多分辨率自适应滤波的制作方法

专利名称：多分辨率自适应滤波的制作方法
技术领域：
本发明总体上涉及图像处理，更具体地涉及减小图像噪声的图像处理。
背景技术：
斑点噪声包括例如产生于超生图像中的相干噪声。例如，当形成超声图像时，典型地执行束形成过程—其是相干过程—以形成超声图像从其获得的超声束。多个束形成过程导致一种叠加在真实图像信息上的“黑白点噪声(salt and pepper noise)”。这种噪声被称为“斑点噪声”。类似现象还发生在雷达中。
超声行业内很多人都试图根据复合技术来滤除斑点噪声。即，很多人已尝试通过以不同频带处理图像并将不同频带整合到一起来纠正斑点噪声从而减小斑点噪声。
人们已经尝试的减小斑点噪声的另一种途径是使用空间复合。在空间复合中，从不同的“观看方向”或不同的视角产生两个或多个图像，并且所述图像被整合到一起以使斑点噪声达到平均。
前述两种斑点噪声减小技术通常都实现某种程度的斑点噪声抑制。然而，这些技术也不是没有缺点的。例如，在频率复合中，因为频带被分成多个较小和较窄带宽信号，所以会有一些轴向分辨率折衷。这种窄带化导致轴向分辨率折衷。使用通过从不同观看方向获得多个视图来实现的空间复合使最终图像获得的帧速率缓慢。因此，实时图像的移动和动画质量可能较差。

发明内容
本发明涉及通过分析图像并提取图像的局部特征以及将自适应滤波器施加到这些特征来纠正斑点噪声的系统和方法。基于在图像内识别出的特征中的不同特征，各实施例确定滤波器配置，以便在不同取向和/或以不同的滤波器参数来施加滤波以通过有效地抑制斑点噪声来改善图像质量。相对于正针对其施加滤波器的特定特征，所施加的滤波器优选地是例如空间上和/或时间上自适应的。
本发明的实施例使用前述自适应滤波器对处于各种水平分辨率的子图像进行处理。例如，高分辨率图像可以分解成多个图像表示，每一图像表示的分辨率比下一图像表示低。实施例用来对每个这样的图像表示内的局部特征进行识别，并对所述局部特征施加滤波器，其中针对呈现于特定图像表示中的对应特征，根据取向和/或参数来选择所施加的滤波器。关于图像的图像表示内的特征的信息可以在对不同图像表示施加滤波的过程间共享。在已对每个图像表示施加滤波后，优选实施例根据经滤波的图像表示来重建经滤波的图像。对于同一图像，可以多次(例如，反复地或在改变图像或对图像施加改变时)执行上述的图像分解、分解图像表示的滤波以及经滤波图像表示的重建。
可以利用各种知识基础来施加本发明的实施例的自适应滤波器。例如，可利用使各种滤波器参数与特征方面(例如，阶跃函数、脊线、表面斜度、纹理、象素强度梯度等)相关联的知识基础来选择相对于图像中识别出的特定特征而使用的自适应滤波器和/或自适应滤波器参数。另外或可替选地，可利用使各种滤波器参数与典型地呈现于特定图像类型中的特征(例如，特定解剖结构、特定过程等)相关联的知识基础来选择相对于图像中识别到的特定特征而使用的自适应滤波器和/或自适应滤波器参数。
上述已经粗略概述了本发明的特征和技术优点，从而使以下对本发明的详细描述可得到更好地理解。在下文中将描述本发明的另外的特征和优点，其形成本发明的权利要求的主题。本领域技术人员应理解，可以容易地利用所公开的设想和具体实施例作为对其它结构进行修改或设计以实现与本发明相同目的的基础。本领域技术人员还应认识到，这样的等同构造不背离如所附权利要求中所陈述的本发明的精神和范围。当结合附图考虑时，根据以下描述，将更好地理解对于其组织和工作方法都被认为是本发明所特有的新特征以及另外的目的和优点。然而，应特别清楚地理解，每个附图仅是为图示和描述的目的而提供的，并不是要作为对本发明的限制性的限定。


为了更完整地理解本发明，现在参考以下结合附图的描述，其中图1图示了根据本发明的实施例的将自适应和/或可操纵滤波器(steerable filter)施加到图像；图2A图示了根据本发明的一个实施例的利用帧内处理的二维信号处理；图2B图示了根据本发明的一个实施例的利用帧间处理的二维信号处理；图3图示了根据本发明的一个实施例的三维信号处理；图4A图示了根据本发明的一个实施例的可被滤波的噪声阶跃函数信号；图4B图示了根据本发明的一个实施例将自适应滤波施加到图4A的噪声阶跃函数信号；图5图示了将常规非自适应滤波器施加到图4A的噪声阶跃函数信号；图6图示了本发明的一个实施例的自适应滤波器如何在一维空间中工作；图7A和7B图示了二维情况，其中类似于图6的一维情况地来施加自适应滤波器；图8A和8B图示了根据本发明的一个实施例在脊特征处所施加的示例性对称自适应滤波器；图9A和9B图示了根据本发明的一个实施例在特征交叉处所施加的示例性对称自适应滤波器；图10A和10B图示了在本发明的至少一个实施例中使用的各种实例可操纵滤波器；图11示出了本发明的一个实施例的滤波器的图形表示；图12图示了根据本发明的各种实施例的图像内的边缘方向和梯度方向；图13A-13C图示了根据本发明的实施例的可利用的高斯滤波核的简单实例实施；图14示出了适用于本发明的各个实施例的诊断超声系统的示例性信号路径；图15示出了根据本发明的各个实施例的可用于图像滤波的处理单元的功能框图；图16示出了关于图15的分解框的一个实施例的细节；图17示出了关于图15的处理框的一个实施例的细节；图18示出了关于图15的重建框的一个实施例的细节；图19图示了根据本发明的一个实施例的适合的示例性数字信号处理器硬件配置。
