專利名稱：用于生成多尺度的對比度增強的圖像的方法
技術領域：
本發(fā)明涉及用于增強由數(shù)字信號表示的圖像的圖像質(zhì)量的方法。
背景技術：
由數(shù)字信號表示的圖像(例如醫(yī)學圖像)通常在顯示或硬拷貝記錄期間或之前經(jīng)受圖像處理。將灰度值像素轉(zhuǎn)換成適合用于再現(xiàn)或顯示的值可以包括多尺度(multi-scale) 的圖像處理方法(也被稱為多分辨率圖像處理方法)，通過該方法來增強圖像的對比度 (contrast)0根據(jù)這樣的多尺度圖像處理方法，通過應用下面的步驟來處理由像素值陣列表示 的圖像。首先，原始圖像被分解成多個尺度下的一系列細節(jié)圖像并且偶爾會分解成殘留圖 像(residual image) 0接著，通過對這些像素值應用至少一個轉(zhuǎn)換來修改該細節(jié)圖像的像 素值。最后，通過將重構(reconstruction)算法應用于殘留圖像和經(jīng)過修改的細節(jié)圖像來 計算經(jīng)過處理的圖像。對轉(zhuǎn)換函數(shù)(conversion function)的性能(behavior)存在限制。如果該轉(zhuǎn) 換函數(shù)過度地非線性，則圖像中的灰度值過渡可以被失真成外觀變得不自然的程度。在 顯著的灰度級過渡附近這樣的失真更明顯，這導致在階躍邊緣(step edge)處的過沖 (overshoot)以及面向強階躍邊緣的低變化(variance)區(qū)域中的均勻性損耗。對于CT圖 像來說，創(chuàng)建贗像的風險變得更顯著，因為例如在軟組織和造影劑的接口(interface)處 它們具有更銳化(sharper)的灰度級過渡。必須謹慎地使用關于CT圖像的多尺度技術。在2006年12月11日提交的共同待審的歐洲專利申請06125766. 3中已描述了在 保持邊緣過渡的形狀的同時還產(chǎn)生對比度增強的圖像的多尺度對比度增強算法。在該方法的一個實施例中，在一個或多個尺度下創(chuàng)建圖像的至少一個逼近圖像 (approximation image)的轉(zhuǎn)變差異(translationdifference)圖像。接著，非線性地修改 轉(zhuǎn)變差異圖像。然后，通過結合在特定尺度或更小尺度下的修改的轉(zhuǎn)變差異圖像來計算在 該特定尺度下的至少一個增強的中心差異(center difference)圖像。最后，通過將重構 算法應用于增強的中心差異圖像來計算增強的圖像。本發(fā)明的目的是進一步增強這一方法。

發(fā)明內(nèi)容
通過具有在權利要求1中闡述的特定步驟的方法來獲得上面提到的進一步增強。 在從屬權利要求中闡述用于本發(fā)明的優(yōu)選實施例的特定元件。在本發(fā)明的上下文中，按照下面的方式來定義特定術語多尺度分解(decomposition)機制圖像的多尺度(或多分辨率)分解是一種在灰度值圖像的多個尺度下來計算所述 圖像的細節(jié)圖像的過程。多尺度分解機制通常涉及用于計算細節(jié)圖像的濾波器組(filterbank)。公知的技術例如是拉普拉斯金字塔(Laplacian pyramid)、Burt金字塔、拉普拉斯 堆疊(stack)、小波分解、QMF濾波器組。逼近圖像逼近圖像是表示相同的或較大的尺度或者相同的或較小的分辨率下的原始灰度 值圖像的灰度值圖像。在特定尺度下的逼近圖像等同于在其中已省略在該特定尺度下 的所有細節(jié)的原始灰度值圖像(MallatS. G.，“A Theory for Multiresolution Signal Decomposition :Theffavelet Representation，，，IEEE Trans. On Pattern Analysis andMachine Intelligence, vol. 11, no. 7, July 1989)。