RU2014125247A - Устранение шума в области изображения - Google Patents
Устранение шума в области изображения Download PDFInfo
- Publication number
- RU2014125247A RU2014125247A RU2014125247/08A RU2014125247A RU2014125247A RU 2014125247 A RU2014125247 A RU 2014125247A RU 2014125247/08 A RU2014125247/08 A RU 2014125247/08A RU 2014125247 A RU2014125247 A RU 2014125247A RU 2014125247 A RU2014125247 A RU 2014125247A
- Authority
- RU
- Russia
- Prior art keywords
- image data
- noise
- processing element
- data processing
- expression
- Prior art date
Links
- 230000014509 gene expression Effects 0.000 claims abstract 14
- 230000008030 elimination Effects 0.000 claims 10
- 238000003379 elimination reaction Methods 0.000 claims 10
- 238000000034 method Methods 0.000 claims 5
- 238000003384 imaging method Methods 0.000 abstract 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20076—Probabilistic image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
1. Элемент (122) обработки данных изображения для обработки данных восстановленного объемного изображения от формирующего изображение сканнера, содержащий:память (212) алгоритмов, включающую в себя один или более итерационных алгоритмов (214) устранения шума только в области изображения на основании минимизации штрафной функции Хьюбера; ипроцессор (206), который устраняет шум в данных восстановленного объемного изображения исключительно в области изображения на основании одного из алгоритмов итерационной минимизации штрафной функции Хьюбера.2. Элемент обработки данных изображения по п. 1, причем по меньшей мере один алгоритм включает в себя первое выражение, которое основано на минимизации штрафной функции Хьюбера, и который включает в себя первый параметр, который определяет уровень устранения шума.3. Элемент обработки данных изображения по п. 2, причем первое выражение представляет собой выражение штрафной функции шума, которое соответствует штрафной функции Хьюбера и определяется в виде,где div означает оператор дивергенции, ∇ означает оператор градиента, u представляет очищенные от шума данные восстановленного объемного изображения и δ - свободная переменная, которая определяет уровень устранения шума.4. Элемент обработки данных изображения по любому одному из п.п. 2 и 3, в котором по меньшей мере один алгоритм включает в себя второе выражение, которое включает в себя второй параметр, который определяет однородность устранения шума.5. Элемент обработки данных изображения по п. 4, в котором второе выражение представляет ограничения данных восстановленного объемного изображения и определяется в виде,где β - сво
Claims (15)
1. Элемент (122) обработки данных изображения для обработки данных восстановленного объемного изображения от формирующего изображение сканнера, содержащий:
память (212) алгоритмов, включающую в себя один или более итерационных алгоритмов (214) устранения шума только в области изображения на основании минимизации штрафной функции Хьюбера; и
процессор (206), который устраняет шум в данных восстановленного объемного изображения исключительно в области изображения на основании одного из алгоритмов итерационной минимизации штрафной функции Хьюбера.
2. Элемент обработки данных изображения по п. 1, причем по меньшей мере один алгоритм включает в себя первое выражение, которое основано на минимизации штрафной функции Хьюбера, и который включает в себя первый параметр, который определяет уровень устранения шума.
3. Элемент обработки данных изображения по п. 2, причем первое выражение представляет собой выражение штрафной функции шума, которое соответствует штрафной функции Хьюбера и определяется в виде
где div означает оператор дивергенции, ∇ означает оператор градиента, u представляет очищенные от шума данные восстановленного объемного изображения и δ - свободная переменная, которая определяет уровень устранения шума.
4. Элемент обработки данных изображения по любому одному из п.п. 2 и 3, в котором по меньшей мере один алгоритм включает в себя второе выражение, которое включает в себя второй параметр, который определяет однородность устранения шума.
5. Элемент обработки данных изображения по п. 4, в котором второе выражение представляет ограничения данных восстановленного объемного изображения и определяется в виде
где β - свободная переменная, которая определяет однородность устранения шума, w представляет статистическое взвешивание, u представляет очищенные от шума данные восстановленного объемного изображения и u0 представляет изначально зашумленные и очищаемые от шума данные восстановленного объемного изображения.
6. Элемент обработки данных изображения по п. 5, в котором статистическое взвешивание определяется в виде
где y0 представляет соответствующие проекционные данные, выраженные как число зарегистрированных рентгеновских фотонов, и bp(y0) - число зарегистрированных обратно спроецированных рентгеновских фотонов.
