NL1027609C2 - Resolutie aanpassend beeldfilteringssysteem en werkwijze. - Google Patents

Resolutie aanpassend beeldfilteringssysteem en werkwijze. Download PDF

Info

Publication number
NL1027609C2
NL1027609C2 NL1027609A NL1027609A NL1027609C2 NL 1027609 C2 NL1027609 C2 NL 1027609C2 NL 1027609 A NL1027609 A NL 1027609A NL 1027609 A NL1027609 A NL 1027609A NL 1027609 C2 NL1027609 C2 NL 1027609C2
Authority
NL
Netherlands
Prior art keywords
image
sampling rate
image data
pixel
processing
Prior art date
Application number
NL1027609A
Other languages
English (en)
Other versions
NL1027609A1 (nl
Inventor
Gopal B Avinash
Rakesh Mohan Lal
David C Mack
Original Assignee
Ge Med Sys Global Tech Co Llc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ge Med Sys Global Tech Co Llc filed Critical Ge Med Sys Global Tech Co Llc
Publication of NL1027609A1 publication Critical patent/NL1027609A1/nl
Application granted granted Critical
Publication of NL1027609C2 publication Critical patent/NL1027609C2/nl

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00Geometric image transformations in the plane of the image
    • G06T3/40Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4084Scaling of whole images or parts thereof, e.g. expanding or contracting in the transform domain, e.g. fast Fourier transform [FFT] domain scaling
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/20Image enhancement or restoration using local operators
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/70Denoising; Smoothing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/73Deblurring; Sharpening
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20004Adaptive image processing
    • G06T2207/20012Locally adaptive
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20172Image enhancement details
    • G06T2207/20192Edge enhancement; Edge preservation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Studio Circuits (AREA)

