減及び／又は画像品質を向上させるアルゴリズム等を選択することが可能になる。

画像データプロセッサ１１６は、画像データを処理して、該画像データのノイズを低減させ、かつ／又は画像解像度を向上させる。以下で更に詳細に説明されるように、一例において、画像データプロセッサ１１６は、非局所主成分分析（ＰＣＡ）及び学習ベースの超解像度アルゴリズムを用いて画像データのノイズを低減させ、かつ／又は画像解像度を向上させる。そのように画像ノイズを低減させることにより、画像品質を維持しつつ、スキャンの放射線（したがって、患者に蓄積される線量）を低減させることができる。解像度を向上させることにより、画像解像度を強化することができる。ノイズの低減と画像解像度の向上との組合せも本明細書において考慮される。

画像データプロセッサ１１６は、物理メモリ又は他の非一時媒体のようなコンピュータ読取可能記憶媒体上にエンコードされるか、具現化される１つ又は複数のコンピュータ読取可能命令を実行するプロセッサにより実装され得る。そのようなプロセッサは、コンソール１２０の一部及び／又は専用の可視化コンピュータのような他のコンピューティングデバイスの一部、及び／又は他のコンピューティングデバイスとすることができる。あるいはまた、プロセッサは、搬送波、信号又は一時媒体のような他の非コンピュータ読取可能記憶媒体によって担持される、少なくとも１つのコンピュータ読取可能命令を実行することができる。

データリポジトリ１２２を使用して、システム１００及び／又は画像データプロセッサ１１６によって生成される画像データ、画像データプロセッサ１１６によって使用される画像データ及び／又は他のデータを格納することができる。データリポジトリ１２２は、画像保管通信システム（ＰＡＣＳ）、放射線情報システム（ＲＩＳ）、医療情報システム（ＨＩＳ）、電子カルテ記録（ＥＭＲ）データベース、サーバ、コンピュータ及び／又は他のデータリポジトリのうちの１つ又は複数を含んでよい。データリポジトリ１２２は、システム１００のローカルとすることも、システム１００からリモートにすることもできる。

図２は、画像データプロセッサ１１６の例を概略的に図示している。

図示される画像データプロセッサ１１６は、解像度を向上させて、より高解像度の画像データを生成するように処理される画像データを受信する。この画像データは、例えば従来の線量の画像データのノイズ又は解像度のレベルに対してノイズを低減及び／又は解像度を向上させるために（すなわち、より低く又は高くなるよう）処理されている、より低い線量の画像データであり得る。あるいは、この画像データは、単に解像度を向上させるために処理されている従来の線量の画像データであってもよい。画像データは、再構築器１１４（図１）、データリポジトリ（図１）及び／又は他のデバイスからのものとすることができる。

辞書バンク２０４は、様々な辞書を格納する。図示される辞書バンク２０４は、事前生成辞書（prior generated dictionary）２０６、自己相似性辞書（self-similarity dictionary）２０８及び／又は導出辞書（derived dictionary）２１０のうちの少なくとも１つを含む。各辞書は、画像データ内の処理されるべき各ボクセルについての辞書を含む。

事前生成辞書２０６は、画像データプロセッサ１１６に対して提供される、既に生成された辞書を含む。

辞書決定器２１２は、自己相似性辞書２０８及び／又は導出辞書２１０を決定する。辞書決定器２１２は、事前生成辞書２０６を、例えば同じ患者及び／又は別の患者に対応する最初の画像データ及び／又は他の画像データについての以前の処理の間に決定していてもよい。

自己相似性辞書２０８について、辞書決定器２１２は、画像データをダウンスケールし、該ダウンスケールされた画像データ及び画像データのボクセル近傍の間の合致の集合を生成する。別の実施形態では、他のボクセルが追加又は代替として収集されてもよい。ノイズ除去のコンテキストにおいて、この辞書は、入力スタディ（input study）における全てのパッチの集合として作成される。