7. Элемент обработки данных изображения по п. 4, в котором алгоритм включает в себя суммирование первого и второго выражений.
8. Элемент обработки данных изображения по любому из п.п. 1-3, в котором процессор итерационно устраняет шум в данных восстановленного объемного изображения, пока не будет достигнуто одно из заданных чисел итераций, не истечет заданный период времени или не будет удовлетворена заданная допустимая ошибка для разностного значения между данными, произведенными последовательными итерациями.
9. Элемент обработки данных изображения по любому из п.п. 1-3, причем алгоритм не проецирует вперед данные восстановленного объемного изображения в проекционную область для любой итерации устранения шума.
10. Элемент обработки данных изображения по любому из п.п. 1-3, причем данные восстановленного объемного изображения создаются с проекционными данными, очищенными от шума исключительно в проекционной области.
11. Способ, содержащий этапы, на которых:
устраняют шум исключительно в области изображения посредством процессора (206) в данных восстановленного объемного изображения итерационным алгоритмом (214) устранения шума в области изображения, который основан на минимизации штрафной функции Хьюбера.
12. Способ по п. 11, дополнительно содержащий этапы, на которых:
используют алгоритм, который включает в себя выражение, которое основано на минимизации штрафной функции Хьюбера, которая определяется в виде
где div означает оператор дивергенции, ∇ означает оператор градиента, u представляет очищенные от шума данные восстановленного объемного изображения и δ - свободная переменная, которая определяет уровень устранения шума.
13. Способ по п. 11, дополнительно содержащий этап, на котором:
используют алгоритм, который включает в себя выражение, определяемое в виде
где β - свободная переменная, которая определяет однородность устранения шума, w представляет статистическое взвешивание, u представляет очищенные от шума данные восстановленного объемного изображения и u0 - представляет изначально зашумленные и очищаемые от шума данные восстановленного объемного изображения.
14. Способ по п. 13, дополнительно содержащий этап, на котором:
используют статистическое взвешивание, определяемое в виде
где y0 представляет соответствующие проекционные данные, выраженные как число зарегистрированных рентгеновских фотонов и bp(y0) - число зарегистрированных обратно спроецированных рентгеновских фотонов.
15. Способ по п. 11, дополнительно содержащий этап, на котором:
используют выражение обновления, определяемое в виде
где n+1 представляет итерацию устранения шума,
представляет очищаемый от шума воксель, δ представляет параметр уровня устранения шума, β представляет однородность устранения шума, I представляет индекс вокселя, P - индекс,
представляет соседние воксели,
представляет веса соседних вокселей,
представляет сумму весов
и
представляет размер вокселя в определенном направлении.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201161563078P | 2011-11-23 | 2011-11-23 | |
US61/563,078 | 2011-11-23 | ||
PCT/IB2012/056342 WO2013076613A1 (en) | 2011-11-23 | 2012-11-12 | Image domain de-noising |
Publications (2)
Publication Number | Publication Date |
---|---|
RU2014125247A true RU2014125247A (ru) | 2015-12-27 |
RU2629432C2 RU2629432C2 (ru) | 2017-08-29 |
Family
ID=47427399
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2014125247A RU2629432C2 (ru) | 2011-11-23 | 2012-11-12 | Устранение шума в области изображения |
Country Status (7)
Country | Link |
---|---|
US (1) | US9159122B2 (ru) |
EP (1) | EP2783344B1 (ru) |
JP (1) | JP6223990B2 (ru) |
CN (1) | CN103959329B (ru) |
BR (1) | BR112014012072A8 (ru) |
RU (1) | RU2629432C2 (ru) |
WO (1) | WO2013076613A1 (ru) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2663964A1 (en) * | 2011-01-10 | 2013-11-20 | Koninklijke Philips N.V. | Dual-energy tomographic imaging system |
