基于盲源分離從x射線序列圖像中分離圖像信息的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明專(zhuān)利涉及X射線圖像降噪，具體為基于盲源分離將圖像噪聲和圖像信息視 為不相關(guān)分量而將圖像信息分離出來(lái)的一種圖像降噪算法。
【背景技術(shù)】
[0002] 自從倫琴在1895年發(fā)現(xiàn)X射線以來(lái)，X射線成像技術(shù)使探索物體內(nèi)部結(jié)構(gòu)成為可 能。典型的X射線成像系統(tǒng)由射線源、X射線影像探測(cè)器、CCD/CM0S、影像輸出及其他光電 器件，由這些光電器件產(chǎn)生的熱噪聲、散粒噪聲和量子噪聲等噪聲會(huì)嚴(yán)重降低最終輸出圖 像質(zhì)量。
[0003] X射線圖像噪聲遵循泊松分布，而常用的圖像降噪方法主要分為空域、時(shí)間域、頻 率域幾類(lèi)降噪方法。
[0004] 盲源分離是一種基于統(tǒng)計(jì)的信號(hào)處理技術(shù)，最初的經(jīng)典應(yīng)用為"雞尾酒會(huì)"。利 用盲源分離可以分析多維數(shù)據(jù)，因此，盲源分離也逐漸被應(yīng)用于圖像處理方面，比如圖像融 合、圖像增強(qiáng)、特征提取、偽影消除、混合圖像分離、消除散亂線等。而利用盲源分離進(jìn)行圖 像降噪通常需要噪聲的先驗(yàn)知識(shí)或者訓(xùn)練含噪聲圖像進(jìn)行稀疏編碼收縮。

【發(fā)明內(nèi)容】

[0005] 技術(shù)問(wèn)題：本發(fā)明專(zhuān)利的目的在于提供一種基于盲源分離從X射線序列圖像中分 離圖像信息的方法，具體采用定點(diǎn)獨(dú)立分量分析（Fixed-Point Independent Component Analysis，F(xiàn)PICA)或奇異值分解（Singular Value Decomposition, SVD)，將 X 射線圖像中 圖像信息有效提取出來(lái)的圖像降噪處理。
[0006] 技術(shù)方案：本發(fā)明是一種基于盲源分離從X射線序列圖像中分離圖像信息的方 法，對(duì)一個(gè)相對(duì)靜止物體拍攝含有m幀圖像的序列，由于圖像序列中每幀圖像均由相同性 質(zhì)的噪聲和信息組成，只有噪聲的隨機(jī)出現(xiàn)使不同圖像間均存在差異，將含有m幀圖像的 序列看作是圖像噪聲和圖像信息的m種組合，利用盲源分離得到n-1幀圖像噪聲分量和1 幀圖像信息分量，全部η個(gè)分量中標(biāo)準(zhǔn)方差值最大者即為圖像信息分量，據(jù)此判斷并輸出 圖像信息分量，m, η為整數(shù)，且m彡η彡2。
[0007] 利用盲源分離出n-1幀圖像噪聲分量和1幀圖像信息分量，其方法是利用盲源分 離中高階統(tǒng)計(jì)的定點(diǎn)獨(dú)立分量分析或二階統(tǒng)計(jì)奇異值分解進(jìn)行分量分離，具體方法如下：
[0008] 對(duì)靜止目標(biāo)拍攝一個(gè)包含不小于2幀的X射線圖像序列，序列中任一幀中的圖像 信息是唯一的，噪聲是隨機(jī)的，因此每幀圖像都不同；利用盲源分離，每幀圖像可看作1個(gè) 圖像信息分量和n-1個(gè)噪聲分量的組合，如式（1)所示：
[0009]
[0010] 式⑴中，X = [X1, X2,…，Xm]T, Xi表示觀察圖像序列中任何一幀；下標(biāo)i表示每幀 在圖像序列中的次序，取值I, ;X表示觀察圖像序列矩陣;A = Iia1, a2, - ,aj，a;是分 量混合的系數(shù)向量，由系數(shù)ay組成；S = [s D s2,…，8」1'表示由圖像分量s 組成的矩陣；下 標(biāo)j表不分量序號(hào)，取值1，…，n ;m, η為整數(shù)，且m多η多2 ;T表不矩陣轉(zhuǎn)置；