Description

t
'II
r
Korte aanduiding: Resolutie aanpassend beeldfilteringssysteem en werkwij ze.
De uitvinding heeft betrekking op het gebied van digitale beeldvorming en beeldversterking. Meer in het bijzonder heeft de uitvinding betrekking op een techniek voor het verbeteren van de beeldversterking door middel van het op geschikte wijze filteren 5 van ingangsbeeldgegevens op basis van een optimale bemonsterings-snelheid voor de gegevens.
Tegenwoordig zijn vele technieken beschikbaar en in gebruik voor het creëren van digitale beelden. De technieken variëren in complexiteit van eenvoudige fotografische technieken tot veel com-10 plexere beeldvormingsmodaliteiten, zoals de in medische beeldvorming, onderdeelinspectie, pakket- en bagage-inspectie enzovoort gebruikte beeldvormingsmodaliteiten. Complexere beeldvormingsmodaliteiten bevatten computertomografie (CT)beeldvormingssystemen, magneti-sche-resonantiebeeldvorming(MRI)systemen, digitale röntgenstralings-15 beeldvormingssystemen enzovoort. In deze toepassingen bestaat er continue behoefte aan verbetering van de resolutie en duidelijkheid van de geproduceerde beelden. In het algemeen gesproken worden deze verbeteringen uitgevoerd in nabewerkingsstappen, waarin de beeldgegevens worden gemanipuleerd via verschillende berekeningen om de duidelijk-20 heid en in het algemeen de bruikbaarheid van het uiteindelijk gereconstrueerde beeld te versterken.
Huidige beeldvormingssystemen produceren beelden met verschillende ruimtelijke resoluties. Een als de punt-spreidingsfunctie van de systemen bekend staande parameter is sterk afhankelijk van beeldvor-25 mingsparameters en resulteert in dergelijke verschillende ruimtelijke resoluties. In CT-beelden bepaalt bijvoorbeeld het voor het in beeldgegevens omzetten van de verworven gegevens gebruikte reconstructiealgoritme in hoofdzaak de uitgebreidheid van de punt-spreidingsfunctie. In MRI-systemen beïnvloedt de hoeveelheid van nul-gevulde interpolatie 30 in de k-ruimtegegevens (de tijdens een beeldvormingsreeks verworven gegevens) op soortgelijke wijze de ruimtelijke uitgebreidheid van de punt-spreidingsfunctie. In röntgenstralingssystemen bepaalt de afstand tussen de bron en de detector de punt-spreidingsfunctie van het systeem.
1027609' - 2 -
Beeldfilteringsalgoritmen, die gericht zijn op het verwijderen van willekeurige ruis uit beelden, houden op dit moment geen rekening met deze variatie in de inherente ruimtelijke resolutie. Dienovereenkomstig werken dergelijke algoritmen sub-optimaal in termen van beeld-5 kwaliteit. In dergelijke structuren resulteert dikwijls een verlies aan ruimtelijke resolutie in het gefilterde beeld, zelfs wanneer deze op succesvolle wijze niveaus van willekeurige ruis verminderen.
Er bestaat daarom behoefte aan een verbeterde techniek voor het filteren van digitale beelden. Op dit moment bestaat er bijzondere be-10 hoefte aan een techniek, die kan worden gebruikt in verschillende contexten en die rekening houdt met verschillende punt-spreidingsfunctie-bases.
De uitvinding verschaft een nieuwe techniek voor beeldverster-king, die is ontworpen om in dergelijke behoeften te voorzien. De 15 techniek is gebaseerd op een beeldfilteringsalgoritme, dat ruisniveaus in het beeld reduceert zonder ruimtelijke resolutie van het gefilterde beeld op te offeren. De techniek past zich automatisch aan aan de variaties in de intrinsieke ruimtelijke resolutie van het beeld, dat wordt gefilterd. In het bijzonder bepaalt de techniek een optimale be-20 monsteringssnelheid, zoals bijvoorbeeld uit de punt-spreidingsfunctie van het beeld. Het is ook mogelijk om de punt-spreidingsfunctie te schatten door middel van het onderzoeken van de bandbreedte-eigen-schappen van het beeld. Deze optimale bemonsteringssnelheid wordt vergeleken met een actuele pixelbemonsteringssnelheid. Op basis van de 25 vergelijking kan het beeld tijdens filtering dienovereenkomstig worden ingekrompen om de optimale bemonsteringssnelheid te verschaffen. Als alternatief kan herbemonstering van de gegevens in een bepaalde context worden uitgevoerd.
De uitvinding beoogt werkwijzen, systemen en computerprogram-30 ma's, die zijn ontworpen om dergelijke technieken uit te voeren.
De voorgaande en andere voordelen en kenmerken van de uitvinding zullen duidelijk worden bij het lezen van de volgende gedetailleerde beschrijving onder verwijzing naar de tekeningen, waarin: fig. 1 een schematische representatie is van een voorbeeld van 35 een beeldvormingssysteem, dat is ingericht om resolutie aanpassende beeldfiltering volgens de onderhavige technieken te verschaffen; fig. 2 een diagram is van een voorbeeld van een discreet pixel-beeld, dat is opgebouwd uit een matrix van pixels met variërende in 1027609- f - 3 - tensiteiten, die door de onderhavige technieken te versterken structuren en geen-structuren definiëren; fig. 3 een schematische weergave is van bepaalde functionele componenten van een systeem voor het verschaffen van resolutie aanpas-5 sende beeldfiltering volgens de onderhavige technieken; fig. 4 een gedetailleerde representatie is van een uitvoeringsvorm van het systeem van fig. 3; fig. 5 een grafische representatie is van de invloeden van de beeldvormingssystemen op geïdealiseerde punten, die een punt-sprei-10 dingsfunctie verschaffen, welke door de onderhavige technieken is opgenomen; en fig. 6 een stroomschema is, dat voorbeelden van logische stappen voor het verschaffen van resolutie aanpassende beeldfiltering volgens de onderhavige technieken toont.
15 Er wordt nu verwezen naar fig. 1, waarin een beeldvormingssys- teem 10 is weergegeven, welk beeldvormingssysteem een scanner of ge-gevensverwervingssystpem 12 bevat, welk systeem is gekoppeld aan j schakelingen voor het verwerven en bewerken van discrete pixelgege-vens. De door het systeem 12 gedetecteerde signalen worden geco-20 deerd om digitale waarden, die representatief zijn voor de met specifieke locaties op of in het subject verbonden signalen, te verschaffen en deze signalen worden naar de beeldverwervingsschakeling 22 gezonden. De beeldverwervingsschakeling 22 verschaft ook stuursignalen voor configuratie en coördinatie van de systeemwerking tijdens de beeldver-25 werving. De beeldverwervingsschakeling 22 zendt de gecodeerde beeld-signalen naar een beeldbewerkingsschakeling 24. De beeldbewerkings-schakeling 24 voert vooraf vastgestelde logische besturingsroutines, die in een geheugenschakeling 26 zijn opgeslagen, uit om de van de beeldverwervingsschakeling 22 ontvangen signalen te filteren en te 30 conditioneren teneinde digitale waarden, die representatief zijn voor elk pixel in het verworven beeld, te verschaffen. Deze waarden worden vervolgens in de geheugenschakeling 26 opgeslagen voor nadere bewerking en weergave. Eventueel kan de beeldverwervingsschakeling 22 de gecodeerde beeldsignalen naar de geheugenschakeling 26 zenden. De 35 beeldbewerkingsschakeling 24 kan vervolgens de signalen uit de geheugenschakeling 26 verwerven voor de hieronder beschreven filterings- en conditioneringsstappen.