具体实施例方式
参考图1，示出了根据本发明的一个实施例将自适应滤波器施加到图像100的表示。具体地，图1包括表示根据本发明实施例的示例性滤波器的圆111-114以及椭圆121-127。所述圆和椭圆例如相对于呈现于图像中的各种对应特征(例如，结构、纹理、梯度、斜率、函数等)而覆盖在图100顶上。在根据本发明优选实施例的操作中，不同尺寸、施加于相对于图像的不同取向上和/或采用各种参数的上述滤波器被开发和施加到图像上以便平滑掉或滤除掉斑点噪声。这样的滤波器优选地适用于局部特征以便提供最好质量的滤波性能。例如，各实施例的滤波处理器使用上述滤波器以通过平均类似象素同时避免平均不类似象素来使处于不同位置的象素达到平均。相应地，系统优选地自适应地确定是否需要在滤波过程中包括某个象素。可利用一种或多种技术基础来选择相对于诸如图像100的图像的特定特征而使用的滤波器和/或滤波器参数。
相对于提供图像滤波，本发明的实施例还实施子图像处理。例如，各实施例的多分辨率子图像处理步骤将图像分解成不同分辨率的子图像或图像表示，其中一个或多个自适应滤波器施加到呈现于每个这种子图像中的各个特征上以抑制斑点噪声。如上所述，相对于任何这种子图像所使用的滤波器可以是不同尺寸的、施加于相对于图像的不同取向上和/或采用各种参数。即，本发明的实施例实施多滤波器，所述滤波器包括依赖于局部地处于相应子图像中的特征的性状。在根据本发明的操作中，一旦使用上述自适应滤波器对子图像进行了处理，则处理的子图像被组合以重建所述图像，所述图像然后呈现给终端用户或作为滤波的图像来使用或存储。
具体实施方式
根据各实施例的自适应滤波器的示例特性可包括对平坦表面进行滤波和平滑、对倾斜表面进行滤波、保留表面之间的尖锐边缘、对脊特征处的噪声进行滤波、保留尖锐拐角等。例如，可关于具有平坦表面的特定特征来实施的滤波器可对同一表面上的像素即具有相似特性的像素进行平均。然而，如果表面不是平坦表面，而是具有与其关联的斜率的弯曲表面，那么实施例可实施沿同一斜率对像素进行分组和滤波而不扰乱该斜率。如果在表面之间如顶表面和侧表面之间(例如几个表面可见的立方体的视图)存在尖锐边缘，那么根据实施例来实施的滤波器优选地工作，以保留所述边缘的锐度，由此使边缘的劣化和失真最小。当图像特征或结构包括脊(如线状结构)时，根据本发明实施例来实施的滤波器保留该脊的形状，且亦保留该脊的锐度。如果，存在线的相交(如两个脊相交)，导致相交处的拐角，则根据本发明实施例来实施的滤波器保留该拐角使其很尖锐。在本发明优选实施例的操作中，利用与图像中可识别的特征关联的前述特性来开发一个或多个滤波器，由此能够实现斑点减少过程中的高图像质量。
注意图2A、2B和3，可以看出本发明的实施例可应用于多维。例如，实施本发明概念的算法可上应用于一维信号处理、二维图像处理、三维图像处理和四维图像处理。根据实施例的四维图像处理意味着三维空间和时间(如X、Y、Z和时间)。根据实施例的三维图像处理可以是二维空间和时间(如X、Y和时间)或三维空间(如X、Y、Z)。
关于图2A的图像序列示出了二维信号处理的一个实例，其中t轴是时间，X和Y轴是二维图像的空间维度。在图2A所示的实例中，提供前面的滤波的图像处理针对每个帧以时间序列单独地被提供(即帧内处理)，在此所示为帧201-209。也就是说，该处理是在逐帧的基础上、在不利用可从帧的时间序列获得的帧间信息(如从下一帧获取的信息)的情况下完成的。本发明的各实施例可使用帧间(在该实例中，空间信息)和帧内(在该实例中，时间信息)滤波器特征二者或其中任一个。
图2B示出了三维信号处理的一个实例。具体而言，图2B中所示实例示出了对帧间信息的利用。在所示的帧间信号处理中，该处理中包括连续的帧，如组211-214的帧，以改善滤波器的性能。例如，关于图2B的组211的连续帧中存在的特征来应用的滤波器可沿t轴取向，以便利用连续帧中可用的信息。这种帧组可由特征相关的一系列帧、由任意数量的帧、由移动窗等来限定。本发明的实施例可实施包括不同帧的帧组，以便关于各种图像特征来提供滤波(如用于第一特征的组211及用于第二特征的组212)。然而，利用关于各种特征的这种帧间信息，选择了前面的帧组，可用来提供改善的图像处理，其中帧间提供相关信息，。
应该理解，前述概念可关于不同维度的空间信息来应用，且因此并不局限于二维空间图像处理。图3的实例示出了前述概念关于三维对象序列的应用。例如，如果图像包括三维块数据而该块数据是在不同时间获取的，则可获取块图像序列(这里示出为301和302)，所应用的前述概念可改善图像质量。