細節(jié)圖像細節(jié)圖像被定義成在特定尺度下的逼近圖像和在較小尺度下的逼近圖像之間的 信息的差異。轉(zhuǎn)換運算符(Conversion operator)轉(zhuǎn)換運算符是一種生成細節(jié)像素值的逐像素(pixel-wise)的修改作為中間 步驟以創(chuàng)建灰度值圖像的對比度增強的版本的運算符。已在例如歐洲專利EP 527525 中描述了這樣的運算符。修改由轉(zhuǎn)換函數(shù)定義，并且可以例如被實施為查找表或倍增 (multiplicative)放大。轉(zhuǎn)變差異圖像在尺度s下的轉(zhuǎn)變差異圖像是在尺度s下的逼近圖像的每個像素中的基本 (elementary)對比度的測量。這可以通過采用在尺度s下的逼近圖像與轉(zhuǎn)變版本的差異來 計算。對于基本對比度的其它計算是可行的，例如像素與相鄰像素的比值可以在處理步驟 前面是指數(shù)變換后面是log變換的情況中使用。中心差異圖像中心差異圖像是通過將結合(combining)運算符(例如相加)應用于轉(zhuǎn)變差異圖 像來計算的。該結合運算符可以是轉(zhuǎn)變差異圖像中的相應像素值的線性或非線性函數(shù)?，F(xiàn)有技術方法通過由一個或多個特性操縱(steer)轉(zhuǎn)變差異圖像的值的非線性 修改來增強，所述一個或多個特性是從在至少一個尺度下的逼近圖像中計算出的。進一步描述的這些特性的實例是區(qū)域中的平均灰度值、局部標準偏差等等。另一個實例是在逼近圖像中存在預先定義的圖像結構或異常圖案。這樣的圖案的 實例是乳腺攝影(mammographic)圖像的微鈣化。這樣的異常圖案的檢測可以通過從簡單的濾波到復雜計算機輔助檢測算法的一 些技術執(zhí)行。例如通過二進制局部化遮蔽(mask)，這些異常圖案的存在可以被用來操縱非 線性修改。在一個實施例中，在權利要求1中提到的逼近圖像在從其中結合轉(zhuǎn)變差異圖像之 前被濾波。濾波可以基于以相同或較粗略(coarser)尺度下的逼近圖像和/或細節(jié)圖像的 特性。增益調(diào)整可以通過對增強的中心差異圖像進行濾波來獲得。濾波可以基于逼近圖 像或細節(jié)圖像的特性。此外，增強的中心差異圖像可以經(jīng)受逐像素的變換(pixel-wisetransformation)，例如增強的多尺度表示的幅度的歸一化。描述了不同的實施例，其中從在相同尺度下的逼近圖像、從原始圖像或從不同尺度下的逼近圖像的結合中計算出轉(zhuǎn)變差異圖像。本發(fā)明通常被實施為計算機程序產(chǎn)品，其適于當在計算機上運行時實施根據(jù)權利 要求中任何一項所述的方法并且被存儲在計算機可讀介質(zhì)上。本發(fā)明的方法可以被應用于增強醫(yī)學圖像(例如乳腺攝影圖像、由計算機斷層攝 影術獲得的圖像，等等)的圖像質(zhì)量。將在下面的描述中解釋并且將由


本發(fā)明的實施例的其它優(yōu)點和實施方 式。

圖1示出具有兩個控制路徑的多分辨率圖像處理方案。圖2示出高級的增強功能塊。圖3和圖5說明根據(jù)本發(fā)明的多分辨率圖像處理方法的不同實施方式。圖4說明在圖3中說明的多分辨率圖像處理方法的圖像增強步驟。圖6說明在圖5中說明的多分辨率圖像處理方法的圖像增強步驟。圖7是關于在上面的圖中使用的符號的圖例。