De beeldbewerkingsschakeling 24 ontvangt via een invoerkoppe-lingsschakeling 30 configuratie- en stuurcommando’s van een invoerin- 1027609- - 4 - richting 28. De invoerinrichting 28 zal typisch een bedienerstation, toetsenbord en andere invoerinrichtingen bevatten voor het selectief invoeren van configuratieparameters en voor het opdragen van specifieke beeldverwervingsreeksen. De beeldbewerkingsschakeling 24 is via een 5 uitvoerkoppelingsschakeling 34 ook aan een uitvoerinrichting 32 gekoppeld. De uitvoerinrichting 32 zal typisch een monitor of afdrukinrich-ting bevatten voor het bekijken en produceren van gereconstrueerde beelden op basis van de door de bewerkingsschakeling 24 uitgevoerde beeldversterkingsbewerking.
10 In de beschreven uitvoeringsvorm zijn de beeldbewerkingsschakeling 24, de geheugenschakeling 26 en de invoer- en uitvoerkoppelings- j schakelingen 30 en 34 in een geprogrammeerde digitale computer opgeno- j men. De schakelingen voor het uitvoeren van de hierin beschreven tech- ! nieken kunnen echter zijn gevormd als geschikte codering in toepas-15 sing-specifieke microprocessoren, analoge schakelingen of een combinatie van digitale en analoge schakelingen.
Er dient opgemerkt te worden, dat het beeldvormingssysteem 12 elk geschikt type beeldvormingssysteem of -modaliteit kan bevatten.
Bijvoorbeeld kan het systeem in een medische diagnostische beeldvor-20 mingscontext, industriële context, pakket- en bagage-inspectie- en
-afhandelingscontext een CT-beeldvormingsstation bevatten. Het systeem kan ook een MRI-systeem, een röntgenstralingssysteem of elke andere geschikte modaliteit bevatten. Andere op dit moment beoogde modalitei- I
ten kunnen onder andere tomosynthesesystemen, positronemissietomogra-25 fiesystemen, elektronenbundelsystemen, ultrageluidsystemen bevatten.
Zoals hieronder is samengevat, zullen alle verschillende systemen digitale gegevens produceren, welke gegevens kunnen worden gefilterd en versterkt volgens de onderhavige technieken. Er dient opgemerkt te worden dat, hoewel hierin verwijzingen naar bewerking binnen het 30 beeldvormingssysteem zijn gemaakt, vele van de hierin beschreven technieken kunnen en zullen worden toegepast in nabewerkingsstappen. Dit wil zeggen, dat de bewerking direct in de tijd of nagenoeg direct in de tijd met de beeldverwerving of na verwerving en opslag van de beeldgegevens kan worden uitgevoerd. De hierin beschreven beeldfilte-35 rings- en versterkingstechnieken kunnen dus op afstand van het beeldvormingssysteem worden uitgevoerd, zoals bijvoorbeeld op volledig gescheiden en onafhankelijke werkstations, die toegang hebben tot de ruwe, bewerkte of gedeeltelijk bewerkte beeldgegevens en die de hierin 1 027609" - 5 - beschreven stappen en functies uitvoeren om het uiteindelijke gereconstrueerde beeld te verbeteren.
Fig. 2 toont een voorbeeld van een via het beeldvormingssysteem 10 geproduceerd discreet pixelbeeld 50. Het beeld 50 is opgebouwd uit 5 een matrix van discrete pixels 52, die aangrenzend aan elkaar in een reeks van rijen 54 en kolommen 56 zijn aangebracht. Deze rijen en kolommen van pixels verschaffen een vooraf vastgestelde matrixbreedte 58 en matrixhoogte 60. Typische matrixomvangen kunnen 256 x 256 pixels; 512 X 512 pixels; 1024 x 1024 pixels bevatten, om er maar een paar te 10 noemen. In bepaalde systemen kan de bijzondere beeldmatrixomvang via de invoerinrichting 28 (zie fig. 1) worden gekozen en deze kan variëren afhankelijk van factoren, zoals het af te beelden subject, de gewenste resolutie en de fysische eigenschappen of karakteristieken van het beeldvormingssysteem.
15 Zoals is weergegeven in fig. 2, bevat het voorbeeld van een beeld 50 structuurgebieden 62, die zijn weergegeven als bestaande uit door aan elkaar grenzende pixels gedefinieerde lange, opeenvolgende lijnen. Het beeld 50 bevat ook geen-structuurgebieden 64, die buiten de structuurgebieden 62 liggen. Het beeld 50 kan ook geïsoleerde arte-20 facten 60 van verschillende omvangen (d.w.z., aantal van aan elkaar grenzende pixels) bevatten, welke artefacten als structuurgebieden gedefinieerd kunnen zijn of uit de definitie van structuur kunnen zijn geëlimineerd volgens algemeen bekende technieken. Er dient opgemerkt te worden dat, hoewel in de volgende toelichting naar intensiteits-25 waarden in een beeld, zoals het voorbeeld van het beeld 50, wordt verwezen, de onderhavige techniek ook kan worden gebruikt om andere voor de afzonderlijke pixels 52 van een beeld gecodeerde parameters te bewerken. Dergelijke parameters zouden frequentie of kleur en niet louter intensiteit kunnen bevatten.
30 Volgens de onderhavige technieken vormen de verworven of be werkte beeldgegevens datgene dat met de term ingangsbeeld kan worden aangeduid. Er dient te worden opgemerkt, dat dit ingangsbeeld en andere beelden, waarnaar hierin wordt verwezen, in feite door de onderhavige technieken bewerkte beeldgegevens zijn. Het uiteindelijke gere-35 construeerde beeld is echter een visuele presentatie, die door een gebruiker kan worden bekeken. De onderhavige techniek voorziet in manipulatie van het ingangsbeeld om rekening te houden met de bijzondere punt-spreidingsfunctie van het beeldvormingssysteem. Dit wil zeggen, dat de techniek ruimtelijk aanpassend is aan de karakteristieken van 1 027609- t - 6 - het beeldvormingssysteem, dat het ingangsbeeld produceerde. Bekende algoritmen voor beeldfiltering passen reeksen van ruimte-domeinbewer-kingen toe om ruisniveaus in het ingangsbeeld te reduceren. Bepaalde technieken voeren dergelijke bewerkingen uit door middel van het in-5 krimpen van het ingangsbeeld, in een bewerking, die als subbemonste-ring kan worden aangeduid. Deze inkrimpingsbewerking heeft het effect van het normaliseren van de ingangsresolutie en maakt gebruik van redundanties in het ingangsbeeld. Eerdere technieken berusten echter op de beeldomvang om de mate van inkrimping of subbemonstering te bepa-10 len. De onderhavige techniek past een rigoureuzere aanpak toe, waarin de uitgevoerde mate van subbemonstering om het ingangsbeeld in te krimpen afhangt van de intrinsieke ruimtelijke resolutie van het beeld. In de onderhavige context kan er worden aangenomen, dat de inherente ruimtelijke resolutie kan afhangen van de punt-spreidingsfunc-15 tie van het beeldvormingssysteem, dat de beeldgegevens verwerft, en de voor het genereren van het discrete beeld gebruikte bemonsteringssnel-heid. Zoals hieronder is beschreven, wordt dergelijke informatie gebruikt om de optimale bemonsteringssnelheid te bepalen, welke bemon-steringssnelheid kan worden gedefinieerd als de Nyquist-snelheid van 20 het beeldvormingssysteem. Deze waarde wordt gebruikt om de mate van subbemonstering of inkrimping, die voorafgaande aan het toepassen van de ruimte-domeinbewerking op het beeld dient te worden uitgevoerd, te bepalen. De aanpak waarborgt, dat de optimale bemonsteringscriteria niet worden overtreden door onderbemonstering en dat de maximale mate 25 van bemonstering kan worden verkregen zonder verlies van beeldinformatie om een filteringsbewerking op het beeld met genormaliseerde resolutie uit te voeren en om redundanties in de beeldgegevens te benutten .