[0011] 通過(guò)定點(diǎn)獨(dú)立分量分析（Fixed-Point Independent Component Analysis， FPICA)或奇異值分解（Singular Value Decomposition, SVD)方法均可得到矩陣W，從而得 到無(wú)限逼近分量8]的分量y ,，其關(guān)系由公式（2)所示：
[0012] Y = WX = WAS -S (2)
[0013] 式⑵中，Y = Iiy1, y2,…，yn]T，y_j表不分咼出的噪聲分量或圖像信息分量，下標(biāo) j表不分量的序號(hào)，Y表不由分離出的分量組成的矩陣，T表不矩陣轉(zhuǎn)置；W表不分離矩陣。
[0014] 所述對(duì)一個(gè)相對(duì)靜止物體拍攝含有多幀圖像的序列，取不小于2幀X射線圖像形 成圖像序列。
[0015] 將所述的圖像噪聲和圖像信息視為組成整幅圖像的獨(dú)立分量，不同幀圖像視為噪 聲和圖像信息的不同組合。
[0016] 有益效果：X射線圖像降噪目的是盡最大可能從含噪聲的原圖像中提取圖像有用 信息，利用其進(jìn)行后續(xù)圖像分析等工作。
[0017] 傳統(tǒng)的去噪方式將噪聲和有用信息同等對(duì)待，認(rèn)為噪聲和有用信息在某個(gè)變換域 中是分布于不同區(qū)間的。然而，噪聲和有用信息圖像在某個(gè)區(qū)域中通常是相互疊加的。因 此，這些傳統(tǒng)方法無(wú)法濾除設(shè)定噪聲區(qū)間以外的噪聲，并且可能濾除該區(qū)間的有用信息。分 離可以有效處理有用信息和噪聲之間的關(guān)系，確保分離出的有用信息分量和噪聲分量之間 相互獨(dú)立，可以在去噪的同時(shí)，盡量保留圖像有用信息，保證降噪后的圖像質(zhì)量。
[0018] 本發(fā)明是一種既不需要噪聲先驗(yàn)知識(shí)也不需要對(duì)含噪聲圖像進(jìn)行訓(xùn)練的圖像降 噪處理方法，僅利用盲源分離的本質(zhì)即可簡(jiǎn)單有效的將在圖像中唯一的、固定的圖像信息 從圖像序列中提取出來(lái)。
【具體實(shí)施方式】
[0019] 利用X射線成像設(shè)備拍攝一個(gè)圖像序列，所拍攝目標(biāo)處于相對(duì)靜止?fàn)顟B(tài)；利 用盲源分離中高階統(tǒng)計(jì)的定點(diǎn)獨(dú)立分量分析方法或者二階統(tǒng)計(jì)的奇異值分解對(duì)圖像序 列進(jìn)行分離；計(jì)算被分離出的每個(gè)分量的標(biāo)準(zhǔn)方差（Standard Deviation, SD)或方差 (Variance)，值最大者即為所求的圖像有用信息分量，而多個(gè)噪聲分量的標(biāo)準(zhǔn)方差或方差 值彼此接近你，但相對(duì)圖像有用信息的標(biāo)準(zhǔn)方差或方差卻小。
[0020] 該方法可以利用盲源分離，將含有m幀的圖像序列中每一幀作為噪聲和信息的不 同組合，可將含有m幀圖像的序列分離出n-1幀噪聲分量和1幀圖像信息分量；無(wú)需噪聲先 驗(yàn)信息和圖像訓(xùn)練即可將圖像信息分量分離并輸出，該方法不僅可簡(jiǎn)單實(shí)現(xiàn)X射線圖像降 噪，且降噪效率且可隨圖像序列中幀數(shù)量增加和盲源分離的提高而提高。
