RU2014137146A - Повышение разрешающей способности изображения - Google Patents
Повышение разрешающей способности изображения Download PDFInfo
- Publication number
- RU2014137146A RU2014137146A RU2014137146A RU2014137146A RU2014137146A RU 2014137146 A RU2014137146 A RU 2014137146A RU 2014137146 A RU2014137146 A RU 2014137146A RU 2014137146 A RU2014137146 A RU 2014137146A RU 2014137146 A RU2014137146 A RU 2014137146A
- Authority
- RU
- Russia
- Prior art keywords
- video data
- volumetric
- interest
- moving structure
- received
- Prior art date
Links
- 238000000034 method Methods 0.000 claims abstract 13
- 239000006185 dispersion Substances 0.000 claims abstract 3
- 238000012805 post-processing Methods 0.000 claims abstract 2
- 238000001914 filtration Methods 0.000 claims 2
- 230000009466 transformation Effects 0.000 claims 2
- 208000031481 Pathologic Constriction Diseases 0.000 claims 1
- 230000000747 cardiac effect Effects 0.000 claims 1
- 230000000873 masking effect Effects 0.000 claims 1
- 230000011218 segmentation Effects 0.000 claims 1
- 208000037804 stenosis Diseases 0.000 claims 1
- 230000036262 stenosis Effects 0.000 claims 1
- 230000014509 gene expression Effects 0.000 abstract 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
1. Способ формирования объемных видеоданных с повышенной разрешающей способностью из объемных видеоданных с более низкой разрешающей способностью, содержащий этапы, на которых:принимают объемные видеоданные сканированного объекта, причем объемные видеоданные содержат данные, представляющие периодически движущуюся интересующую структуру сканированного объекта, и причем объемные видеоданные охватывают многочисленные циклы движения периодически движущейся интересующей структуры;оценивают межкадровое движение между соседними изображениями принятых объемных видеоданных;регистрируют принятые объемные видеоданные, основываясь на, по меньшей мере, оцененном межкадровом движении; иформируют объемные видеоданные с повышенной разрешающей способностью, основываясь на зарегистрированных объемных видеоданных, алгоритме постобработки с суперразрешающей способностью и функции рассеяния точки системы получения изображений, сформировавшей объемные видеоданные,причем объемные видеоданные с повышенной разрешающей способностью имеют разрешающую способность изображения, которая выше, чем у объемных видеоданных с более низкой разрешающей способностью.2. Способ по п. 1, дополнительно содержащий этапы, на которых:сегментируют объемные видеоданные, извлекая таким образом периодически движущуюся интересующую структуру из принятых объемных видеоданных;определяют поднабор объемных видеоданных, основываясь на сегментированных видеоданных; ипо меньшей мере, либо оценивают межкадровое движение между соседними изображениями поднабора объемных видеоданных, либо регистрируют принятые или сегментированные
Claims (15)
1. Способ формирования объемных видеоданных с повышенной разрешающей способностью из объемных видеоданных с более низкой разрешающей способностью, содержащий этапы, на которых:
принимают объемные видеоданные сканированного объекта, причем объемные видеоданные содержат данные, представляющие периодически движущуюся интересующую структуру сканированного объекта, и причем объемные видеоданные охватывают многочисленные циклы движения периодически движущейся интересующей структуры;
оценивают межкадровое движение между соседними изображениями принятых объемных видеоданных;
регистрируют принятые объемные видеоданные, основываясь на, по меньшей мере, оцененном межкадровом движении; и
формируют объемные видеоданные с повышенной разрешающей способностью, основываясь на зарегистрированных объемных видеоданных, алгоритме постобработки с суперразрешающей способностью и функции рассеяния точки системы получения изображений, сформировавшей объемные видеоданные,
причем объемные видеоданные с повышенной разрешающей способностью имеют разрешающую способность изображения, которая выше, чем у объемных видеоданных с более низкой разрешающей способностью.
2. Способ по п. 1, дополнительно содержащий этапы, на которых:
сегментируют объемные видеоданные, извлекая таким образом периодически движущуюся интересующую структуру из принятых объемных видеоданных;
определяют поднабор объемных видеоданных, основываясь на сегментированных видеоданных; и
по меньшей мере, либо оценивают межкадровое движение между соседними изображениями поднабора объемных видеоданных, либо регистрируют принятые или сегментированные объемные видеоданные, основываясь на поднаборе объемных видеоданных.
3. Способ по любому из пп. 1-2, дополнительно содержащий этапы, на которых:
сегментируют объемные видеоданные, извлекая таким образом периодически движущуюся интересующую структуру из принятых объемных видеоданных;
идентифицируют форму периодически движущейся интересующей структуры в принятых объемных видеоданных, основываясь на сегментированных объемных видеоданных; и
оценивают межкадровое движение между соседними изображениями поднабора объемных видеоданных, основываясь на идентифицированной форме.