Fig. 3 toont een schematische representatie van een systeem 30 voor het uitvoeren van de functies van de onderhavige techniek. Het in het algemeen met het verwijzingscijfer 68 aangeduide systeem kan via hardware, software, firmware of een combinatie van deze media worden uitgevoerd. Het systeem begint met een door een geschikt beeldvormingssysteem geproduceerd ingangsbeeld 70. Het ingangsbeeld is typisch 35 opgeslagen op een digitale opslaginrichting en door het bewerkingssys-teem wordt toegang tot het ingangsbeeld verkregen voor versterking en verbetering van de beeldkwaliteit. Het systeem bevat een filter 72, dat typisch in in het systeem opgeslagen geschikte softwarecode is opgenomen. Bepaalde aspecten van het filter kunnen in het algemeen be- I 027609 - 7 - kende technieken volgen, zoals verder hieronder is beschreven. Het filter maakt gebruik van inkrimpings- of subbemonsteringsniveaus, die door een inkrimpingsparameterbepalingsmoduul 74 worden bepaald. Dit moduul ontvangt op zijn beurt invoeren van een optimale-bemonsterings-5 snelheidbepalingsmoduul 76 en een actuele-bemonsteringssnelheidbepa-lingsmoduul 78. Zoals hieronder is beschreven, wordt op basis van de optimale en actuele bemonsteringssnelheden het geschikte inkrimpings-parameter- of subbemonsteringsniveau bepaald en aan het filter 72 verschaft. Het filter produceert vervolgens een uitgangsbeeld 80, dat 1 10 gegevens bevat, welke gegevens tot een versterkt beeld kunnen worden gereconstrueerd voor het bekijken, opslaan, verzenden en daaropvolgend ' bewerken daarvan.
Zoals is opgemerkt, kunnen bepaalde elementen van het filter 72 algemeen in de techniek bekende lijnen volgen. Fig. 4 representeert 15 bepaalde van deze bekende elementen, doch met versterkte componenten, die de onderhavige technieken bevatten. Het in het algemeen met het verwijzingscijfer 82 aangeduide implementatiesysteem begint met het ingangsbeeld 70, zoals hierboven is vermeld. In een stap 84 krimpt het systeem het ingangsbeeld in of subbemonstert het ingangsbeeld door 20 middel van een inkrimpingsparameter. Zoals door de vakman zal worden onderkend, kan een dergelijke inkrimping worden bewerkstelligd door middel van verschillende subbemonsteringstechnieken, waaronder een pixelmiddeling, waarbij de voor intensiteiten in elk pixel representatieve digitale waarden worden gelezen en het beeld met een factor X, 25 die in het algemeen groter is dan 1, wordt ingekrompen. In een huidige uitvoeringsvorm kan een 2 x 2 of 3 x 3 boxcarfilter worden toegepast om een niet-overlappend gemiddelde te verkrijgen. Ook kunnen meerdi-mensionele factoren worden toegepast, zoals 2 x 3 of 3 x 2 filters.
Een meerdimensionele factor dient groter dan 1 te zijn, in ten minste 30 één van de dimensies, zoals 3 x 1 of 1 x 3. Om niet-overlappende gemiddelden te verkrijgen, kunnen de pixels van het beeld worden gespiegeld aan de grenzen, wanneer dit nodig is.
Het filter 72 dient voor het identificeren en bewerken van structuurkenmerken van het ingangsbeeld en geen-structuurkenmerken of 35 gebieden. In blok 86 van fig. 4 worden dus routines uitgevoerd voor het identificeren van structuren 88 in het genormaliseerde beeld en het onderscheiden van dergelijke structuren van geen-structuren 90. De structuren worden vervolgens door middel van anisotrope afvlakking bewerkt, zoals is aangegeven in het blok 92, gevolgd door verscherping, 1 027609' - 8 - zoals aangegeven in blok 94. De geen-structuur wordt anderzijds bewerkt door middel van isotrope afvlakking, zoals is aangegeven in blok 96. De bewerkte structuur en geen-structuur vormen vervolgens een gefilterd beeld, zoals met het verwijzingscijfer 98 in fig. 4 is aange-5 duid.
In blok 100 worden de structuur- en geen-structuurgegevens geëxpandeerd met dezelfde factor als waarmee het beeld werd ingekrompen of subbemonsterd in blok 84. De resulterende expansie produceert een geëxpandeerd structuurmasker en een geëxpandeerd beeld, die beide 10 dezelfde dimensies als het ingangsbeeld hebben. In blok 102 wordt vervolgens de in het ingangsbeeld aanwezige textuur terug in het geëxpandeerde beeld gemengd om het uitgangsbeeld 80 te produceren. Het men-gingsproces gebruikt typisch het geëxpandeerde structuurmasker om ver-schiltextuurmenging van structuur- en geen-structuurgebieden mogelijk 15 te maken.
Er dient opgemerkt te worden dat de voorbeeldstappen en componenten van fig. 4 slechts als voorbeeld dienen en dit zal door de vakman worden onderkend. Dit wil zeggen, dat andere, verschillende of aanvullende modules en stappen kunnen worden opgenomen. Bij wijze van 20 voorbeeld kan aanvullende menging plaatsvinden, waarbij hoge frequenties verschillend worden geïntroduceerd in het gemengde beeld om een ruis-gemengd beeld te produceren. Bepaalde van deze technieken kunnen verder de beeldkwaliteit versterken. De onderhavige technieken dragen hieraan bij en maken verdere versterking van de beeldkwaliteit moge-25 lijk, zoals zal worden beschreven.
Zoals door de vakman zal worden onderkend, kan afhankelijk van de beeldvormingsmodaliteit de punt-spreidingsfunctie worden bepaald uit verschillende parameters, die in een kopsectie van een beeldvor- I
mingsstroom kunnen zijn opgeslagen. In CT-beelden bepaalt bijvoorbeeld 30 het toegepaste reconstructiealgoritme in hoofdzaak de punt-spreidings-functie van het beeldvormingssysteem. Aangezien er in CT een eindig aantal reconstructiealgoritmen wordt gebruikt, is het mogelijk om het met elk reconstructiealgoritme verbonden punt-spreidingsfunctie empirisch te bepalen. Dergelijke relaties kunnen in een opzoektabel worden 35 geplaatst en in de onderhavige bewerkingsstructuur worden gebruikt.
Voor MRI-systemen wordt de punt-spreidingsfunctie bepaald door de ZIP-parameter, die de hoogste-frequentie-inhoud van elk door het systeem gegenereerd beeld definieert. Gegeven de hoogste-frequentie-inhoud van het beeld, zijn er talrijke methoden in standaard Fourier-theorie om I 0276 09 - 9 - de punt-spreidingsfunctie van het beeldvoratingssysteem te bepalen. In röntgenstralingssystemen kan de punt-spreidingsfunctie uit de afstand tussen de bron en de detector en de bronomvang worden berekend. Deze informatie is in het algemeen ook beschikbaar in de röntgenstraling 5 digitale-beeldgegevensstroomkop. Elk type beeldvormingssysteem heeft dus in het algemeen beschikbare technieken, die identificatie van de punt-spreidingsfuncties mogelijk maken.