導出辞書２１０について、辞書決定器２１２は、登録アルゴリズム、マッチングアルゴリズム及び／又は他のアルゴリズムを使用して、画像データ内のボクセルに対応する、高解像度画像内のボクセル近傍を識別する。次いで、導出辞書２１０が、高解像度画像データとダウンスケールされた高解像度画像データのボクセル近傍の間の合致の集合として導出される。ダウンスケーリングは、適切なフィルタを用いる平滑化及び／又は他の処理によって、そしてオプションとしてフィルタされた高解像度の画像データをサブサンプリングすることによって、達成され得る。

オプションの（ハイパス）フィルタ２１４は、辞書内の低周波数成分をフィルタし、その結果、辞書エントリは、全ての可能性ある最低周波数成分の値について格納される必要がない、すなわち、スタディパッチ（study patches）に対して辞書を直接的に導出するのではなく、その高周波数のコンテンツに対応する局所特徴を抽出するために、前処理するハイパスフィルタを用いる。このフィルタリングにより、低解像度のパッチと、対応する高解像度のパッチ内のエッジ及びテクスチャコンテンツとの間の関係を特徴付ける際のトレーニングに焦点を当てることが可能になる。

非局所分析器２１６は、各ボクセルについて、辞書エントリのセットを取得する。非局所分析器２１６は、エントリのこのセットを分析して、予想されるパッチについて部分空間を得る。ノイズ除去のコンテキストでは、部分空間は、ボクセルの周囲の局所近傍のためのものであり、超解像度のコンテキストでは、部分空間は、低解像度と高解像度のパッチとの間のマッピングについてのものである。

より具体的には、ノイズ除去のために、画像データ内の各ボクセルについて、ボクセルの周囲の現在処理されているパッチに類似するパッチが識別される。次いで、識別されたパッチを行列内に置くことによって、データ行列が作成され、この場合、各パッチは、行列内の１つの行に対応している。重み付けされていないＰＣＡ又は重み付けされるＰＣＡが行列に適用され、この場合、サンプルは、行列の行であり、重み付けＰＣＡの場合、重みは、上記パッチ及び／又は（識別された）パッチにおける局所ノイズレベルの間の相似関数の機能である。

非局所分析器２１６は次いで、局所信号／パッチをモデル化するのに使用される最大の対応固有値を有する主成分の数を予想する。局所信号／パッチをモデル化するための適切な方法には、これらには限定されないが、赤池情報量基準、ベイジアン情報量基準、逸脱度情報量基準、段階的回帰、クロス確認、マローズ（Ｍａｌｌｏｗｓ）Ｃｐ、フォーカス情報量基準、連続する固有値の間の比／差分の閾値処理及び／又は他の予想技術が含まれる。

超解像度について、ステップは以下の例外を除いて類似する。入力画像内の各ボクセルについて、該ボクセルの周囲の現在処理されているパッチと類似する低解像度のパッチを有する辞書エントリが識別される。行列内の各行は、辞書エントリの全体で構成される、すなわち、辞書エントリの低解像度のパッチ及び高解像度のパッチで構成される２つのベクトルの連結である。相似関数は、現在処理されているパッチと、辞書の低解像度のパッチのエントリとの間である。主成分の数の予想が適用され、辞書の低解像度のエントリパッチについてのみ対応する測定値が存在する。

オプションの制約実施装置（enforcer）２１８は、１つ又は複数の所定の制約、例えば同様のパッチを識別することに関して制約を実施する。そのような制約は、現在処理されているパッチの重み付けされた平均値よりも大きい、重み付けされた平均値を有する類似のパッチの数を、より小さい重み付けされた平均を有するパッチの数と等しくするものとすることができる。このオプションの制約は、一部のシナリオに置いて、低コントラストの領域の保存を容易にすることができる。

画像復元装置（restorer）２２０は、ターゲットの画像データを復元する。ノイズ除去のコンテキストにおいて、ターゲットの画像データは、低減ノイズの画像データであり、超解像度のコンテキストでは、ターゲットの画像データは、高解像度の画像データである。適切な復元には、これらに限られないが、局所アプローチ、グローバルアプローチ及び／又は他のアプローチが含まれる。

