扩展相位拉伸变换的血管造影图像锐化

发布时间：2021-10-12 00:51

　　针对目前传统血管造影图像锐化增强后大量细小血管变得模糊不清或丢失,甚至增强图像中血管周围产生大量背景噪声,提出一种相位拉伸核函数,形成基于扩展相位拉伸变换的血管造影图像增强算法.该算法将"S"型群延迟相位滤波器推广到线性群延迟相位滤波器,并从理论上证明,这种线性相位拉伸的逆变换相位近似于原图的归一化二阶梯度,将高频特征传统的梯度极值表达转换为角度表达,从而更有利于凸显、增强图像中的高频特征.同时,该算法还结合相对总变分理论,将像素的邻域总变分测度与邻域内在变分测度用于增强过程,使算法更好地突出边缘轮廓与结构纹理,抑制细碎杂乱纹理与背景噪声,克服了目前方法存在的不足.利用Matlab软件平台对DeepLesion, OASIS等数据集中的部分图像数据进行实验,与传统相位拉伸变换增强算法、基于相位一致性的血管造影图像锐化算法等进行对照分析,结果表明,增强后图像上细小血管明显清晰,背景噪声得到有效的抑制,平均梯度和信息熵提高均在50%左右,证明了算法的优越性与实用性. 

【文章来源】：计算机辅助设计与图形学学报. 2020,32(03)北大核心EICSCD

【文章页数】：10 页

【部分图文】：

效果对比图.003,ε=1d.λ=0.001,ε=2e.λ=0.003

硗枷?即滤波输出图像);2()PPJI是保真项;RTV(p)是正则化项.由于测度L和D的良好特性,则可以从输入图像中去掉微小细碎纹理而保持边缘轮廓、结构纹理等主要结构.针对RTV的光滑度参数为λ、纹理元素大小参数为ε.针对不同示例,λ和ε取不同的值,对多组图片进行处理和分析,得到的效果图分别如图4~图8所示.a.示例图1b.λ=0.001,ε=1c.λ=0.003,ε=1d.λ=0.001,ε=2e.λ=0.003,ε=2图4示例1的λ和ε不同取值滤波效果对比图a.示例图2b.λ=0.001,ε=1c.λ=0.003,ε=1d.λ=0.001,ε=2e.λ=0.003,ε=2图5示例2的λ和ε不同取值滤波效果对比图

466计算机辅助设计与图形学学报第32卷a.示例1的原图b.示例2的原图c.示例3的原图d.示例4的原图e.示例5的原图f.示例1~示例5的PST处理效果图2(u)u/2g.示例1~示例5的PST处理效果图0()arctan()duuxx图2基于PST的图像边缘检测实验结果2RTV理论分析图像锐化的目的是突出那些有意义的、大尺度的结构型特征,如轮廓边缘、结构性细节等;抑制不重要的细碎纹理,如无规律性、杂乱的和重复出现的细碎模式等.为达到锐化图像增强效果,需把提取并增强的边缘、重要结构图像与原图进行叠加,使结果图像凸显边缘及重要结构特征,有利于后续特定的应用.但叠加后的图像会出现噪声和边缘毛刺等现象,这是因为在传统的PST之前的普通低通滤波器对不重要的细碎纹理抑制得不够彻底造成的,具体示例如图3所示.为此,利用RTV对叠加图像实施后处理可以得到令人满意的效果.RTV能够很好地度量并明显区分重要结构与细碎纹理.得益于RTV的度量准则,该准则由逐像素的窗口化总变分测度Dx(p)和Dy(p)与窗口化内在变分测度Lx(p)和Ly(p)2组指标决定[12],它们分别为a.示例1的原图b.示例2的原图c.a的局部区域d.对c的PST处理效果图e.b的局部区域f.对e的PST处理效果图图3PST处理后局部出现噪声或边缘毛刺示例


本文编号：3431567