CN104471615B (zh) * | 2012-03-29 | 2018-05-01 | 皇家飞利浦有限公司 | 利用正则化的迭代图像重建 |
JP6312401B2 (ja) * | 2012-11-30 | 2018-04-18 | キヤノン株式会社 | 画像処理装置、画像処理方法、及びプログラム |
WO2014177953A1 (en) | 2013-04-29 | 2014-11-06 | Koninklijke Philips N.V. | De-noised reconstructed image data edge improvement |
EP3134867B1 (en) | 2014-04-23 | 2019-09-11 | Koninklijke Philips N.V. | Restoration of low contrast structure in de-noise image data |
JP6243580B2 (ja) * | 2014-10-20 | 2017-12-06 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | フォトンカウンティングctのための心臓再構成 |
CN105023245B (zh) * | 2015-05-05 | 2018-01-12 | 苏州大学 | 强度和梯度稀疏约束下的图像平滑方法 |
EP3221848B1 (en) * | 2015-09-16 | 2018-11-21 | Koninklijke Philips N.V. | X-ray imaging device for an object |
US10255696B2 (en) | 2015-12-11 | 2019-04-09 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image reconstruction |
EP3234919B1 (en) | 2015-12-11 | 2021-03-17 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image reconstruction |
US20170221235A1 (en) * | 2016-02-01 | 2017-08-03 | General Electric Company | Negative dictionary learning |
JP7123927B2 (ja) | 2016-12-06 | 2022-08-23 | コーニンクレッカ フィリップス エヌ ヴェ | 交互打ち消しを使用する画像ノイズ推定 |
EP3404615A1 (en) | 2017-05-17 | 2018-11-21 | Koninklijke Philips N.V. | Iterative image reconstruction/de-noising with artifact reduction |
CN107945121A (zh) * | 2017-11-06 | 2018-04-20 | 上海斐讯数据通信技术有限公司 | 一种基于全变分的图像复原方法及系统 |
WO2019096600A1 (en) | 2017-11-14 | 2019-05-23 | Koninklijke Philips N.V. | Single ct backprojector with one geometry calculation per voxel for multiple different types of projection data |
CN109960975B (zh) * | 2017-12-23 | 2022-07-01 | 四川大学 | 一种基于人眼的人脸生成及其人脸识别方法 |
US10643319B2 (en) | 2018-01-30 | 2020-05-05 | Canon Medical Systems Corporation | Apparatus and method for context-oriented blending of reconstructed images |
CN110162711B (zh) * | 2019-05-28 | 2023-07-28 | 湖北大学 | 一种基于网络嵌入法的资源智能推荐方法及系统 |
WO2022052114A1 (zh) * | 2020-09-14 | 2022-03-17 | 深圳先进技术研究院 | 一种ct图像重建方法、系统、设备和介质 |
CN112990215B (zh) * | 2021-03-04 | 2023-12-12 | 腾讯科技(深圳)有限公司 | 图像去噪方法、装置、设备及存储介质 |
WO2023030922A1 (en) | 2021-08-31 | 2023-03-09 | Koninklijke Philips N.V. | Denoising of medical images using a machine-learning method |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6208763B1 (en) * | 1998-04-14 | 2001-03-27 | General Electric Company | Method and apparatus for enhancing discrete pixel images |
US6636645B1 (en) * | 2000-06-29 | 2003-10-21 | Eastman Kodak Company | Image processing method for reducing noise and blocking artifact in a digital image |
US7447382B2 (en) * | 2004-06-30 | 2008-11-04 | Intel Corporation | Computing a higher resolution image from multiple lower resolution images using model-based, robust Bayesian estimation |
US8538099B2 (en) * | 2005-03-23 | 2013-09-17 | General Electric Company | Method and system for controlling image reconstruction |
CN101292269A (zh) | 2005-09-26 | 2008-10-22 | 皇家飞利浦电子股份有限公司 | 具有增强噪声控制滤波的迭代重建 |
US7982747B1 (en) * | 2005-12-19 | 2011-07-19 | Adobe Systems Incorporated | Displaying generated changes to an image file |
US8897528B2 (en) | 2006-06-26 | 2014-11-25 | General Electric Company | System and method for iterative image reconstruction |
WO2008031461A1 (en) * | 2006-09-15 | 2008-03-20 | Sapheneia Commercial Products Ab | Method and arrangement for enhancing image quality in a computed tomography imaging system |
DE102006055381A1 (de) | 2006-11-23 | 2008-05-29 | Siemens Ag | Verfahren und Einrichtung zur Rauschverminderung bei der Bildrekonstruktion von digitalen 2D- oder 3D-Bildern |
RU2365993C1 (ru) * | 2008-01-30 | 2009-08-27 | Корпорация "САМСУНГ ЭЛЕКТРОНИКС Ко., Лтд." | Способ адаптивного улучшения факсимильных изображений документов |
US8903191B2 (en) * | 2008-12-30 | 2014-12-02 | Intel Corporation | Method and apparatus for noise reduction in video |
DE102009039987A1 (de) | 2009-09-03 | 2011-03-17 | Siemens Aktiengesellschaft | Iterativer CT-Bildfilter zur Rauschreduktion |