下列等式提供了描述根据各实施例的两类滤波器的滤波器公式。
Gs(r(x,y,z,t),g(x,y,z,t),▿g(x,y,z,t),f(x,y,z,t),...)=e-(r2σr(g,.)2)e-(|▿g|2σg(g,.)2)e-(|▿f|2σf(g,.)2)...(1)]]>Gα(u,v,w,t,g(x,y,z,t),▿g(x,y,z,t),f(z,y,z,t),...)=e-(u2σμ(g,.)2+v2σν(g,.)2+..)e-(|▿gu|2+|▿gv|2σ2g(g,.)+..)e-(|▿f||2σ2f(g,.))...(2)]]>上面所示的第一类滤波器(等式(1))包括对称滤波器。上面所示的第二类滤波器(等式(2))包括非对称滤波器，其中u是特征的占优势的取向。对称和非对称滤波器二者均可以是自适应的。示例的滤波器公式是多个不同参数的函数。这里，r、x、y和z包括空间信息，t包括时间信息，g包括灰度(grayscale)信息(如，差分灰度信息)，而f为通用项(如，其他相关信息)。
应该理解，根据本发明实施例发生的斑点减少操作中的坐标系可以是极坐标系(如，使用径向坐标，例如半径或距离r)，或者可以是迪卡尔坐标系(如，使用沿X、Y和Z轴的坐标)。超声信息基本上是从不同探视方向获取的数据，以便将所述数据组合成根据极坐标的图像。然而，大多数显示模式都是迪卡尔的，因为线性阵列通常是矩形的。扫描头通常使用极坐标，而显示器通常使用直角坐标，通常存在根据关于通过超声系统扫描头所获取的图像数据而使用的极坐标系以及根据关于通过超声系统显示器来显示的图像数据而使用的直角坐标系的重建过程。也就是说，大多数超声系统将极坐标转换成直角坐标(称作扫描转换过程)。在此所述的滤波可应用于极坐标空间和/或直角坐标空间。
等式(1)右手侧所述的是正在使用级联(如，多个不同的高斯滤波器)。高斯滤波器被级联成单个滤波器，称作Gs。所示的滤波器等式是关于距离r对称的，因此在所有维度中是对称和一致的。德耳塔g(Δg)是等式(1)的实施例，包括梯度信息，如不同维度中关于灰度的梯度。例如，在示例实施例中提供了f函数，以适应通用函数。应该理解，根据本发明的实施例，如当存在多个不同的附加相关信息时，可使用多于一个这样的f函数。
等式(2)提供了非对称滤波器，这样该等式不是在所有维度中一致的。也就是说，该滤波器相对于所选的取向、如沿着与以特征轴正交的轴相比的该特征轴不同地施加滤波，。根据本发明实施例使用这样的非对称滤波器，在保留经滤波的图像中特征的诸方面上特别有用。与上述等式(1)一样，上述等式(2)使用级联(如，多个不同的高斯滤波器)。应该理解，示例的非对称滤波器可分解成不同的取向。滤波器取向可通过分析局部特征以便提取一个或多个特征取向来确定。然后，可优选地沿特征的占优势的取向来应用所述滤波器。
注意图4A和4B，示出了根据本发明一实施例的自适应滤波的应用的示例性实例。为了简化所述的概念，图4A和4B的实例提供了对一维信号处理自适应滤波的说明。如图4A所示，存在一个为阶跃函数的信号，示为阶跃函数信号401。如果噪声被引入该阶跃函数信号，如噪声信号402所示的，则该阶跃函数信号变成噪声阶跃函数信号，如噪声阶跃函数信号403所示的。应该理解，例如，图4中的信号表示从图像信号提取的单个特征。在给定的信号中，可存在待基于相似的跟踪方式来提取的其他可能的特征。
图4B中示为滤波器410的本发明一实施例的自适应滤波器，优选地应用于噪声阶跃函数信号403，以便去除噪声，从而呈现经滤波的信号，如所示的经滤波的阶跃函数信号404，近似于原始信号(图4A中所示的阶跃函数信号401)。应用根据实施例的这种滤波器是为了抑制噪声，并保留阶跃函数的边缘。因此，阶跃函数的尖锐边缘保持于所示实施例的经滤波的阶跃函数信号404中。因此，根据本发明实施例的自适应滤波器关于特征边界是特别有用的，如保留尖锐特征边缘、拐角、线条等。
图5示出了传统非自适应滤波器应用于前述噪声阶跃函数信号，以便示出本发明实施例的自适应滤波器的优点。图5中的滤波器不适应于信号。示为滤波器核510并在此称作G(h)的高斯核表示传统非自适应滤波器。在阶跃函数的边缘，存在高斯核G(h)。同样，在离开所述边缘的几个点，也存在相同的高斯核G(h)。因此，施加高斯核并对信号进行平均，传统滤波器提供了经滤波的阶跃函数信号504，其中不仅平滑掉了噪声，还平滑掉了阶跃函数的边缘，因此不再尖锐。具体而言，通过滤波器所提供的平滑，区域521和522处的边缘的锐度现在减小了，因此根据该信号形成的超声图像将提供看起来边界模糊的边缘。
与图5中的传统非自适应滤波器相比，图4B的自适应滤波器保留了阶跃函数特征的尖锐边缘。图6示出了本发明一实施例的自适应滤波器410如何可在一维空间中工作。具体而言，图6示出了所提取的特征(这里是基阶跃函数)如何用来控制所应用的滤波器来减少噪声。