具體實施例方式本發(fā)明的對比度增強算法可以應用于所有的多尺度細節(jié)表示方法，通過應用逆變 換可以根據(jù)其來計算原始圖像。本發(fā)明可以應用于可逆的多尺度細節(jié)表示，其可以被計算為轉(zhuǎn)變差異圖像的加權 禾口?？梢砸赃@樣的方式從多尺度分解推導出轉(zhuǎn)變差異圖像的加權因子(weighing factor)和變換偏移(offset)，使得所得到的轉(zhuǎn)變差異圖像的加權和等于細節(jié)像素值。對于這些多尺度細節(jié)表示來說，可以通過在計算加權和之前將變換運算符應用于 轉(zhuǎn)變差異來增強對比度。為了計算轉(zhuǎn)變差異圖像的加權和，可以使用在相同尺度(或分辨率水平)下的逼 近圖像或在較小尺度(或更精細(finer)分辨率水平)下的逼近圖像?，F(xiàn)有技術水平的多尺度對比度增強算法將圖像分解成多尺度表示，所述多尺度表 示包括表示在多尺度下的細節(jié)的細節(jié)圖像以及殘留圖像。一些重要的多尺度分解是小波分解、Laplacian-of-Gaussians (或LoG分解)、 Difference-of-Gaussians (或 DoG)分解以及 Burt 金字塔。通過應用高通和低通濾波器的級聯(lián)接著是二次采樣(subsampling)步驟來計算 小波分解。高通濾波器從特定尺度下的逼近圖像中提取細節(jié)信息。在Burt金字塔分解中，通過減去在尺度k+Ι下的逼近圖像的上采樣(upsampled) 版本來從在尺度k下的逼近圖像中提取細節(jié)信息。在諸如EP 527525中公開的那種的一種現(xiàn)有技術方法中，通過細節(jié)圖像中的像素值的轉(zhuǎn)換接著是多尺度重構來創(chuàng)建圖像對比度增強的版本。上面所有的多尺度分解實施方式具有共同的屬性?？梢酝ㄟ^結合移動鄰域中的像 素值來從逼近圖像中計算出細節(jié)圖像中的每個像素值。在上述情況中，結合函數(shù)(combining function)是加權和。對于小波分解，尺度k下的細節(jié)圖像中的像素值被計算為dk+1 =丨(hd*gk)gk+1 = I (ld*gk)其中hd是高通濾波器，Id是低通濾波器，*是卷積運算符，且丨是二次采樣運算符 (艮口省去(leave out)每個第二譯亍禾口列(every secondrow and column))。對于小波重構，將在尺度k下的增強的逼近圖像計算為hk=lr*( hk+1)+hr*( f(dk+1))其中、是高通濾波器，Ir是低通濾波器，且丨是上采樣運算符(即在任何兩行和 列之間用值0插入像素)。對于Burt分解，將在尺度k下的細節(jié)圖像中的像素值計算為dk = gk_4g* ( gk+1)或dk = gk_4g* ( ( I (g*gk)))或dk= (l_4g*(丨(丨 g)))*&其中g是高斯低通濾波器，且1是恒等運算符。對于Bur t重構，將在尺度k下的增強的逼近圖像計算為hk = 4g*( hk+1)+f(dk)其中f (χ)轉(zhuǎn)換運算符。作為加權和的多尺度細節(jié)像素值假設在Burt多尺度分解中，結合系數(shù)Wu (其中k =-2，. . . 2且1 = _2，. . .，2) 一起使用5x 5高斯濾波器，二次采樣運算符去除每個第二行和列，并且上采樣運算符在任 何兩行和列之間用值0插入像素。將逼近圖像gk+1中的位置i，j處的像素計算為
2 2gM(i,j)=J^^ws>1gk(2i + s,2j + t)將上采樣圖像Uk中的位置i，j處的像素計算為
u a ^Jii^gA^sj^)如果i和j都是偶數(shù)
k \ ^ J ^ .ι —
、 0否則將上采樣的平滑圖像guk中的位置i，j處的像素計算為<formula>formula see original document page 8</formula>最后，將細節(jié)圖像dk中的位置i，j處的像素計算為
<formula>formula see original document page 8</formula>一般來說，細節(jié)圖像dk中的位置i，j處的像素計算為在相同或較小尺度k，k_l， k-2，...下的逼近圖像中的像素的加權和<formula>formula see original document page 8</formula>