下記に、貪欲法（greedy approach）又は他の最適化アプローチを使用する例示の局所アプローチを説明する。

ノイズ除去のために、ノイズのあるスタディ（noisy study）の各ボクセルについて、最小二乗法を使用して方程式１に示される最適化を解く。
方程式１：

ここで、Pは、現在処理されているボクセルの周囲のパッチに対応するベクトルであり、V_avgは、各パッチが行列内の１つの行に対応する場合、関連するパッチを含む行列Aの各列の平均値のべクトルであり、V_iは、行列A内のサンプルのｉ番目に大きい対応する固有値の主成分であり、Kは、現在処理されているボクセルからの距離を不利にする（penalize）重み付けカーネルであり、mは、現在の局所パッチをモデル化する主成分の数である。

回復されたノイズのないパッチは、方程式２で示される。
方程式２：

回復されたノイズのないパッチは、オーバーラップエリア内で重み付け平均を取ることによってマージされ、最終的な復元された画像を作成する。

超解像度のために、ノイズのあるスタディ内の各ボクセルについて、最小二乗法を使用して方程式３に示される最適化を解く。
方程式３：

ここで、上付き文字lrは、辞書エントリの低解像度パッチに対応しているベクトルセクションを指す。回復されたノイズのないパッチは、方程式４で示される。
方程式４：

ここで、上付き文字hrは、辞書エントリの高解像度パッチに対応しているベクトルセクションを指す。

回復された高解像度のパッチは、オーバーラップエリア内で重み付け平均を取ることによってマージされ、復元された画像を作成する。フィルタリングされたパッチを使用する場合、復元された画像が入力スタディの補間されたスタディへ追加される。

追加のオプションのステップは、低解像度の入力スタディとアルゴリズムの出力の高解像度のスタディとの間にグローバル復元制約を実施することである。これは、方程式５に示されるような、逆投影法を使用して効果的に行われる。
方程式５：

ここで、I^lowは入力スタディであり、

は、前のステップの出力スタディであり、USは、アップスケール演算子であり、DSはダウンスケール演算子である。

追加のオプションのステップは、方程式６に示されるように、方程式５とともにゲインパラメータを含めることである。
方程式６：

ここで、gは、画像に追加される高周波数の強度を制御するゲインパラメータである。一例において、gのデフォルト値は１であり、gの値は、精細度を予め設定することによって設定される。代替のオプションは、gの値を、ディスプレイ上にリアルタイムで提示される更新された結果とともに、ユーザがスクローラ等を使用してリアルタイムで制御することができる。

以下では、グローバルコスト関数又は他の関数の最適化を使用する、例示のグローバルアプローチを説明する。

ノイズ除去のために、ノイズのあるスタディ内のボクセルは全て、例えば以下の方程式７に示される最適化を解くのに使用される最小二乗法を用いて、同時に最適化される。
方程式７：

ここで、P^jは、ボクセルjの周囲のパッチに対応するベクトルであり、

は、ボクセルjの周囲の回復されたパッチ内のボクセルｋであり、この場合、ボクセルjの周囲の回復されたパッチは、

であり、

は、ボクセルjについての行列Aの各列の平均値のベクトルであり、

は、ボクセルjについての行列A内のサンプルのｉ番目に大きい対応する固有値を有する主成分であり、Kは、その中央から離れる距離を不利にする重み付けカーネルであり、m^jは、ボクセルjの周囲のパッチをモデル化する主成分の数であり、K_kは、カーネル内のk要素であり、

は、ボクセルj1の周囲のパッチのk1要素がスタディ内でボクセルj2の周囲のパッチのk2要素とオーバーラップしている場合にのみ１に等しいインデックスであり、λはスカラ入力パラメータである。

回復されたノイズのないパッチは、方程式８で示される。
方程式８：

回復されたノイズのないパッチは、オーバーラップエリア内で重み付け平均を取ることによってマージされて、最終的な復元された画像を作成する。

超解像度のために、ノイズの多いスタディ内のボクセルは全て、例えば方程式９に示される最適化を解くのに使用される最小二乗法を使用して同時に最適化される。
方程式９：

ここで、上付き文字lrは、辞書エントリの低解像度パッチに対応しているベクトルセクションを指している。回復されたノイズのないパッチは、方程式１０で示される。
方程式１０：