Een voorbeeldillustratie van de punt-spreidingsfunctie is in fig. 5 weergegeven. Zoals is weergegeven in fig. 5, kan de ideale si-10 tuatie 105 op grafische wijze worden weergegeven, terwijl de punt- spreidingsrepresentatie 106 typisch in de actuele implementatie wordt ontmoet. Met de in het algemeen door de horizontale as 108 in fig. 5 gerepresenteerde beeldpixeldimensies en door de verticale as aangegeven pixelintensiteit, is in een ideale situatie elk punt oneindig dun, 15 zoals door het verwijzingscijfer 110 in fig. 5 is aangeduid. Als gevolg van de inherente beperkingen van de beeldvormingssystemen treedt echter vervaging op, resulterend in een spreiding van de pixeldimen-sies, zoals door kromme 112 in fig. 5 is aangegeven. De onderhavige techniek herkent, dat bij bemonstering met ongeveer twee maal de 20 Nyquist-snelheid, informatieverlies in hoofdzaak kan worden vermeden. De Nyquist-snelheid kan worden bepaald door het bepalen van de Fourier-transformatie van de punt-spreidingsfunctie. Als alternatief kan de Nyquist-snelheid worden berekend onder gebruikmaking van standaard beeldbewerkingstechnieken, door middel van het onderzoeken van 25 de hoogste frequentieharmonische in het beeld. Merk echter op dat, zelfs wanneer deze aanpak bruikbaar is, aangezien deze niet berust op systeem- en verwervingsparameters, deze tamelijk gevoelig is voor ruis in het beeld. Indien de punt-spreidingsfunctie breed is, kan het beeld in praktijk tamelijk vervaagd zijn qua uiterlijk, hetgeen een hogere 30 mate van inkrimping of subbemonstering in de hierboven beschreven be-werkingsstappen vereist. Bovendien wordt in het algemeen het weergave-veld beschouwd, dat wil zeggen, de dimensies van objecten in het gereconstrueerde beeld. Een redundantiemêtriek wordt bepaald op basis van het weergaveveld, zoals hieronder beschreven. Dit wil zeggen dat, in-35 dien vele pixels vereist zijn om een object in het gereconstrueerde beeld te representeren, dit feit een hoge mate van redundantie opiegt, en het ingangsbeeld in een aanzienlijke mate kan worden ingekrompen.
De mate van inkrimping of subbemonstering hangt dus ook van deze re-dundantiemetriek af.
1(0276 09 - 10 -
Fig. 6 toont bepaalde functionele stappen in de logica voor het bepalen van de geschikte inkrimpings- of subbemonsteringsparameters en -niveaus volgens de onderhavige techniek. Het proces begint met het bepalen van de punt-spreidingsfunctie van het systeem, zoals is aan-5 gegeven in stap 114. Zoals hierboven is vermeld, kan de punt-spreidingsfunctie uit een opzoektabel worden bepaald of worden berekend. Wederom bij wijze van voorbeeld kan de punt-spreidingsfunctie afhankelijk zijn van factoren zoals het reconstructiealgoritme in CT-beeld-vorming, de ΖΙΡ-parameter in MR-beeldvorming of de afstand tussen bron 10 en detector in digitale röntgenbeeldvorming. Uit deze punt-spreidingsfunctie wordt vervolgens door het moduul 76 de optimale bemonsterings-snelheid bepaald. Bekende technieken zijn beschikbaar voor het bepalen van de optimale bemonsteringssnelheid, welke optimale bemonsterings-snelheid in het algemeen kan worden beschouwd als de Nyquist-snelheid 15 op basis van de punt-spreidingsfunctie van het beeldvormingssysteem. Dergelijke technieken bevatten het gebruik van een modulatieover-drachtsfunctie, die de sterkte van dé frequentieresponsie van de punt-spreidingsfunctie toepast.
Parallel aan deze bewerking wordt de hierboven beschreven re-20 dundantiemetriek bepaald. Zoals is weergegeven in fig. 6, wordt de re-dundantiemetriek bepaald door middel van het bepalen van de pixelom-vang, dit wil zeggen, de fysieke afmetingen van pixels in het gereconstrueerde beeld. Zoals door de vakman zal worden onderkend, is deze bepaling gebaseerd op het gezichtsveld van de weergave en de beeldom-25 vang in pixels en resulteert deze bepaling in een metriek met eenheden van lengte (typisch millimeters). Het moduul 76 bepaalt vervolgens uit de pixelomvang de pixelbemonsteringssnelheid. De pixelbemonsterings-snelheid wordt in het algemeen beschouwd als de inverse van de pixelomvang, resulterend in een in cycli per eenheidslengte gemeten kwan-30 titeit.
De optimale bemonsteringssnelheid, die met S0 kan worden aangeduid, en de pixelbemonsteringssnelheid, die met Sp kan worden aangeduid, worden vervolgens berekend, zoals is aangegeven in stap 118. In het algemeen verdient het de voorkeur, dat de pixelbemonstèringssnel-35 heid ten hoogste de waarde van de optimale bemonsteringssnelheid heeft. Op basis van de vergelijking in stap 118 wordt dus de optimale of gewenste inkrimpings- of subbemonsteringsparameter bepaald. In een huidige implementatie, zoals deze in fig. 6 is weergegeven, wordt de inkrimp^ngsparameter ingesteld op een eenheidswaarde, wanneer de ,ί’Ν.
1027609 I - — j - 11 - waarde van S0 groter dan of gelijk aan de actuele bemonsteringssnel-heid Sp is. Dit wil zeggen, dat het beeld reeds is bemonsterd met een snelheid kleiner dan de optische bemonsteringssnelheid, zodat een aanvullende inkrimping of subbemonstering onderbemonstering zal opleve-5 ren. Indien daarentegen de optimale bemonsteringssnelheid kleiner dan de pixelbemonsteringssnelheid is, wordt de inkrimpings- of subbemon-steringsparameter ingesteld op de waarde Sp/S0. Dit wil zeggen, dat het beeld bemonsterd wordt met een hogere snelheid dan de optimale snelheid, zodat aanvullende bemonstering kan worden uitgevoerd zonder ver-10 lies aan beeldinformatie. De waarde van Sp/S0 kan in de onderhavige context als de redundantiemetriek worden beschouwd. De resulterende parameter wordt vervolgens gebruikt in de hierboven beschreven bewerking voor het inkrimpen of subbemonsteren van het ingangsbeeld voor filtering.
15 Er dient opgemerkt te worden, dat het in een bepaalde context mogelijk is om de beeldgegevens te herbemonsteren op basis van ruwe of voorbewerkte gegevens. Deze mogelijkheid is aangegeven in stap 124 in fig. 6. Indien bij wijze van voorbeeld gevonden is, dat de redundantiemetriek groter dan 1 is, kan het mogelijk zijn om te interpoleren 20 op basis van het ingangsbeeld, zoals in een frequentiedomein of ander domein. De ruwe beeldgegevens kunnen dus worden herbewerkt, zoals in het geval voor MRI-gegevens of Radon-ruimte voor CT-gegevens om de overeenstemming tussen gewenste bemonsteringssnelheid en optimale bemonsteringssnelheid te verschaffen.
25 Hoewel de uitvinding is beschreven als een toepassing op fil- terparameterinstellingen, zijn ook andere toepassingen mogelijk. Bijvoorbeeld kan de redundantiemetriek worden gebruikt om de bediener van een gegevensverwervingssysteem erop te attenderen, dat sub-optimale gegevens worden verworven. Als een ander voorbeeld kan de redundantie-30 metriek worden gebruikt om optimale weergaveparameters voor de beeldgegevens in te stellen. In een ander voorbeeld kan de redundantiemetriek worden gebruikt om kwantificatie van beelden te begeleiden. In nog een ander voorbeeld kan de redundantiemetriek worden gebruikt om de parameters van beeldanalyse in te stellen.
35 Hoewel de uitvinding gevoelig kan zijn voor verschillende modi ficaties en alternatieve vormen, zijn specifieke uitvoeringsvormen bij wijze van voorbeeld in de tekeningen weergegeven en in detail hierin beschreven. Het zal echter duidelijk zijn, dat de uitvinding niet bedoeld is om tot de geopenbaarde bijzondere vormen beperkt te zijn. In 1 027609- ·> - 12 - plaats daarvan is het de bedoeling, dat de uitvinding alle modificaties, equivalenten en alternatieven omvat, die binnen de gedachte en het kader van de uitvinding, zoals gedefinieerd door de volgende bij-gevoegde conclusies, vallen.
1027609