在任何特定点关于噪声阶跃函数信号403所使用的滤波器核由图6中的滤波器核611-615来表示。与图5的滤波器核不同的是，图6的滤波器核是自适应的。因此，当滤波器核接近阶跃函数时，滤波器核适于与阶跃函数特征对应。注意，滤波器核613和612所表示的高斯核的形状在左侧具有尖锐的边缘，而在右侧则象图5所示的滤波器核一样平滑。具体而言，在所示的实施例中，滤波器核613将滤波器核的约一半设定为0，这样仅一半的高斯核被应用于滤除噪声信号。然而，滤波器核612将滤波器核的约三分之一设定为0，这样仅约三分之二的高斯核被应用于滤除噪声信号。当滤波器从阶跃函数边缘移开时，滤波器核变得与图6中的相似。在阶跃函数边缘处使用所示实施例的自适应滤波器，信号的左手侧将不平均到信号的右手侧。
在根据图6所示实施例的操作中，当阶跃函数边缘被接近时，自适应滤波器将自动减少权重，或改变滤波器系数，以使阶跃函数边缘右手侧上的信号不与阶跃函数边缘左手侧上的信号一起平均。应该理解，前述滤波器函数可应用于所检查的任何信号，不论是否存在足够大包括“边缘”的信号转换。然而，一旦特征或者结构足够大包括了边缘，滤波器的权重优选地如此操纵使得边缘的任一侧的像素不被平均到一起。就是说，实施例操作来寻找这一个边缘，而当发现一个边缘时，在边缘处调整滤波器的权重，使得在该边缘处该滤波器的权重为零或者接近零。应该理解，这种边缘可以限定在多维空间中，于是工作在边缘的上述概念不限于上面所说明的一维实例。另外，其中限定这种边缘的纬度不限于空间限定的，而可以是时间限定的。
图7A和7B示出了二维的情况，其中，与上述图6的一维情况相似，应用了自适应滤波。在二维的情况下，尽管是二维的，本发明的实施例也如上所述地进行。例如，如图7A中所示，可以在二维噪声阶跃函数信号(示为噪声阶跃函数信号703)的平坦表面(如，上和下平稳状态)上应用完整的高斯滤波器(示为滤波器核711)。但是，在接近阶跃函数边缘时，滤波器核优选地降低滤波器权重(如，当滤波器接近阶跃函数边缘时，滤波器核712使滤波器核的约三分之一设置为0)，这样右手侧将仅对顶部进行平滑。因此，左手侧上的信息将不与边缘上右手侧上的信息一起平均。图7B示出了在应用了自适应滤波器后，经滤波的阶跃函数信号704保留了阶跃函数的尖锐边缘。
如上所述，关于前述自适应滤波器的实施例所使用的等式(1)和(2)被级联(在上述实例中，为级联的高斯函数)，这提供了一种相对难的滤波器。但是，如果局部特征是一个边缘，那么滤波器核优选地将自动降低权重。当权重降低时，实施例的滤波器在边缘处将不是一个完整的核，如图6的滤波器核612-615所示的，因此，与完全滤波器核相比，看得出所应用的滤波器对于信号处理来说是不那么苛求的滤波器。
如上所述，等式(1)和(2)表示的滤波器类包括对称滤波器(等式(1))和非对称滤波器(等式(2))。差别在于对称滤波器具有施加于其的一取向，而非对称滤波器对所有方向来说是各向同性的。因此使用等式(1)来设置的滤波器作为距离的函数来提供滤波，而使用等式(2)来设置的滤波器作为梯度的函数来提供滤波。上述概念可关于任一滤波器类来提供(如，根据特征关于距离和/或关于特征梯度来调整滤波器权重)。
图8A和8B示出了根据本发明一实施例的在脊处的典型对称自适应滤波器。根据所示实施例的滤波器适应于图像特征。如图8A所示，完整的高斯滤波器(示为滤波器核811)可应用于噪声脊信号(示为噪声脊信号803)的平坦表面(如，背景)。但是，滤波器核优选地在脊处降低滤波器权重(如，当滤波器应用于脊特征时，滤波器核812使滤波器核的左边约三分之一和滤波器核的右边约三分之一的每个设定为0)，这样仅脊特征的顶部被平滑。因此，来自脊特征左边和右边上背景表面的信息将不与脊上的信息平均。图8B示出了在应用了自适应滤波器后，经滤波的脊信号中保留了脊的尖锐边缘。
图9A和9B示出了根据本发明一实施例的在特征交叉处(如，脊的交叉)的典型对称自适应滤波器。所示实施例的滤波器适应于接近中心的图像特征。如图9A所示，在噪声脊交叉信号(示为噪声脊交叉信号903)的平坦表面(如背景)上可应用完整的高斯滤波器(示为滤波器核911)。但是，滤波器核优选地在脊和脊交叉处降低滤波器权重(如，滤波器核912使该滤波器核的与应用滤波器的脊交叉部分对应的部分设定为0)。应该理解，与滤波器核812相比，所示实施例的滤波器核912的形状更复杂，例如，其保留脊的边缘以外，还保留脊交叉的拐角。因此，来自脊特征左边和右边上的背景表面的信息将不与脊上的信息平均。图9B示出了在应用了该自适应滤波器后，经滤波器的脊交叉信号904中保留了脊的尖锐边缘以及脊交叉拐角的尖锐边缘。