ここで、上付き文字hrは、辞書エントリの高解像度パッチに対応しているベクトルセクションを指している。

回復された高解像度のパッチは、オーバーラップエリア内で重み付け平均を取ることによってマージされて、復元された画像を作成する。フィルタされたパッチを使用する場合、復元された画像が入力スタディの補完されたスタディに追加される。

追加のオプションのステップは、低解像度の入力スタディとアルゴリズムの出力の高解像度のスタディとの間でグローバル復元制約を実施することである。これは、上記の方程式５に示されるような、逆投影法を使用して効果的に行われる。

図３、図４、図５はそれぞれ、画像品質を向上させるための方法、画像解像度を向上させるための方法及びノイズを低減するための方法を図示している。

ここで説明される方法の動作の順序は、限定ではないことが認識されよう。したがって、本明細書において、他の順序も考慮される。加えて、１つ若しくは複数の動作を省略してもよく、かつ／又は１つ若しくは複数の追加の動作が含まれてもよい。

図３は、画像品質を向上させるための方法を図示している。

３０２において、処理されるべき各ボクセルについて、調整済みの辞書（tailored dictionary）を取得する。超解像度のコンテキストでは、各辞書エントリは、高解像度のボクセルと低解像度のボクセルとの間のマッピングを表す。ノイズ除去のコンテキストでは、辞書エントリは、ビルディングブロックを表す。説明されるように、調整済みの辞書は、事前生成、自己相似性及び／又は導出辞書の組合せである。

３０４において、各ボクセルについて、対応する辞書エントリのセットの分析に基づいて、部分空間が決定される。超解像度のコンテキストでは、部分空間は、高解像度のボクセルと低解像度のボクセルとの間のマッピングである。ノイズ除去のコンテキストでは、部分空間は、ボクセルの周囲の局所近傍のためのものである。

３０６において、局所及びグローバルな忠実性と互換性の制約を組み込むことによって、画像データが復元される。ノイズ除去のコンテキストでは、ターゲットの画像データは、低減ノイズの画像データであり、超解像度のコンテキストでは、ターゲットの画像データは、高解像度の画像データである。適切な制約は、導出される信号部分空間を有する予想局所信号の互換性、近傍信号の部分空間の間の互換性、低解像度との画像と、その予想される高解像度の画像との間の互換性を含んでよい。

図４は、画像の解像度を向上させるための方法を図示している。

４０２において、処理すべき画像データ内の各ボクセルについて、調整済みの辞書を取得する。本明細書で議論されるように、各辞書エントリは、低解像度のボクセルと、対応する高解像度のボクセルとの間のマッピングを表す。

４０４において、調整済みの辞書からの辞書エントリが、処理すべきボクセルの周囲のパッチに対応する低解像度のパッチについて取得される。

４０６において、取得されたパッチに基づいて行列が作成される。本明細書で検討されるように、行列内の各行は、辞書エントリの全体で構成される、すなわち、辞書エントリの低解像度のパッチと高解像度のパッチで構成される２つのベクトルの連結である。

４０８において、ＰＣＡ又は重み付けＰＣＡが行列に対して実行される。このために、サンプルは、行列の行であり、重み付けＰＣＡの場合、重みは、現在処理されているパッチと辞書の低解像度のパッチのエントリとの間の相似関数の機能である。

４１０において、主成分の数が予想される。この場合、対応する測定値は、辞書の低解像度のエントリのパッチについてのみである。

４１２において、高解像度の画像が、本明細書で説明されるように、辞書の低解像度のパッチ、行列、主成分、主成分の数及び局所若しくはグローバル最適化に基づいて復元される。

図５は、画像ノイズを低減するための方法を図示している。

５０２において、処理すべき画像データ内の各ボクセルについて、調整済みの辞書が取得される。本明細書で検討されるように、各辞書エントリはビルディングブロックを表す。

５０４において、ボクセルの周囲の現在処理されているパッチに類似するパッチが識別される。

５０６において、取得されたパッチに基づいて、行列が作成される。本明細書で検討されるように、各パッチは、行列内の１つの行に対応する。

５０８において、ＰＣＡ又は重み付けＰＣＡが行列に対して実行される。このために、サンプルは、行列の行であり、重み付けＰＣＡの場合、重みは、パッチ及び／又は上記の識別されたパッチ内における局所ノイズレベルの間の相似関数の機能である。