其中1 ∈{0，· · ·，k}，且 r = subsampling_factor(1-k) ( 二次采樣—因子(1-k))。因為<formula>formula see original document page 8</formula>所以可以將細節(jié)圖像dk中的位置i，j處的像素計算為<formula>formula see original document page 8</formula>
項gi (ri，rj) -gi (ri+m, rj+n)被稱為轉(zhuǎn)變差異。它表述逼近圖像中的中心像素和相鄰像素之間的像素值的差。它是局部對比度的量度。轉(zhuǎn)變差異的加權和被稱為中心差異Ck(i，j)?？梢砸韵嗨频姆绞阶C明其它多尺度分解方法中的細節(jié)圖像也可以被表示為轉(zhuǎn)變 差異圖像的結合。轉(zhuǎn)換運算(conversion operation)在諸如EP 527525中公開的那種的一種現(xiàn)有技術方法中，通過將轉(zhuǎn)換運算符f (χ) 應用于細節(jié)圖像dk，或者等效地采用下面的等式來獲得對比度增強
<formula>formula see original document page 9</formula>
這樣的轉(zhuǎn)換運算符的實例是sigmoid函數(shù)。這樣的轉(zhuǎn)換運算符的另一個實例是類 似于在EP 525527中公開的那種的對比度增強函數(shù)。轉(zhuǎn)換運算符的形狀取決于對增強的特 定需求，其意圖將低值細節(jié)像素放大得多于高值細節(jié)像素。轉(zhuǎn)換步驟可以引起重構的對比度增強圖像中的邊緣過渡的形狀的變形。原因是轉(zhuǎn) 換函數(shù)的非線性。一般來說，將以下應用于非線性函數(shù)<formula>formula see original document page 9</formula>
或者<formula>formula see original document page 9</formula>
現(xiàn)有技術算法首先將細節(jié)圖像dk中的像素值計算為加權和，并且然后應用轉(zhuǎn)換步
馬聚ο通過將細節(jié)圖像dk中的像素值重寫為轉(zhuǎn)變差異的加權和，有可能在求和之前而不 是在之后應用轉(zhuǎn)換步驟?，F(xiàn)在通過將轉(zhuǎn)換步驟應用于轉(zhuǎn)變差異來獲得對比度增強Adk (i, j)) = VmJis1 {ri, rj) - gl (ri + m, rj + ))
m η以這種方式來將邊緣過渡的形狀更好地保持在對比度增強的重構圖像中。假設對于每個尺度k，從全分辨率圖像g(l中計算出該尺度下的細節(jié)圖像，并且將增 強應用于中心差異，然后在重構之后最好地保持邊緣過渡的形狀。利用在圖2、4和6中說明的相應增強步驟來在圖1、3和5中說明本發(fā)明的不同實 施方式。圖1示出具有從相同尺度下的逼近圖像中計算出的中心差異圖像的多尺度圖像 成像方案。該圖示出用于提供有控制路徑的多分辨率圖像處理的擴展方案。功能塊Ak可以利用功能塊Ak從逼近圖像&和/或gk+1提取出期望的特性。這些特性可以 被用作增強塊E中的LUT運算以及/或者逼近圖像的可選自適應濾波以及/或者增強的中 心差異圖像的控制輸入。逼近圖像可以被用作確定任何有用特性(例如直方圖、濾波器系數(shù)、標準偏差圖 像、梯度圖像、...)的輸入。這樣的特性的實例是計算特定鄰域中的平均灰度值的平均濾波器，其產(chǎn)生有可能 與灰度值有關的增強。另一種特性可以是將導致與圖像活動(activity)有關的增強的局部標準偏差。又一個實例是從逼近圖像中計算出梯度圖像以為了達到減小噪聲的目的而執(zhí)行 梯度驅(qū)動(gradient-driven)的圖像增強?，F(xiàn)有技術的多尺度圖像處理方法可以被用來通過對細節(jié)圖像進行濾波來減小數(shù) 字圖像中的噪聲。直接的實施方式是細節(jié)圖像的局部平均，以便減小由噪聲產(chǎn)生的細節(jié)系 數(shù)之間的差異。