如上所述，根据优选实施例，自适应滤波器试图保留拐角，并保留与特征的交叉关联的脊的锐度。尽管一般而言自适应滤波器在实现上面所述的过程中工作良好，但是在某些应用中亦存在局限性。具体而言，利用对称滤波器，滤波权重是局部特征的函数，其中当权重被抑制时，有效滤波核的大小较小。结果，接近特征边缘的滤波效果小于表面上的滤波效果。这种现象可见于图8A，其中背景区域应用了完整的高斯滤波器，而沿着脊的边缘仅应用了高斯滤波器的子集。因此，图像的不同部分所应用的滤波量是不同的，导致经滤波的信号中接近脊的区域与远离脊的区域相比将保留较多的噪声。图6A和9A示出了关于其中相应特征的这种现象。
因此，本发明的实施例实施了一种可操纵的滤波过程，以补偿前述特征边缘处的不相等的滤波效应。可操纵的滤波器可以被提取或分类，并且系统优选地将这些滤波器应用于所感兴趣的取向，以在边缘周围进行附加滤波。例如，可沿图8A的噪声脊信号803的脊来提供可操纵的滤波器来应用，而可沿噪声脊信号803的背景平面与脊相交所限定的边缘提供可操纵的滤波器来应用于背景。为了改善性能，除了对称滤波器以外，本发明的各实施例还包括可操纵的非对称滤波器。在这种实施例中，系统基于特征的取向将非对称滤波器应用于该特征。
图10A和10B示出了用于本发明的至少一个实施例的各种实例可操纵的滤波器。根据优选实施例，确定待滤波的信号中局部特征的取向(如，可确定特征的占优势的角θ)。优选地创建取向与局部特征的取向一致的可操纵的滤波器(如，以角θ取向的非对称可操纵的滤波器)。然后，在所确定的取向上应用可操纵的滤波器，以便提供经滤波的图像。
尽管图10A和10B的图解示出在XY空间执行空间居中(spatialcentering)，但是相同的概念可扩展到其他维度(如，Z轴和时间轴)。例如，各实施例可适用于四维(如，X、Y、Z和时间)。应该注意，一个或多个前述维度不必是空间上的，因此可包括时间、强度等。在存在多个维度时(如3维，所测的XYZ)，系统可使不同的滤波器在不同维度上不同地取向。
根据本发明的各实施例，下列等式表示可操纵的非对称滤波器，用于相对简单的二维情况。
G(u,v,g,▿g)=e-(u2σu2+v2σν2)e-(|▿gu|2+|▿gv|2σg(g,.)2)---(3)]]>其中，等式(3)中的v是与特征边缘垂直的梯度方向，而等式(3)中的u与特征边缘平行，如图11所示。在等式(3)的实施例中，有两个指数表达式，这里是两个高斯表达式，是从上述非对称滤波器等式(2)导出的。第一高斯表达式包括u和v，并示出特征的取向。下一高斯表达式表示沿u方向的灰度(g)梯度及沿v方向的特征梯度。图11所示的椭圆提供的表示示出了得到的滤波器。在所示实施例中，滤波器沿u方向伸展，而且在较小的程度上沿垂直的v方向。假设这是高斯滤波器，高斯的伸展通过Sigma u和Sigma v来描述。所示实施例的Sigma v比Sigma u小。Sigma是该u轴关于XY轴的取向，XY轴是图像的质量，而u是特征的方向。Sigma g是该特定高斯函数的伸展。
所示实施例的uv空间是特征空间，是旋转变换，可如下式所示。
uv=cosθsinθ-sinθcosθxy---(4)]]>这样，根据下列等式，可操纵的滤波器可表示在图像空间中，其中假设λv＞＞λu及|gv|＞＞|gu|。
G(x,y)-e-((xcosθ+ysinθ)2σu2+(-xsinθ+ycos)2σν2)e-(|▿gu|2+|▿gv|2σ2g(g))---(5)]]>根据以上，应理解根据实施例的系统可识别特征的取向，并且例如使用等式(3)或(5)所定义的滤波器内核来将滤波器适配成沿该特征的特定方向工作。该方向可以是该特征本身的方向。根据本发明的实施例，表面可以是特征，梯度本身可以是特征，结构的位置可以是特征，等等。
在uv空间中，函数G可以表示为G(u,v)=e-(u2σu2+v2σν2)e-(|▿gv|2σ2g(g,.))---(6)]]>假定λv＞＞λu且v是梯度方向，并令σu＞＞σv，等式(6)的梯度可如下表示。
G(u,v)≈e-|▿gv|2σ2g(g,.)=e-(n‾(x,y)n‾||)2σu2e-|▿gv|2σ2g(g,.)---(7)]]>其中 是平行于特征边缘的矢量，并且 是滤波区中的(x，y)处的点。
梯度方向表明陡度在二维空间中变化。换句话说，在灰度级变化时，可以就象地形那样来描述它。梯度在陡侧较大。典型地，在所述特定方向上来平滑图像是不理想的(例如避免“从悬崖上掉下来”)。因此，本发明的实施例在与最陡的梯度的方向不同的方向上应用平滑函数。例如，如果最大梯度方向是梯度Gv，系统沿u方向来应用滤波器，因为最大的梯度在v方向上。换句话说，各种实施例沿与梯度最大的方向垂直的方向来应用平滑滤波器。
根据本发明的实施例，可通过从亮度梯度的雅可比行列式(Jacobian)所定义的海赛(Hessian)矩阵中得到本征矢量来得到特征边缘取向。海赛矩阵M如下表示。