５１０において、主成分の数が予想される。この場合において、対応する測定値は、辞書の低解像度のエントリパッチについてのみである。

５１２において、低減ノイズ画像が、本明細書で説明されるように、ボクセルの周囲のパッチ、行列、主成分、主成分の数及び局所若しくはグローバル最適化に基づいて復元される。

本明細書で説明される方法は、１つ又は複数のプロセッサに様々な動作及び／又は他の機能及び／又は動作を実行させる物理メモリのようなコンピュータ読取可能記憶媒体上にエンコードされるか具現化される、１つ又は複数のコンピュータ読取可能命令を実行する１つ又は複数のプロセッサにより実施され得る。あるいはまた、１つ又は複数のプロセッサは、信号又は搬送波のような一時媒体によって担持される命令を実行することができる。

本発明は、好適な実施形態との関連で説明されている。上記の詳細な説明を読み、理解すると、他のものに対して修正及び変更が行われてもよい。本発明は、そのような修正及び変更が、添付の特許請求の範囲又はその均等の範囲内なる限りにおいて、そのような修正及び変更を全て含むものとして解釈されるよう意図される。

Claims (25)

1. 画像データの画像品質を向上させるための方法であって、
   画像データの複数のボクセルのそれぞれについて、辞書のエントリのセットを分析するステップであって、エントリが、ボクセルの低解像度のパッチとボクセルの対応する高解像度のパッチとの間のマッピング又はボクセルの周囲の局所近傍を表す、ステップと、
   前記複数のボクセルのそれぞれについて、前記の分析に基づいて部分空間を導出するステップであって、前記部分空間は、前記マッピング又は前記局所近傍のうちの一方のためのものである、ステップと、
   前記部分空間に基づいて、ターゲットの画像データを復元するステップであって、前記ターゲットの画像データは、高い画像解像度又は低減された画像ノイズを有する画像データである、ステップと、
   を含む、方法。
2. 前記部分空間を導出するステップは、
   前記画像データ内の各ボクセルについて、該ボクセルの周囲の現在処理されているパッチと類似する複数のパッチを識別するステップと、
   前記識別された複数のパッチを有するデータ行列を作成するステップと、
   前記行列に対してＰＣＡを実行するステップと、
   局所パッチをモデル化する最大対応固有値を有する主成分の数を予想するステップと
   を含む、請求項１に記載の方法。
3. 前記ＰＣＡは重み付けＰＣＡであり、重みは、前記のパッチのうちの少なくとも１つの間の相似関数又は前記複数のパッチ内における局所ノイズレベルの関数である、請求項２に記載の方法。
4. 前記局所パッチは、赤池情報量基準、ベイジアン情報量基準、逸脱度情報量基準、段階的回帰、クロス確認、マローズＣｐ、フォーカス情報量基準又は連続する固有値の間の比／差分の閾値処理のうちの１つ又は複数を使用してモデル化される、請求項２又は３に記載の方法。
5. 現在処理されているパッチの重み付け平均値よりも大きい重み付け平均値を有する類似パッチの数が、より小さい重み付け平均のパッチの数と等しい、請求項１乃至４のいずれか一項に記載の方法。
6. 復元装置が、局所最適化を用いて前記画像データを復元する、請求項１乃至５のいずれか一項に記載の方法。
7. 復元装置が、グローバル最適化を用いて前記画像データを復元する、請求項１乃至５のいずれか一項に記載の方法。
8. 辞書が、事前辞書、自己相似性辞書又は導出辞書のうちの１つ又は複数の組合せである、請求項１乃至７のいずれか一項に記載の方法。
9. 前記自己相似性辞書は、対応するダウンスケールされたパッチに対する低解像度の画像データのパッチの間の合致の集合を含む、請求項８に記載の方法。
10. 前記合致は、パッチのサブセットを含み、該パッチのサブセットは、前記低解像度の画像データの近傍にあるパッチのみを含む、請求項９に記載の方法。
11. 前記合致は、前記低解像度の画像データのパッチの全てを含む、請求項９に記載の方法。