[0021] 可以利用盲源分離中高階統(tǒng)計(jì)的定點(diǎn)獨(dú)立分量分析（Fixed-Point Independent Component Analysis，F(xiàn)PICA)或二階統(tǒng)計(jì)奇異值分解（Singular Value Decomposition， SVD)進(jìn)行分量分咼。
[0022] 取相對(duì)靜止目標(biāo)的不小于2幀X射線圖像形成圖像序列。
[0023] 將圖像噪聲和圖像信息視為組成整幅圖像的獨(dú)立分量，不同幀圖像視為噪聲和圖 像信息的不同組合。
[0024] 利用盲源分離使噪聲和信息分開(kāi)，獲取標(biāo)準(zhǔn)方差（Standard Deviation, SD)或方 差（Variation)最大的分量即為圖像信息分量，并將其輸出。
[0025] 實(shí)例：
[0026] 對(duì)靜止目標(biāo)拍攝一個(gè)包含不小于2幀的X射線圖像序列幀的X射線圖像序列，每 一幀圖像均由固定圖像信息和隨機(jī)圖像噪聲組成，每幀圖像中，圖像信息是唯一的，噪聲隨 機(jī)的，因此，序列中每幀圖像各不相同，可以視為由1個(gè)有用圖像信息分量和n-1個(gè)噪聲分 量的組合。利用盲源分離（Blind Source S印aration，BSS)對(duì)圖像序列中噪聲分量和有用 信息分量分離。以下公式（1)中，X1表示圖像序列中每一幀圖像 ；S ]為圖像分量；a u為分 量的權(quán)重系數(shù)。
[0027]
[0028] 式⑴中，X = [Xl，X2，…，xJT，X1表示觀察圖像序列中任何一幀；下標(biāo)i表示每幀 在圖像序列中的次序，取值1，;X表示觀察圖像序列矩陣;A = Iia1, a2, - ,aj，a;是分 量混合的系數(shù)向量，由系數(shù)ay組成；S = [s D s2,…，8」1'表示由圖像分量s 組成的矩陣；下 標(biāo)j表不分量序號(hào)，取值1，…，n ;m, η為整數(shù)，且m多η多2 ;T表不矩陣轉(zhuǎn)置。
[0029] 通過(guò)定點(diǎn)獨(dú)立分量分析（Fixed-Point Independent Component Analysis， FPICA)或奇異值分解（Singular Value Decomposition, SVD)方法均可得到矩陣W，從而得 到無(wú)限逼近分量8]的分量y ,，其關(guān)系由公式（2)所示：
[0030] Y = WX = WAS - S (2)
[0031] 式⑵中，Y = Iiy1, y2,…，yn]T，y_j表不分咼出的噪聲分量或圖像信息分量，下標(biāo) j表不分量的序號(hào)，Y表不由分離出的分量組成的矩陣，T表不矩陣轉(zhuǎn)置；W表不分離矩陣。 在η個(gè)y」分量中，分別計(jì)算其標(biāo)準(zhǔn)方差（Standard Deviation, SD)或方差（Variance)，由 于圖像信息分量的標(biāo)準(zhǔn)方差（方差）遠(yuǎn)大于噪聲分量的標(biāo)準(zhǔn)方差（方差），各個(gè)噪聲分量的 標(biāo)準(zhǔn)方差（方差）數(shù)值非常接近，因此可判斷標(biāo)準(zhǔn)方差（方差）最大的為有用圖像信息，可 以作為結(jié)果輸出。
【主權(quán)項(xiàng)】