M=d2Jdx2d2Jdx dyd2Jdy dxd2Jdy2=JxxJxyJyxJyy---(8)]]>在取导数之前，可首先通过高斯滤波器G来正则化输入图像I(J＝G*I)。海赛矩阵M的本征值和本征矢量可通过以下来计算和表示。
v⊥=cosθ-sinθu||=sinθcosθ---(9)]]>在等式(9)中，在λv＞λu时，v是垂直于与轴成角度θ取向的边缘的矢量，且u平行于所述边缘。
尽管上述实例利用本征矢量来定位特征边缘，本发明的实施例可实现用于定位特征边缘的附加或替选的技术。例如，可根据本发明的实施例利用各种公知的数字图像处理技术、计算机视觉信号处理技术、形态图像处理等来定位特征。例如，本发明的实施例可实施用于定位特征的模糊逻辑，其中模糊逻辑控制器对推定特征的各种属性进行分析以便得出最佳特征匹配结论。
图12示出根据本发明各种实施例的边缘方向和梯度方向。图12中所示的图像是比以上参照图7B、8B和9B所示更复杂的二维图像。在图12的实施例中，第三维是灰度。平行箭头所示的梯度方向指示二维表面上的一些陡的变化。垂直于该梯度方向的是边缘方向。根据优选实施例，沿边缘方向应用自适应滤波器。应理解，可基于以上讨论的等式(6)-(9)的数学来计算滤波器取向。
应理解，图12中表示的对象包括较早时描述的各种基元特征(primitive feature)的组合。具体而言，图12的对象具有边缘、脊和斜坡。当对象在一地点(locality)具有这样的特征组合时，根据本发明的实施例实施的自适应滤波器可以是适应于特征中的各个特征的各种滤波器配置的组合，例如以上所述的滤波器配置的组合。
图13A-13C示出可根据本发明实施例利用的高斯滤波器核的简单示例性实施。图13A示出一维高斯滤波器核，图13B示出二维高斯滤波器核。在所示的实例中，在连续统(continuum)中实施高斯滤波器核包括大量的点。高斯滤波器核利用中心极限定理近似为二项式展开式。中心极限定理教导了图形可以延续到高斯函数的大量点被确定为止。根据该定理，高斯函数(Gaussian)可由二项式核来近似，该二项式核可通过对临近者(neighbor)反复求平均来产生。
图13C示出，图13B的二维滤波器在至少四个方向上可操纵。具体而言，图13C表示一个简单的滤波器，其描述二维的四个方向上的可操纵滤波器。当然，此概念可应用于任何数目的方向(例如六个方向)上。图13C的滤波器核中的a、b、c、d、e、f和g的值可以根据高斯函数的直线性(例如由σu和σv的参数)来定义。图13C所示的实施例的主要方向是aa。三个点的方向将是bab，其余方向填入根据高斯函数的和不同西格马的不同系数。
在根据本发明实施例的操作中，系统查看特征并对符合某一类型的准则(例如像素相似性)的信息分组以便滤波。如果符合该准则，则对应的像素优选地被包括在该滤波器处理中。否则该特定像素不被包括在该滤波器处理中。换句话说，本发明的算法可操作来查看像素，并且如果该像素与紧邻它的像素不足够相似，则那些像素不在一起被求平均。然而，如果边缘取向很相似，则实施例可将像素在一起求平均。通常，如果像素接近表面，它更多地属于平坦区域，将这些像素在一起滤波是理想的。如果存在陡的变化，例如它们处于不同区，则将像素在一起滤波通常是不理想的。
尽管参照单个特征而讨论了上述实例，应理解图像信号可包括多个特征。因此，本发明的实施例可用于识别这样的特征中的各种特征并且如以上所述针对这样的特征选择和/或应用一个或多个滤波器。而且，为优化图像滤波，本发明的实施例相对于提供图像滤波实现了子图像处理。如以上所述，本发明的实施例将图像分解成不同分辨率的子图像或图像表示。上述自适应和可操纵滤波器中的一个或多个被应用于如存在于每个这样的子图像中的各种特征。尽管针对任何这样的子图像而使用的滤波器可具有不同的大小，以相对于图像的不同取向来应用，并且/或者采用各种参数，但每个这样的滤波器可如以上所讨论的那样来选择和应用。
图14示出适合用于本发明的各种实施例的诊断超声系统1400的示例性信号路径。然而应理解，本发明并不局限于任何特定的信号路径。所示的信号路径包括扫描头1401，如可包括本领域众所周知的超声换能器阵列。其它实施例可将扫描头1401替换成各种电路，如射频实施例中的天线阵列。前端电路1402诸如可提供为前端专用集成电路(ASIC)，可例如提供模数和数模信号转换、波束形成和/或其它前端处理。信号处理器1403诸如可提供为数字信号处理器(DSP)，可例如提供某种水平的信号滤波、合成孔径形成、频率混合、多普勒处理和/或其它高级的特征。后端电路1405诸如可提供为后端ASIC，可例如提供扫描转换、视频信号输出等。显示器1406诸如可包括阴极射线管显示系统、液晶显示系统等，提供用户界面以便将信息显示给用户，如由经扫描头1401、前端电路1402、信号处理器1403和后端电路1405处理的超声信号产生的视频图像。关于适合于根据本发明实施例使用的具有包括扫描头、前端电路、信号处理器和后端电路的信号路径的超声系统的附加细节在美国专利第5,722,314中示出和描述，其公开通过引用结合于此。