12. 前記導出辞書は、高解像度の画像データから導出される、請求項８乃至１１のいずれか一項に記載の方法。
13. 辞書内のエントリをハイパスフィルタするステップであって、これにより、所定の周波数より低い周波数のエントリを除去し、事前処理された辞書を生成するステップを更に備え、
    前記事前処理された辞書は、高周波数コンテンツに対応する局所特徴を含む、請求項１乃至１２のいずれか一項に記載の方法。
14. 前記事前処理された辞書は、低解像度のパッチと前記対応する高解像度のパッチ内のエッジ及びテクスチャコンテンツとの間の関係を特徴付ける、請求項１３に記載の方法。
15. 画像データプロセッサであって、
    画像データの複数のボクセルのそれぞれについて、辞書のエントリのセットを分析する分析器であって、エントリが、ボクセルの低解像度のパッチと、ボクセルの対応する高解像度のパッチとの間のマッピング又はボクセルの周囲の局所近傍を表し、当該分析器は、前記複数のボクセルのそれぞれについて、前記の分析に基づいて、前記マッピング又は前記局所近傍のうちの一方について部分空間を導出する、分析器と、
    前記部分空間に基づいてターゲットの画像データを復元する画像復元装置と、
    を備え、
    前記ターゲットの画像データは、高い画像解像度又は低減された画像ノイズを有する画像データである、画像データプロセッサ。
16. 前記分析器は、前記画像データ内の各ボクセルについて、該ボクセルの周囲の現在処理されているパッチと類似するパッチを識別し、該識別されたパッチを有するデータ行列を作成し、該行列に対してＰＣＡ又は重み付けＰＣＡのうちの一方を実行し、局所パッチをモデル化する最大対応固有値を有する主成分の数を予想することによって、前記部分空間を導出する、
    請求項１５に記載の画像データプロセッサ。
17. 現在処理されているパッチの重み付け平均値よりも大きい重み付け平均値を有する類似パッチの数が、より小さい重み付け平均のパッチの数と等しい、請求項１５又は１６に記載の画像データプロセッサ。
18. 前記復元装置は、局所最適化又はグローバル最適化の一方を使用して前記画像データを復元する、請求項１５乃至１７のいずれか一項に記載の画像データプロセッサ。
19. 辞書は、事前辞書、自己相似性辞書又は導出辞書のうちの１つ又は複数の組合せである、請求項１５乃至１８のいずれか一項に記載の画像データプロセッサ。
20. 前記自己相似性辞書は、対応するダウンスケールされたパッチに対する低解像度の画像データのパッチの間の合致の集合を含み、該集合は、前記低解像度の画像データの近傍にあるパッチのサブセットを含む、請求項１９に記載の画像データプロセッサ。
21. 前記自己相似性辞書は、対応するダウンスケールされたパッチに対する低解像度の画像データのパッチの間の合致の集合を含み、該集合は、前記低解像度の画像データのパッチの全てを含む、請求項１９に記載の画像データプロセッサ。
22. 前記導出辞書は、高解像度の画像データから導出される、請求項１９乃至２１のいずれか一項に記載の画像データプロセッサ。
23. 前記辞書内のエントリをバイパスフィルタし、これにより、所定の周波数より低い周波数のエントリを除去し、事前処理された辞書を生成するフィルタを更に備え、
    前記事前処理された辞書は、高周波数コンテンツに対応する局所特徴を含む、
    請求項１５乃至２２のいずれか一項に記載の画像データプロセッサ。
24. 前記事前処理された辞書は、低解像度のパッチと前記対応する高解像度のパッチ内のエッジ及びテクスチャコンテンツとの間の関係を特徴付ける、請求項２３に記載の画像データプロセッサ。
25. プロセッサによって実行されると、該プロセッサに、
    初期の画像データ及び非局所主成分分析（ＰＣＡ）に基づいて、高い画像解像度又は低減されたノイズの画像データを生成させる、
    コンピュータ実行可能命令がエンコードされるコンピュータ読取可能媒体。

Images