然而，這些直接的方法就在保持邊緣的同時減小圖像中的噪聲來說是不令人滿意 的，例如具有低對比度的小細節(jié)會變得甚至更看不到。更好的結果可以通過對由局部梯度操縱的增強的中心差異圖像進行自適應地濾 波(例如加權平均)來實現(xiàn)。因此，操縱塊Ak可以被用來從逼近圖像中計算出梯度圖像。功能塊B功能塊B被用來增強殘留圖像&。該塊將可選的變換應用于殘留圖像以便生成在 尺度L下的增強的逼近圖像Iv這樣的變換的實例是限制動態(tài)范圍的增益調(diào)整。殘留的逼近圖像被用作輸入，輸 出是增強的殘留圖像。輸入圖像的像素值范圍可能太大而不能以足夠的對比度分辨率顯示所有圖像區(qū) 域。降低圖像中非常低的頻率分量相對于高頻和中頻分量的相對貢獻將改善所有相關圖像 特征的對比度。
圖2是在圖1中所說明的方法中使用的增強功能塊的詳細視圖。功能塊LUT該變換塊被用來通過修改轉(zhuǎn)變差異d來創(chuàng)建中心差異圖像的增強版本。作為控制輸入，可以使用下面的組合· Ak_m(gk_m， (gk +1-m))· Bg(gkJ· Ck(dk_ffl, (dk+1J)LUT運算符可以被實施為η維查找表、或者解析函數(shù)、或者自適應濾波器、或者前 述這些的任何組合。 輸入(可選地經(jīng)濾波的)轉(zhuǎn)變差異。 可選的輸入oAk_m(gk_m， (gk +1-m))oBg(gkJoCk_m(dk_m， (dk+1J) 輸出增強的轉(zhuǎn)變差異。 應用通常通過放大細微圖像特征的對比度來改善數(shù)字圖像的可視化，并且同時在沒有 遺漏信息的風險的情況下削弱強分量。通過生成增強的多尺度中心差異圖像來完成這樣的對比度均衡化。對于這樣的增強，LUT運算符被用來生成增強的轉(zhuǎn)變差異，并且將這些增強的轉(zhuǎn)變 差異結合起來以創(chuàng)建增強的中心差異圖像?？梢杂蓮谋平鼒D像或細節(jié)圖像得到的任何特性來操縱增強的程度?？梢酝ㄟ^使用經(jīng)濾波的灰度值逼近圖像本身Bg(gk_m)來應用與灰度值有關的增 強。例如，與暗區(qū)域中的細微對比度相比它可以用來將較亮圖像區(qū)域中的細微對比度增強 得更多(例如使得乳腺攝影圖像的精細圖像結構在乳腺腺體纖維(fibroglandular)組織 中更可見)。第一可選步驟是逼近圖像gk_J々自適應濾波?？梢杂葾k(gk_m， (gk+1J)形成自適應分量。逼近圖像&的灰度值可以直接用作LUT分量的控制輸入。而且操縱分量Ak(gk_m，丨(gk+1_m))可以被用作LUT的附加控制輸入。自適應濾波器Kd
功能塊Kd是增強的中心差異圖像的可選自適應或非自適應濾波。該自適應濾波器可以基于相同尺度和/或較粗略尺度Ak(gk_m，丨(gk+1_m))下的逼 近圖像的特性，以及/或者相同尺度和/或較粗略尺度Ck(dk_m， (dk+1_m))下的細節(jié)圖像的 特性。實例是增強的中心差異圖像的自適應平滑，其中操縱輸入Ak (gk_m，丨(gk+1_m))是例 如較粗略尺度下的逼近圖像的梯度圖像?！ぽ斎朐鰪姷闹行牟町悎D像。·可選的輸入ο尺度k-m和/或尺度k+1-m下的逼近圖像的特性(其中m = 0 ^圖1中的多尺 度處理方案；其中m >尺度的數(shù)目-1 圖3中的多尺度處理方案；對于中間值見圖5)。ο尺度k-m和/或尺度k+1-m下的細節(jié)圖像的特性(其中m = Oj圖1中的多尺 度處理方案；其中m >尺度的數(shù)目-1 =>圖1中的多尺度處理方案)。·輸出經(jīng)濾波的增強的中心差異圖像。 應用對比度可以提高到任何可行水平是數(shù)字圖像處理的最顯然優(yōu)點中的一個。 然而，噪聲被放大到相同的程度。因為這一原因，優(yōu)選地引入次級控制機制以減小不期望強 對比度增強的區(qū)域中的對比度增強的量。