在图14所示的示例性信号路径中，本发明一个实施例的自适应滤波在外部DSP 1404中执行。具体而言，所示实施例的外部DSP 1404与后端电路1405对接以便从中接收数字图像信息，不管是在后端电路1405的扫描转换之前或之后，并且将经滤波的数字图像信息提供到后端电路1405。然而，替选实施例可在其它电路中实现自适应滤波，不管是在诊断超声系统信号路径内部或外部，并且/或者是否与超声诊断系统相联系地使用。例如，如果需要，本发明实施例的自适应滤波可提供为信号处理器1403的部分。
根据本发明的一个实施例，外部DSP 1404在实现如上所述的自适应和可操纵滤波器核的软件的控制下工作。具体而言，一个实施例的外部DSP 1404实施了用于识别数字图像信号中的一个或多个特征的算法，确定这些特征的取向，选择和/或配置滤波器核以便应用于所述特征，以及将这些滤波器核用于所述图像信号。根据本发明的实施例，在提供图像处理的子图像处理时，外部DSP 1404可附加地提供对图像信号的多分辨率分解和对经滤波的信号的多分辨率重建。
外部DSP 1404的实施例可包括知识库1414或与之通信，该知识库存储滤波器配置信息、滤波器核参数选择准则、滤波器内核参数和/或在开发、配置和应用自适应和可操纵滤波器时有用的其它信息。例如，知识库1414可存储将一个或多个滤波器内核配置、参数等与如可在图像信号内识别的特定结构相关联的信息。附加地，或可替选地，知识库1414可存储在识别特定结构、结构取向等时使用的信息。
可根据本发明的实施例来利用高级知识库，其中的信息或其某个部分被索引或可按照上下文访问。例如，诊断超声系统1400可针对多个预定的操作过程或模式来使用，如心脏扫描、肾脏扫描、上消化道扫描等。知识库1414可存储对这些操作过程或模式中的各种操作过程或模式定制或唯一的信息，使得当用户配置超声系统1400以便用在所选过程中时，访问知识库1414的关联部分以便获得用于识别在这样的过程中典型的特定结构、在这样的过程中典型的结构取向、为这样的过程定制的一个或多个滤波器核配置、为这样的过程定制的滤波器参数等的信息。例如，可诸如使用上述模糊逻辑来识别图像信号中的特征，并且可访问知识库来选择针对该特征使用的特定滤波器核和/或滤波器参数。如果有什么样的特征有可能存在于图像信号中的先验知识(例如通过所选的操作模式或正在执行的特定过程)，则可将该信息考虑在特征识别和/或滤波器选择确定中)。当然，实施例的知识库1414可附加地或可替选地包括具有较广适用性或未针对任何特定上下文定制的信息，以便适应未预先确定的用途。
图15示出根据本发明的各种实施例的处理单元的功能框图，如可对应于图14的外部DSP 1404。在所示的实施例中，预处理部件1500提供对输入图像数据进行的处理，如可包括某种水平的预滤波、映射处理或可在本发明的自适应和可操纵滤波之前进行的其它处理。
在所示的实施例中，在预处理之后，图像信号由分解块1501分解成图像的多分辨率表示(子图像)。一个实施例可具有达N个子图像，使得输入图像可分解成N个子图像(应理解，从中分解出其它子图像的原始图像可作为用于在此所述的滤波的“子图像”而包括)。例如，分解块1501可从高分辨率图像信号开始，将该信号分解成原始信号分辨率一半的第一分解图像信号，将该第一分解图像信号分解成第一分解图像信号分辨率一半(原始信号分辨率的四分之一)的第二分解图像信号，等等，以便提供各具有下一子图像分辨率的一半分辨率的N个子图像。例如，考虑在每一维具有128个像素的图像，下一分辨率等级将是64×64、然后是32×32，然后16×16，然后8×8，等等。根据本发明优选实施例的分解从上往下来进行(例如从最高分辨率到最低分辨率)。
应理解，本发明并不受限于子图像之间的分辨率等级或分解等级的数目。同样，本发明并不受限于分解的方式。因此，可使用分解图像的各种方法，包括小波分解以及现在已知或以后开发的各种其它方式。
根据本发明实施例的多分辨率图像处理的概念可通过人眼来说明。如果观察者站在距离图像10英尺的地方，分辨率将较低，并且所看到的是图像内的结构或全局特征。然而，一旦观察者靠近在例如距离图像1英尺内，观察者将看到图像中的更多细节，代价可能是看不到全局特征。
根据本发明的实施例实现了不同水平的抽象，用于识别所述水平的抽象内的各种特征，例如全局特征、更为局部化的特征和高度局部化的特征，并向其应用滤波。例如，实施例可以检测特征的侧面，并且在特征的不同方面应用斑点减少滤波器(speckle reduction filter)。系统可使用较低分辨率的子图像来提取图像的全局特征并使用较高分辨率的子图像来提取要保留的细节。
再次参考图15，分解块1501提供了图像到子图像的分解以便进行滤波器处理。在所示实施例中示为H0到Ln-1的分解块1501的输出被提供给处理块1502，其提供根据本发明实施例的自适应和/或可操纵滤波。因此，根据所示的实施例，正是在处理块1502中将较早时讨论的滤波器应用于图像。