Claims (10)

1. Werkwijze voor het uit beeldgegevens produceren van een beeld, omvattende: het bepalen van een pixelbemonsteringssnelheid (78) voor de beeldgegevens; 5 het vergelijken van de pixelbemonsteringssnelheid met een ge wenste bemonsteringssnelheid (76); het op basis van de vergelijking bepalen van een inkrimpings-parameter (74); en het bewerken van de beeldgegevens, bevattende het inkrimpen 10 van een ingangsbeeld op basis van de inkrimpingsparameter.
2. Werkwijze volgens conclusie 1, waarin de gewenste bemonsteringssnelheid (76) een Nyquist-bemonsteringssnelheid voor het beeld is.
3. Werkwijze volgens conclusie 1 of 2, waarin de gewenste be-15 monsteringssnelheid (76) wordt bepaald op basis van ten minste een punt-spreidingsfunctie (114) van het beeldvormingssysteem of de fre-quentie-inhoud van de beeldgegevens.
4. Werkwijze volgens elk van de voorgaande conclusies, waarin de pixelbemonsteringssnelheid (78) wordt bepaald op basis van een ge- 20 zichtsveld van een weergave en een omvang van pixels in het gezichtsveld.
5. Werkwijze volgens elk van de voorgaande conclusies, waarin de inkrimpingsparameter een verhouding van de pixelbemonsteringssnelheid (78) en de gewenste bemonsteringssnelheid (76) is, wanneer een 25 redundantiemetriek beneden een voorafbepaalde drempel ligt.
6. Werkwijze volgens conclusie 5, waarin de redundantiemetriek de verhouding van de bemonsteringssnelheid (78) en de gewenste bemonsteringssnelheid (76) is.
7. Werkwijze volgens elk van de voorgaande conclusies, omvat-30 tende het vergelijken van de pixelbemonsteringssnelheid (78) met de gewenste bemonsteringssnelheid (76) om een redundantiemetriek te bepalen en het bewerken van de beeldgegevens op basis van de redundantiemetriek.
8. Werkwijze volgens conclusie 7, waarin de inkrimpingsparame-35 ter een verhouding van de pixelbemonsteringssnelheid (78) en de gewenste bemonsteringssnelheid (76) is, wanneer een redundantiemetriek beneden een voorafbepaalde drempel ligt. I 027609 ' - 14 - ft
9. Werkwijze volgens elk van de voorgaande conclusies, waarin de beeldgegevens worden bewerkt door middel van het herbemonsteren van de beeldgegevens.
10. Systeem (10) voor het bewerken van beeldgegevens, waarbij 5 het systeem omvat: een geheugenschakeling (26) voor het opslaan van beeldgegevens; en een bewerkingsschakeling (24) voor het verkrijgen van toegang tot de beeldgegevens, het bepalen van een gewenste bemonsteringssnel-10 heid voor de beeldgegevens, het bepalen van een pixelbemonsterings-snelheid voor de beeldgegevens, het vergelijken van de pixelbemonste-ringssnelheid met de gewenste bemonsteringssnelheid om een redundan-tiemetriek te bepalen, en het bewerken van de beeldgegevens op basis van de redundantiemetriek. 1 027609"
NL1027609A 2003-11-26 2004-11-26 Resolutie aanpassend beeldfilteringssysteem en werkwijze. NL1027609C2 (nl)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US10/723,791 US7590306B2 (en) 2003-11-26 2003-11-26 Resolution adaptive image filtering system and method
US72379103 2003-11-26