4. Способ по любому из пп. 1-2, дополнительно содержащий этапы, на которых:
сегментируют объемные видеоданные, извлекая таким образом периодически движущуюся интересующую структуру из принятых объемных видеоданных;
идентифицируют местоположение периодически движущейся интересующей структуры в принятых объемных видеоданных, основываясь на сегментированных объемных видеоданных; и
оценивают межкадровое движение между соседними изображениями поднабора объемных видеоданных, основываясь на идентифицированном местоположении периодически движущейся интересующей структуры.
5. Способ по любому из пп. 1-2, дополнительно содержащий этапы, на которых:
сегментируют объемные видеоданные, извлекая таким образом периодически движущуюся интересующую структуру из принятых объемных видеоданных;
определяют набор весов для визуального улучшения периодически движущейся структуры, основываясь на сегментированных объемных видеоданных; и
регистрируют объемные видеоданные, основываясь на весах.
6. Способ по любому из пп. 1-2, дополнительно содержащий этапы, на которых:
сегментируют объемные видеоданные, извлекая таким образом периодически движущуюся интересующую структуру из принятых объемных видеоданных;
определяют маску для маскирования участков объемных видеоданных, чтобы визуально улучшить периодически движущуюся структуру, основываясь на сегментированных объемных видеоданных; и
регистрируют объемные видеоданные, используя маску.
7. Способ по любому из пп. 1-2, дополнительно содержащий этапы, на которых:
определяют поднабор объемных видеоданных, основываясь на оцененном движении, причем поднабор содержит только видеоданные, удовлетворяющие заданному пороговому диапазону межкадрового движения; и
регистрируют поднабор объемных видеоданных, основываясь на оцененном движении.
8. Способ по любому из пп. 1-2, дополнительно содержащий этап, на котором:
используют функцию рассеяния точки для компенсации размывания, введенного в объемные видеоданные системой получения изображений.
9. Способ по любому из пп. 1-2, в котором структура является анатомическим сосудом, и цикл движения является циклом кардиодвижения.
10. Способ по п. 9, в котором объемные видеоданные с суперразрешающей способностью визуально улучшают одно или более из бляшки, внутристентовой структуры или стеноза.
11. Способ по любому из пп. 1-2, дополнительно содержащий этап, на котором:
формируют объемные видеоданные с повышенной разрешающей способностью, основываясь на:
где 
является принятыми объемными
видеоданными, 
является смоделированным изображением с низкой разрешающей способностью, Тk и Тk -1 являются матрицами преобразования векторов движения, ↑s представляет повышающую дискретизацию, ↓s представляет понижающую дискретизацию, р представляет собой высокочастотную фильтрацию,
и h представляет собой функцию рассеяния точки.
12. Компьютерная система (134), которая принимает объемные видеоданные сканированного объекта, причем объемные видеоданные включают в себя данные, представляющие собой периодически движущуюся интересующую структуру сканированного объекта, и причем объемные видеоданные охватывают многочисленные циклы движения периодически движущейся интересующей структуры, причем упомянутая компьютерная система содержит:
устройство (126) оценки движения, которое оценивает межкадровое движение между соседними изображениями принятых объемных видеоданных;
компонент (128) регистрации, регистрирующий принятые объемные видеоданные, основываясь на, по меньшей мере, оцененном межкадровом движении; и
устройство (130) повышения разрешающей способности изображения, формирующее объемные видеоданные с суперразрешающей способностью, основываясь на зарегистрированных объемных видеоданных и функции рассеяния точки системы получения изображений, сформировавшей объемные видеоданные, причем видеоданные с суперразрешающей способностью для периодически движущейся интересующей структуры имеют разрешающую способность изображения, которая выше, чем разрешающая способность индивидуальных изображений принятых объемных видеоданных.
13. Система по п. 12, дополнительно содержащая:
устройство (124) сегментации интересующей области, которое сегментирует объемные видеоданные, извлекая, таким образом, периодически движущуюся интересующую структуру из принятых объемных видеоданных, причем устройство оценки движения использует сегментированные объемные видеоданные для определения поднабора объемных видеоданных.
14. Система по п. 13, в которой устройство оценки движения оценивает межкадровое движение между соседними изображениями поднабора объемных видеоданных.