1. 一種基于盲源分離從X射線序列圖像中分離圖像信息的方法，其特征在于，對(duì)一個(gè) 相對(duì)靜止物體拍攝含有m幀圖像的序列，由于圖像序列中每幀圖像均由相同性質(zhì)的噪聲和 信息組成，只有噪聲的隨機(jī)出現(xiàn)使不同圖像間均存在差異，將含有m幀圖像的序列看作是 圖像噪聲和圖像信息的m種組合，利用盲源分離得到n-1幀圖像噪聲分量和1幀圖像信息 分量，全部η個(gè)分量中標(biāo)準(zhǔn)方差值最大者即為圖像信息分量，據(jù)此判斷并輸出圖像信息分 量，m, η為整數(shù)；且m彡η彡2。2. 根據(jù)權(quán)利要求1所述的基于盲源分離從X射線序列圖像中分離圖像信息的方法，其 特征在于利用盲源分離出n-1幀圖像噪聲分量和1幀圖像信息分量，其方法是利用盲源分 離中高階統(tǒng)計(jì)的定點(diǎn)獨(dú)立分量分析或二階統(tǒng)計(jì)奇異值分解進(jìn)行分量分離，具體方法如下： 對(duì)靜止目標(biāo)拍攝一個(gè)包含不小于2幀的X射線圖像序列，序列中任一幀中的圖像信息 是唯一的，噪聲是隨機(jī)的，因此每幀圖像都不同；利用盲源分離，每幀圖像可看作1個(gè)圖像 信息分量和n-1個(gè)噪聲分量的組合，如式（1)所不：式⑴中，X = [X1, X2,…，xm]T, Xi表示觀察圖像序列中任何一幀；下標(biāo)i表示每幀在圖 像序列中的次序，取值1,…，m ;X表示觀察圖像序列矩陣;A = Iia1, a2,…，an]，8;是分量混 合的系數(shù)向量，由系數(shù)ay組成；S = [s D S2，…，8」1'表示由圖像分量s 組成的矩陣；下標(biāo)j 表不分量序號(hào)，取值1，…，n ;m, η為整數(shù)，且m多η多2 ;T表不矩陣轉(zhuǎn)置； 通過(guò)定點(diǎn)獨(dú)立分量分析FPICA或奇異值分解SVD方法均可得到矩陣W，從而得到無(wú)限逼 近分量Sj的分量y」，其關(guān)系由公式⑵所不： Y = WX = WAS - S (2) 式⑵中，Y = Iiy1, y2,…，yn]T，y_j表不分尚出的噪聲分量或圖像信息分量，下標(biāo)j表 示分量的序號(hào)，Y表示由分離出的分量組成的矩陣，T表示矩陣轉(zhuǎn)置;W表示分離矩陣。3. 根據(jù)權(quán)利要求1所述的基于盲源分離從X射線序列圖像中分離圖像信息的方法，其 特征在于所述對(duì)一個(gè)相對(duì)靜止物體拍攝含有m幀圖像的序列，取不小于2幀X射線圖像形 成圖像序列。4. 據(jù)權(quán)利要求1所述的基于盲源分離從X射線序列圖像中分離圖像信息的方法，其特 征在于將所述的圖像噪聲和圖像信息視為組成整幅圖像的獨(dú)立分量，不同幀圖像視為噪聲 和圖像信息的不同組合。
【專(zhuān)利摘要】本發(fā)明提出了一種基于盲源分離從X射線序列圖像中分離圖像信息的方法，該方法可以利用盲源分離中高階統(tǒng)計(jì)的定點(diǎn)獨(dú)立分量分析或二階統(tǒng)計(jì)的奇異值分解進(jìn)行分離；取相對(duì)靜止目標(biāo)的不小于2幀X射線圖像形成圖像序列；將圖像噪聲和圖像信息視為組成整幅圖像的獨(dú)立分量；圖像信息是穩(wěn)定的，而噪聲在不同幀圖像中出現(xiàn)的隨機(jī)性使不同幀圖像可視為噪聲和圖像信息的不同組合；利用盲源分離使噪聲和圖像信息分開(kāi)，計(jì)算標(biāo)準(zhǔn)方差最大的分量即為圖像信息分量，并將其輸出。該方法不需要噪聲先驗(yàn)信息，將可將有用圖像信息提取出來(lái)，提取效率隨圖像序列中圖像數(shù)量增加而提高，也將隨盲源分離的技術(shù)改進(jìn)而提高，是一種實(shí)用且有潛力的X射線圖像降噪方法。
【IPC分類(lèi)】G06T5/00
【公開(kāi)號(hào)】CN105160643
【申請(qǐng)?zhí)枴緾N201510632896
【發(fā)明人】喻春雨
【申請(qǐng)人】南京郵電大學(xué)
【公開(kāi)日】2015年12月16日
【申請(qǐng)日】2015年9月29日