RU2014125247A - Устранение шума в области изображения - Google Patents

Устранение шума в области изображения Download PDF

Info

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
Application number
RU2014125247/08A
Other languages
English (en)
Other versions
RU2629432C2 (ru
Inventor
Станислав ЗАБИК
Кевин М. БРАУН
Original Assignee
Конинклейке Филипс Н.В.
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 Конинклейке Филипс Н.В. filed Critical Конинклейке Филипс Н.В.
Publication of RU2014125247A publication Critical patent/RU2014125247A/ru
Application granted granted Critical
Publication of RU2629432C2 publication Critical patent/RU2629432C2/ru

Links

Classifications

    • 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
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/30Noise filtering
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • 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
    • G06T2207/20076Probabilistic image processing
    • 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

  • 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
Figure 00000001
,
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
Figure 00000002
,
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
Figure 00000003
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
Figure 00000004
,
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
Figure 00000005
,
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
Figure 00000006
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
Figure 00000007
где n+1 представляет итерацию устранения шума, u i , j , k n
Figure 00000008
представляет очищаемый от шума воксель, δ представляет параметр уровня устранения шума, β представляет однородность устранения шума, I представляет индекс вокселя, P - индекс, v P
Figure 00000009
представляет соседние воксели, W P
Figure 00000010
представляет веса соседних вокселей, W s u m
Figure 00000011
представляет сумму весов W P
Figure 00000010
и d P
Figure 00000012
представляет размер вокселя в определенном направлении.
RU2014125247A 2011-11-23 2012-11-12 Устранение шума в области изображения RU2629432C2 (ru)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

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