為了這個目的，可以在與局部梯度(從逼近圖像Ak(gk_m， (gk+1J)得到)垂直的 方向上來對增強的中心差異圖像進行平滑。這在保持以及甚至增強結果圖像中的邊緣的同 時減小所得到的圖像中的噪聲?？蛇x的變換塊Ld功能塊Ld將可選的逐像素的變換應用于增強的中心差異圖像。·輸入增強的中心差異圖像?！ぽ敵鲎儞Q的增強的中心差異圖像。 應用在優(yōu)選的是整體增加所得到的圖像的銳度的情況下，這可以通過放大最精細的增 強的中心差異圖像來實現(xiàn)。這樣的可選變換的另一個實例是增強的中心差異圖像的幅度的歸一化。功能塊Bg功能塊Bg是在計算中心差異圖像之前每個尺度下的逼近圖像的可選的自適應或 非自適應濾波。自適應濾波器可以基于相同尺度和/或較粗略尺度Ak (gk，丨(gk+1))下的逼近圖像 的特性，以及/或者相同尺度和/或較粗略尺度Ck(dk， (dk+1))下的細節(jié)圖像的特性。輸入逼近圖像?？蛇x的輸入是-尺度k-m或尺度k+1-m下的逼近圖像的特性(其中m= 0 =^圖1中的多尺度處理方案；其中m >尺度的數(shù)目-1 =>圖3中的多尺度處理方案；對于中間值見圖5)。-尺度k-m和/或尺度k+1-m下的細節(jié)圖像的特性(其中m= 0 圖1中的多尺 度處理方案；其中m >尺度的數(shù)目-1 ^圖1中的多尺度處理方案)。輸出經(jīng)濾波的逼近圖像。該實施例可以被用作反混淆(anti-aliasing)的度量?；煜莻鹘y(tǒng)圖像增強過程的普遍問題?；煜杀平鼒D像的下采樣和上采樣產(chǎn)生。
如果細節(jié)圖像沒有被修改，則在重構過程中這些混淆效果被抵消。然而，如果將自 適應濾波和LUT轉(zhuǎn)換應用于細節(jié)圖像，則在重構過程中不存在混淆效果的適當?shù)窒＿@將 在增強數(shù)字圖像中生成贗像。通過計算增強的中心差異圖像而不是直接增強的細節(jié)圖像來減小這些混淆贗像 的出現(xiàn)。然而，通過在計算轉(zhuǎn)變差異之前對逼近圖像&進行預濾波來實現(xiàn)甚至更好的圖像 增強結果。在圖1和圖2中示出的實施例中，不存在使用細節(jié)系數(shù)的控制路徑，因為沒有計算 同樣的細節(jié)圖像?？梢詮谋平鼒D像得到相似的特性。細節(jié)圖像還可以控制自適應濾波器Kd和Bg。圖3示出圖1的多分辨率圖像處理的相似擴展方案，差異是從原始的全分辨率圖 像而不是不同的逼近圖像來計算出所有的增強轉(zhuǎn)變差異圖像。示出了類似的控制路徑。因為計算效率的緣故可以將重復的二次采樣塊Vm結合到增強塊E中。Vm意味著 該塊的輸入圖像被二次采樣m次。圖4類似于具有控制路徑Ak (g0)的圖2。圖5和圖6示出混合的實施方式，它是在圖1和圖3中示出的多尺度圖像處理方
案的結合。這些圖包括二次采樣以創(chuàng)建金字塔形的多尺度分解?？梢允÷远尾蓸右詣?chuàng)建漏 斗狀的分解。在說明書中，除了圖3的全分辨率多尺度圖像處理方案之外，Ak和Ck的指數(shù)對應 于所使用的逼近和細節(jié)圖像的尺度(尺度k和k+Ι)。在該最后方案中使用尺度為0下的圖像。
權利要求
一種增強由數(shù)字信號表示的圖像的對比度的方法，其中-在一個或多個尺度下創(chuàng)建至少一個逼近圖像，某一尺度下的逼近圖像表示其中已經(jīng)省略該尺度下的所有細節(jié)的所述圖像的灰度值；-通過逐像素地減去尺度s下的逼近圖像的值和所述逼近圖像的轉(zhuǎn)變版本的值來創(chuàng)建轉(zhuǎn)變差異圖像；-對一個或多個所述轉(zhuǎn)變差異圖像的值應用非線性修改；-通過將特定尺度或較小尺度下的所述修改的轉(zhuǎn)變差異圖像與權重wi，j結合來計算所述特定尺度下的至少一個增強的中心差異圖像，由此選擇所述權重wi，j，以使得如果不執(zhí)行增強則獲得所述圖像的多尺度分解的等效；-通過將重構算法應用于增強的中心差異圖像來計算增強的圖像，其中執(zhí)行下述動作中的至少一個(1)所述轉(zhuǎn)變差異圖像的值的所述非線性修改由(a)從至少一個尺度下的一個或多個所述逼近圖像中計算出的一個或多個特性操縱；(2)對某一尺度下的所述逼近圖像進行濾波以生成經(jīng)濾波的逼近圖像；(3)對所述增強的中心差異圖像進行濾波。