15. Система по любому из пп. 12-14, в которой устройство повышения разрешающей способности формирует объемные видеоданные с суперразрешающей способностью, основываясь на следующем:
где 
является принятыми объемными видеоданными, 
является моделированным изображением с низкой разрешающей способностью, Тk и Тk -1 являются матрицами преобразования векторов движения, ↑s представляет повышающую дискретизацию, ↓s представляет понижающую дискретизацию, р представляет собой высокочастотную фильтрацию, и h представляет собой функцию рассеяния точки.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201261598366P | 2012-02-14 | 2012-02-14 | |
| US61/598,366 | 2012-02-14 | ||
| PCT/IB2013/050785 WO2013121312A1 (en) | 2012-02-14 | 2013-01-30 | Image resolution enhancement |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2014137146A true RU2014137146A (ru) | 2016-04-10 |
Family
ID=47997607
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2014137146A RU2014137146A (ru) | 2012-02-14 | 2013-01-30 | Повышение разрешающей способности изображения |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US9595079B2 (ru) |
| EP (1) | EP2815380B1 (ru) |
| JP (1) | JP6204927B2 (ru) |
| CN (1) | CN104126193B (ru) |
| BR (1) | BR112014019789A8 (ru) |
| RU (1) | RU2014137146A (ru) |
| WO (1) | WO2013121312A1 (ru) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3084726B1 (en) | 2013-12-20 | 2018-02-21 | Koninklijke Philips N.V. | Moving structure motion compensation in imaging |
| KR101579111B1 (ko) * | 2014-02-24 | 2015-12-21 | 삼성전자주식회사 | 영상 진단 방법, 장치 및 기록매체 |
| AU2014250719A1 (en) * | 2014-10-17 | 2016-05-05 | Canon Kabushiki Kaisha | Image processing method, system and apparatus |
| EP3245632B1 (en) | 2015-01-16 | 2020-07-15 | Koninklijke Philips N.V. | Vessel lumen sub-resolution segmentation |
| KR101783964B1 (ko) * | 2015-04-09 | 2017-10-10 | 삼성전자주식회사 | 단층 촬영 장치 및 그에 따른 단층 영상 복원 방법 |
| US10657632B2 (en) * | 2015-11-26 | 2020-05-19 | Koninklijke Philips N.V. | Apparatus having a user interface for enhancing medical images |
| EP3500171B1 (en) | 2016-08-22 | 2020-06-03 | Koninklijke Philips N.V. | Model regularized motion compensated medical image reconstruction |
| KR102550175B1 (ko) * | 2016-10-21 | 2023-07-03 | 삼성전기주식회사 | 카메라 모듈 및 이를 포함하는 전자 기기 |
| CN106960458B (zh) * | 2017-03-14 | 2020-08-25 | 深圳安科高技术股份有限公司 | 一种磁共振磁敏感加权成像后处理方法及系统 |
| US10854329B2 (en) * | 2018-10-16 | 2020-12-01 | Canon Medical Systems Corporation | Motion estimation method and apparatus |
| EP3726469A1 (en) * | 2019-04-17 | 2020-10-21 | Siemens Healthcare GmbH | Automatic motion detection in medical image-series |
| CN110473271B (zh) | 2019-08-20 | 2022-12-06 | 上海联影医疗科技股份有限公司 | 一种图像数据处理方法、系统、装置及存储介质 |
| CN112037136B (zh) * | 2020-09-18 | 2023-12-26 | 中国科学院国家天文台南京天文光学技术研究所 | 基于孔径调制的超分辨率成像方法 |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5696848A (en) * | 1995-03-09 | 1997-12-09 | Eastman Kodak Company | System for creating a high resolution image from a sequence of lower resolution motion images |
| US6718004B2 (en) | 2001-06-28 | 2004-04-06 | General Electric Company | Methods and apparatus for coronary-specific imaging reconstruction |
| JP4426297B2 (ja) * | 2001-11-30 | 2010-03-03 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | ノイズの多い画像中の構造を強調する医用ビューイングシステム及び方法 |
| JP4731476B2 (ja) | 2003-07-16 | 2011-07-27 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | ボリュメトリックデータからの動くオブジェクトの画像の再構成 |
| JP2005095329A (ja) | 2003-09-24 | 2005-04-14 | Toshiba Corp | 超解像処理装置及び医用画像診断装置 |
| JP4519434B2 (ja) * | 2003-09-24 | 2010-08-04 | 株式会社東芝 | 超解像処理装置及び医用画像診断装置 |
| JP4579971B2 (ja) * | 2004-03-02 | 2010-11-10 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 動き補償方法および装置 |
| DE102005018067A1 (de) | 2005-04-19 | 2006-11-02 | Siemens Ag | System zur Erzeugung, Auswertung und Verteilung computertomographischer 4D-Darstellungen des Herzens eines Patienten |
| JP2007000205A (ja) * | 2005-06-21 | 2007-01-11 | Sanyo Electric Co Ltd | 画像処理装置及び画像処理方法並びに画像処理プログラム |