Publications (2)

Publication Number Publication Date
NL1027609A1 NL1027609A1 (nl) 2005-05-27
NL1027609C2 true NL1027609C2 (nl) 2007-02-13

Family

ID=34592382

Family Applications (1)

Application Number Title Priority Date Filing Date
NL1027609A NL1027609C2 (nl) 2003-11-26 2004-11-26 Resolutie aanpassend beeldfilteringssysteem en werkwijze.

Country Status (4)

Country Link
US (1) US7590306B2 (nl)
JP (1) JP4847004B2 (nl)
DE (1) DE102004057031A1 (nl)
NL (1) NL1027609C2 (nl)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7755625B2 (en) * 2005-05-04 2010-07-13 Medison Co., Ltd. Apparatus and method for rendering volume data
US8249357B2 (en) * 2006-10-23 2012-08-21 Ben Gurion University Of The Negev, Research And Development Authority Blind restoration of images degraded by isotropic blur
US8786873B2 (en) 2009-07-20 2014-07-22 General Electric Company Application server for use with a modular imaging system
US8243882B2 (en) 2010-05-07 2012-08-14 General Electric Company System and method for indicating association between autonomous detector and imaging subsystem
WO2012031152A1 (en) * 2010-09-03 2012-03-08 Digimarc Corporation Signal processors and methods for estimating transformations between signals
US9652821B2 (en) 2010-09-03 2017-05-16 Digimarc Corporation Signal processors and methods for estimating transformations between signals with phase deviation
DE102011007871B4 (de) * 2011-04-21 2017-07-27 Siemens Healthcare Gmbh Verfahren zur Erfassung von MR-Bilddaten sowie entsprechende kombinierte MR/ET-Einrichtung
CN102749601B (zh) * 2011-04-22 2016-02-10 株式会社东芝 图像处理装置、图像处理方法、以及磁共振成像装置
JP2016127870A (ja) * 2013-04-23 2016-07-14 株式会社日立メディコ X線透視装置
CN103400341B (zh) * 2013-07-03 2016-06-29 西安电子科技大学 基于压缩感知的空谱域联合恢复高光谱数据的方法
JP6338469B2 (ja) * 2014-06-23 2018-06-06 キヤノン株式会社 画像処理装置および画像処理方法
AU2014250719A1 (en) * 2014-10-17 2016-05-05 Canon Kabushiki Kaisha Image processing method, system and apparatus
WO2017011801A1 (en) 2015-07-16 2017-01-19 Digimarc Corporation Signal processors and methods for estimating geometric transformations of images for digital data extraction
US10783618B2 (en) 2016-05-05 2020-09-22 Digimarc Corporation Compensating for geometric distortion of images in constrained processing environments
US10373299B1 (en) 2016-05-05 2019-08-06 Digimarc Corporation Compensating for geometric distortion of images in constrained processing environments
US10242434B1 (en) 2016-05-05 2019-03-26 Digimarc Corporation Compensating for geometric distortion of images in constrained processing environments
DE102018103714A1 (de) * 2018-02-20 2019-08-22 Volume Graphics Gmbh Verfahren zur Bestimmung von Fehlern von aus digitalen Objektdarstellungen abgeleiteten Parametern
JP7407062B2 (ja) * 2020-04-28 2023-12-28 富士フイルムヘルスケア株式会社 磁気共鳴イメージング装置および画像処理方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5943433A (en) * 1996-12-30 1999-08-24 General Electric Company Method for correcting inhomogeneity of spatial intensity in an aquired MR image
US20030095715A1 (en) * 2001-11-21 2003-05-22 Avinash Gopal B. Segmentation driven image noise reduction filter
US20030099405A1 (en) * 2001-11-21 2003-05-29 Avinash Gopal B. CT dose reduction filter with a computationally efficient implementation