2.根據(jù)權利要求1所述的方法，其中所述特性是預定義的圖像區(qū)域中的平均灰度值。
3.根據(jù)權利要求1所述的方法，其中所述特性是局部標準偏差。
4.根據(jù)權利要求1所述的方法，其中所述特性是在所述逼近圖像中存在預定義的圖像 結構或異常圖案。
5.根據(jù)權利要求1所述的方法，其中某一尺度下的所述逼近圖像的所述濾波基于所述 尺度或較粗略尺度下的逼近圖像的特性。
6.根據(jù)權利要求1所述的方法，其中所述逼近圖像的所述濾波基于所述尺度或較粗略 尺度下的細節(jié)圖像的特性。
7.根據(jù)權利要求1所述的方法，其中將逐像素的變換或濾波應用于作為最低尺度下的 逼近圖像的殘留圖像。
8.根據(jù)權利要求1所述的方法，其中所述增強的中心差異圖像的所述濾波基于相同或 較粗略尺度下的所述逼近圖像的特性。
9.根據(jù)權利要求1所述的方法，其中所述增強的中心差異圖像的所述濾波被相同或較 粗略尺度下的所述細節(jié)圖像的特性操縱。
10.根據(jù)權利要求1所述的方法，其中所述增強的中心差異圖像的所述濾波是通過借 助于所述尺度或較粗略尺度下的逼近圖像的梯度圖像來操縱所述濾波而獲得自適應平滑。
11.根據(jù)權利要求1所述的方法，其中所述增強的中心差異圖像經(jīng)受逐像素的變換。
12.根據(jù)權利要求11所述的方法，其中所述變換是所述增強的中心差異圖像的幅度的 歸一化。
13.根據(jù)權利要求1所述的方法，其中從相同尺度下的逼近圖像中計算出特定尺度下 的轉(zhuǎn)變差異圖像。
14.根據(jù)權利要求1所述的方法，所修改的在于從原始圖像中計算出所有所述轉(zhuǎn)變差 異圖像。
15.根據(jù)權利要求1所述的方法，其中從尺度m下的逼近圖像中計算出尺度k下的轉(zhuǎn)變差異圖像，其中m表示尺度1和尺度k-Ι之間的尺度。
16.根據(jù)權利要求1所述的方法，其中所述中心差異圖像和多尺度細節(jié)圖像相同。
17.根據(jù)前述權利要求中任何一項所述的方法，其中所述圖像是乳腺攝影圖像。
18.根據(jù)前述權利要求中任何一項所述的方法，其中所述圖像是CT圖像。
19.一種適于當在計算機上運行時執(zhí)行根據(jù)前述權利要求中任何一項所述的方法的計 算機程序產(chǎn)品。
20.一種包括計算機可執(zhí)行程序代碼的計算機可讀介質(zhì)，該計算機可執(zhí)行程序代碼適 于執(zhí)行根據(jù)前述權利要求中任何一項所述的步驟。
全文摘要
在一個或多個尺度下創(chuàng)建圖像的至少一個逼近圖像。通過逐像素地減去尺度s下的逼近圖像的值和所述逼近圖像的轉(zhuǎn)變版本的值來創(chuàng)建轉(zhuǎn)變差異圖像。對所述一個或多個轉(zhuǎn)變差異圖像的值應用非線性修改，以及通過將特定尺度或較小尺度下的所述修改的轉(zhuǎn)變差異圖像與權重wi，j結合來計算所述特定尺度下的至少一個增強的中心差異圖像。通過將重構算法應用于增強的中心差異圖像來計算增強的圖像。所述轉(zhuǎn)變差異圖像的值的所述非線性修改由(a)從至少一個尺度下的一個或多個所述逼近圖像中計算出的一個或多個特性操縱。
文檔編號G06T7/00GK101821775SQ200880107543
公開日2010年9月1日 申請日期2008年6月10日 優(yōu)先權日2007年7月20日
發(fā)明者P·武伊爾斯特克, T·伯滕斯 申請人:愛克發(fā)醫(yī)療保健公司