| DE102006045721A1 (de) | 2006-09-27 | 2008-04-10 | Siemens Ag | Verfahren zur Erzeugung tomographischer Aufnahmen von einem teilweise zyklisch bewegten Untersuchungsobjekt |
| DE102006051919B4 (de) | 2006-10-31 | 2016-09-01 | Siemens Healthcare Gmbh | Verfahren zum Bereitstellen eines 3D-Röntgenbilddatensatzes des Herzens eines Patienten |
| US8472683B2 (en) * | 2008-05-09 | 2013-06-25 | General Electric Company | Motion correction in tomographic images |
| US20110075896A1 (en) * | 2009-09-25 | 2011-03-31 | Kazuhiko Matsumoto | Computer readable medium, systems and methods for medical image analysis using motion information |
| CN102236889A (zh) * | 2010-05-18 | 2011-11-09 | 王洪剑 | 一种基于多帧运动估计和融合的超分辨率重构方法 |
-
2013
- 2013-01-30 WO PCT/IB2013/050785 patent/WO2013121312A1/en active Application Filing
- 2013-01-30 BR BR112014019789A patent/BR112014019789A8/pt not_active IP Right Cessation
- 2013-01-30 EP EP13711958.2A patent/EP2815380B1/en active Active
- 2013-01-30 RU RU2014137146A patent/RU2014137146A/ru not_active Application Discontinuation
- 2013-01-30 US US14/376,856 patent/US9595079B2/en active Active
- 2013-01-30 CN CN201380009402.1A patent/CN104126193B/zh active Active
- 2013-01-30 JP JP2014556164A patent/JP6204927B2/ja active Active
Also Published As
| Publication number | Publication date |
|---|---|
| BR112014019789A8 (pt) | 2017-07-11 |
| WO2013121312A1 (en) | 2013-08-22 |
| BR112014019789A2 (ru) | 2017-06-20 |
| JP6204927B2 (ja) | 2017-09-27 |
| US20140376795A1 (en) | 2014-12-25 |
| EP2815380B1 (en) | 2018-04-25 |
| JP2015506774A (ja) | 2015-03-05 |
| US9595079B2 (en) | 2017-03-14 |
| CN104126193A (zh) | 2014-10-29 |
| EP2815380A1 (en) | 2014-12-24 |
| CN104126193B (zh) | 2019-08-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2014137146A (ru) | Повышение разрешающей способности изображения | |
| Gong et al. | From motion blur to motion flow: A deep learning solution for removing heterogeneous motion blur | |
| CN106056562B (zh) | 一种人脸图像处理方法、装置及电子设备 | |
| US7825930B2 (en) | Signal processing device and signal processing method, and program and recording medium | |
| Yuan et al. | UG $^{2+} $ Track 2: A Collective Benchmark Effort for Evaluating and Advancing Image Understanding in Poor Visibility Environments | |
| KR101870902B1 (ko) | 영상 처리 장치 및 영상 처리 방법 | |
| EP2141653A2 (en) | Computing higher resolution images from multiple lower resolution images | |
| Nah et al. | Ntire 2019 challenge on video deblurring: Methods and results | |
| JP2019537913A (ja) | ストリーミングされたメタデータを用いたビデオフレームレート変換 | |
| CN103440631B (zh) | 基于低秩分解的ct序列图像复原方法 | |
| Liu et al. | Crowd counting with fully convolutional neural network | |
| JP2018507477A (ja) | イメージに対する初期スーパーピクセルラベルマップの生成方法及び装置 | |
| Sellent et al. | Motion field estimation from alternate exposure images | |
| Mahmoudi et al. | Multi-gpu based event detection and localization using high definition videos | |
| CN103489201B (zh) | 基于运动模糊信息的目标跟踪方法 | |
| KR100946710B1 (ko) | 초음파 영상 처리 시스템 및 방법 | |
| US20230419583A1 (en) | Methods and systems for markerless facial motion capture | |
| CN104280705B (zh) | 基于压缩感知的磁共振图像重建方法和装置 | |
| Li et al. | Underwater motion deblurring based on cascaded attention mechanism | |
| US7684635B2 (en) | Signal processing device, and signal processing method, and program, and recording medium | |
| CN111767679A (zh) | 时变矢量场数据的处理方法及装置 | |
| US20230065700A1 (en) | Data-driven extraction and composition of secondary dynamics in facial performance capture | |
| Li | Research on camera-based human body tracking using improved cam-shift algorithm | |
| US11151767B1 (en) | Techniques for removing and synthesizing secondary dynamics in facial performance capture | |
| Xu et al. | 3D tongue motion visualization based on ultrasound image sequences |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FA94 | Acknowledgement of application withdrawn (non-payment of fees) |
Effective date: 20180403 |