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4517599A (en) * 1983-01-27 1985-05-14 Hughes Aircraft Company Resolution enhancement and zoom by degradation estimates
US5253192A (en) * 1991-11-14 1993-10-12 The Board Of Governors For Higher Education, State Of Rhode Island And Providence Plantations Signal processing apparatus and method for iteratively determining Arithmetic Fourier Transform
US5340988A (en) * 1993-04-05 1994-08-23 General Electric Company High resolution radiation imaging system
US5864394A (en) * 1994-06-20 1999-01-26 Kla-Tencor Corporation Surface inspection system
US6061477A (en) * 1996-04-18 2000-05-09 Sarnoff Corporation Quality image warper
IL119714A0 (en) * 1996-11-28 1997-02-18 Elscint Ltd CT system with oblique image planes
US5919137A (en) * 1996-12-04 1999-07-06 Acuson Corporation Ultrasonic diagnostic imaging system with programmable acoustic signal processor
US6748098B1 (en) * 1998-04-14 2004-06-08 General Electric Company Algebraic reconstruction of images from non-equidistant data
WO1999053440A2 (en) * 1998-04-14 1999-10-21 Ge Medical Systems Mr Israel Algebraic reconstruction of images from non-equidistant data
US6248988B1 (en) * 1998-05-05 2001-06-19 Kla-Tencor Corporation Conventional and confocal multi-spot scanning optical microscope
US6340994B1 (en) * 1998-08-12 2002-01-22 Pixonics, Llc System and method for using temporal gamma and reverse super-resolution to process images for use in digital display systems
US7254199B1 (en) * 1998-09-14 2007-08-07 Massachusetts Institute Of Technology Location-estimating, null steering (LENS) algorithm for adaptive array processing
US6567570B1 (en) * 1998-10-30 2003-05-20 Hewlett-Packard Development Company, L.P. Optical image scanner with internal measurement of point-spread function and compensation for optical aberrations
US6377162B1 (en) * 1998-11-25 2002-04-23 Ge Medical Systems Global Technology Company, Llc Medical diagnostic field service method and apparatus
JP4820004B2 (ja) * 1999-01-12 2011-11-24 マイクロソフト コーポレーション ディスプレイ装置の画素サブコンポーネントにマッピングされるサンプルを得るために画像データをフィルタリングする方法およびシステム
US6973210B1 (en) * 1999-01-12 2005-12-06 Microsoft Corporation Filtering image data to obtain samples mapped to pixel sub-components of a display device
GB9904692D0 (en) * 1999-03-01 1999-04-21 Isis Innovation X-ray image processing
US6708309B1 (en) * 1999-03-11 2004-03-16 Roxio, Inc. Method and system for viewing scalable documents
GB2356757B (en) * 1999-11-29 2004-02-04 Seos Displays Ltd Image display apparatus
US6314160B1 (en) * 1999-12-17 2001-11-06 General Electric Company Method and apparatus for performing fluoroscopic noise reduction
JP2004021345A (ja) * 2002-06-12 2004-01-22 Toshiba Corp 画像処理装置及びその方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5943433A (en) * 1996-12-30 1999-08-24 General Electric Company Method for correcting inhomogeneity of spatial intensity in an aquired MR image
US20030095715A1 (en) * 2001-11-21 2003-05-22 Avinash Gopal B. Segmentation driven image noise reduction filter
US20030099405A1 (en) * 2001-11-21 2003-05-29 Avinash Gopal B. CT dose reduction filter with a computationally efficient implementation

Also Published As

Publication number Publication date
NL1027609A1 (nl) 2005-05-27
US7590306B2 (en) 2009-09-15
JP4847004B2 (ja) 2011-12-28
DE102004057031A1 (de) 2005-06-23
JP2005160107A (ja) 2005-06-16
US20050111760A1 (en) 2005-05-26

Similar Documents

Publication Publication Date Title
NL1027609C2 (nl) Resolutie aanpassend beeldfilteringssysteem en werkwijze.
US7599579B2 (en) Interpolated image filtering method and apparatus
US6701025B1 (en) Medical image enhancement using iteration to calculate an optimal non-uniform correction function
US6611627B1 (en) Digital image processing method for edge shaping
US6208763B1 (en) Method and apparatus for enhancing discrete pixel images
US7512284B2 (en) Volumetric image enhancement system and method
US6404843B1 (en) Method of reconstruction of a three-dimensional image of elements of sharp contrast
US7164807B2 (en) Method and system for automatically reducing aliasing artifacts
US7206101B2 (en) Computationally efficient noise reduction filter
US20130202177A1 (en) Non-linear resolution reduction for medical imagery
US7248749B2 (en) Method and apparatus for signal-to-noise ratio dependent image processing
US6963670B2 (en) CT dose reduction filter with a computationally efficient implementation
US6973219B2 (en) Segmentation driven image noise reduction filter
US7623723B2 (en) Method for random point and patterned noise reduction in digital images
KR20180097342A (ko) 영상 아티팩트를 최소화하는 초해상도 영상 선명화 방법 및 장치
KR100560027B1 (ko) 압축 에지 적응형 비디오 및 화상의 샤프닝 및 스캐일링
US8306302B2 (en) Noise suppression in diagnostic images
WO2021094471A1 (en) Method and apparatus for contrast enhancement
US7359540B2 (en) Systems and methods for correcting inhomogeneity in images
US8824753B2 (en) Task oriented noise suppression in medical images
CN111083359B (zh) 图像处理方法及其装置、电子设备和计算机可读存储介质
US7020343B1 (en) Method and apparatus for enhancing discrete pixel images by analyzing image structure
US20060008174A1 (en) Count adaptive noise reduction method of x-ray images
Sadaka et al. Perceptual attentive superresolution
Manjarrés Edge-Preserving Image Upscaling

Legal Events

Date Code Title Description
AD1A A request for search or an international type search has been filed
RD2N Patents in respect of which a decision has been taken or a report has been made (novelty report)

Effective date: 20061012

PD2B A search report has been drawn up
MM Lapsed because of non-payment of the annual fee

Effective date: 20231201