JP5694357B2 (ja) | 2009-11-25 | 2015-04-01 | コーニンクレッカ フィリップス エヌ ヴェ | 向上された画像データ/線量低減 |
DE102010011911B4 (de) | 2010-03-18 | 2019-09-26 | Siemens Healthcare Gmbh | Tomosyntheseverfahren mit einer iterativen Maximum-A-Posteriori-Rekonstruktion |
CN101894365B (zh) * | 2010-07-13 | 2012-06-13 | 武汉大学 | 一种自适应变分遥感影像融合方法 |
CN103180875B (zh) | 2010-10-27 | 2018-04-13 | 皇家飞利浦电子股份有限公司 | 低剂量ct降噪 |
-
2012
- 2012-11-12 JP JP2014542960A patent/JP6223990B2/ja active Active
- 2012-11-12 EP EP12805529.0A patent/EP2783344B1/en active Active
- 2012-11-12 BR BR112014012072A patent/BR112014012072A8/pt not_active Application Discontinuation
- 2012-11-12 RU RU2014125247A patent/RU2629432C2/ru not_active IP Right Cessation
- 2012-11-12 CN CN201280057678.2A patent/CN103959329B/zh active Active
- 2012-11-12 US US14/357,793 patent/US9159122B2/en active Active
- 2012-11-12 WO PCT/IB2012/056342 patent/WO2013076613A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
EP2783344A1 (en) | 2014-10-01 |
US20140314331A1 (en) | 2014-10-23 |
CN103959329B (zh) | 2017-10-24 |
EP2783344B1 (en) | 2017-05-03 |
RU2629432C2 (ru) | 2017-08-29 |
BR112014012072A8 (pt) | 2017-06-20 |
CN103959329A (zh) | 2014-07-30 |
BR112014012072A2 (pt) | 2017-06-13 |
JP6223990B2 (ja) | 2017-11-01 |
WO2013076613A1 (en) | 2013-05-30 |
JP2015500048A (ja) | 2015-01-05 |
US9159122B2 (en) | 2015-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2014125247A (ru) | Устранение шума в области изображения | |
US7831097B2 (en) | System and method for image reconstruction | |
CN106683144B (zh) | 一种图像迭代重建方法及装置 | |
KR101703790B1 (ko) | 흐린 이미지에 기초하여 선명한 이미지를 생성하는 이미지 생성 방법 및 이미지 생성 장치 | |
US20120213327A1 (en) | Iterative reduction of artifacts in computed tomography images using forward projection and an edge-preserving blur filter | |
Wang et al. | Limited-angle CT reconstruction via the l_1/l_2 minimization | |
EP2923332B1 (en) | Projection data de-noising | |
US7929746B2 (en) | System and method for processing imaging data | |
Zhang et al. | Efficient CT metal artifact reduction based on fractional-order curvature diffusion | |
Khan et al. | Iterative methods of Richardson-Lucy-type for image deblurring | |
Ma et al. | Generalized Gibbs priors based positron emission tomography reconstruction | |
Jin et al. | A model-based 3D multi-slice helical CT reconstruction algorithm for transportation security application | |
US8086011B2 (en) | Reconstructing a tomographic image | |
Hu et al. | Sinogram restoration for low-dosed X-ray computed tomography using fractional-order Perona-Malik diffusion | |
Wang et al. | Ultrasound image denoising using backward diffusion and framelet regularization | |
Yan | General convergent expectation maximization (EM)-type algorithms for image reconstruction with background emission and poisson noise | |
CN107810518B (zh) | 图像处理系统和方法 | |
JP2018503436A (ja) | 反相関ノイズフィルタ | |
Adam et al. | A combined higher order non-convex total variation with overlapping group sparsity for Poisson noise removal | |
Us et al. | Combining dual-tree complex wavelets and multiresolution in iterative CT reconstruction with application to metal artifact reduction | |
Sun et al. | Evolution‐operator‐based single‐step method for image processing | |
Karimi et al. | Sparse-view image reconstruction in cone-beam computed tomography with variance-reduced stochastic gradient descent and locally-adaptive proximal operation | |
Phan et al. | A space-variant nonlinear algorithm for denoising omnidirectional images corrupted by poisson noise | |
Jon et al. | Poisson noisy image restoration via overlapping group sparse and nonconvex second-order total variation priors | |
Dapp et al. | 3D refraction-corrected transmission reconstruction for 3D ultrasound computer tomography |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20191113 |