优选实施例的处理块1502说明了一种依赖性。也就是说，除了提供给处理块的相应子图像以外，关于来自较低分辨率块的特征的信息在可用时也被提供给处理块(例如关于由处理块1502a处理的特征的信息被传送到处理块1502b)。该附加信息从较低分辨率子图像提供了引导对较高分辨率子图像进行的处理的基础。因此，本发明的优选实施例提供了从底往上使用处理块1502进行的图像滤波(例如从最低分辨率到最高分辨率)。这样的从底往上的处理在识别全局特征和进入局部化特征和高度局部化特征时提供了优点和处理的经济性。
在所示实施例中示为P0到PN-1的处理块1502的处理子图像输出被提供给用于多分辨率图像重建的重建块1503。也就是说，实施例的重建块1503提供了子图像的组合(例如进行分解的相反过程)。所示实施例的系统以智能方式组合来自各个处理块1502的输出以产生用于人类用户的经滤波的图像。根据本发明实施例的图像重建可实施上采样和组合。例如，较低分辨率子图像可被上采样到下一较高分辨率子图像的分辨率并且两个子图像可被组合。这样的上采样和组合可以重复到达到原始图像的分辨率为止。因此，本发明的优选实施例提供了从底往上使用重建块1503进行的图像重建(例如从最低分辨率到最高分辨率)。然而应理解，本发明并不受限于组合的方式，因为任何现在已知或以后开发的方式都可以用在一个或多个实施例中。
后处理部件1504可在图像重建之后用于根据需要来提供附加的信号处理。例如，在根据本发明处理图像之后，可能理想的是增加亮度、重新映射(remap)灰度、进行附加滤波以便照顾医疗处理等等。因此，后处理部件1504所提供的后处理通常是总体信号处理中的一小部分。
如以上参照图14所讨论的，知识库1414可用于存储各种专用数据。在处理块1502中进行的处理常常依赖于特征、预期来自图像的各种属性等，并因此知识库1414可以提供针对各种特征来定制处理时有用的信息。提供对依赖于所使用的扫描头的类型、所使用的发射应用的类型等的处理的某种控制也可能是理想的。例如，心脏病学可使用心脏病学专用的设备。使用来自知识库1414的信息来进行对该处理的特定于应用的调节，所述知识库提供处理块所利用的附加参数。知识库可包括例如关于可利用的图像组成的先验知识。例如，在已知图像将是关于心脏的图像时，实施例可应用专门算法来使该应用更好地用于对心脏成像。
图16示出关于分解块1501的一个实施例的细节。在图16的实施例中，使用抽取滤波器(decimation filter)来产生具有下一较高阶图像或子图像的分辨率的一半分辨率的子图像。例如，对原始有噪图像信号使用抽取滤波器1600以产生具有一半分辨率的子图像1602。该子图像被用作下一抽取滤波器的输入以便产生另一个子图像。该子图像也用作插值滤波器1601的输入(示为子图像1603)。该插值滤波器用于重建原始图像的平滑的版本。将该平滑的版本从原始图像中减去以产生原始图像的高通版本。
图17示出关于处理块1502的一个实施例的细节。如以上所讨论的，本发明的实施例的自适应滤波器被应用于处理块1502。因此，输入信号是子图像之一。在可用时，局部特征可由特征提取块1701从该子图像输入和有关来自较低分辨率子图像处理的特征的信息中提取。有关特征的信息由所示实施例的特征提取块1701提供到上采样器块1704，以便将特征信息提供到对较高阶分辨率子图像所使用的处理块。有关特征的信息也由特征提取块1701提供到滤波器配置块1703。滤波器配置块1703优选地将特征信息与可从知识库获得的信息组合使用以便选择、配置和/或计算用于应用到一个或多个自适应和/或可操纵滤波器，如以上详细讨论的。滤波器配置块1703所确定的一个或多个滤波器由滤波块1702应用于子图像。应理解，滤波块1702所应用的自适应和/或空间-时间滤波器不需要是单个滤波器。例如，根据本发明的实施例，后接非对称滤波器的对称滤波器的级联可应用于子图像。
如所示，图17的处理块1502输出关于用于在下一较高分辨率处理块中使用的所提取特征的信息(在适当时)，关于来自较低分辨率处理块的特征的信息(在适当时)被提供给处理块1502。关于较低分辨率块的特征的信息优选地与关于在当前分辨率等级提取的特征的信息结合使用以便计算或选择自适应滤波器系数。在该实例中，所使用的特征来自两个中间分辨率等级，这有助于提供不同处理块之间的一致性。
图18示出关于重建块1503的一个实施例的细节。图18的实施例示出如何将子图像处理块1502的输出组合来形成组合图像。具体而言，块1801允许在必要时重新调整图像亮度。在此所使用的映射功能从图14的知识库获得。重新映射块1801的输出被提供给上采样器1802以便将子图像上采样到下一较高子图像的分辨率。组合器1803然后将上采样的子图像与下一较高子图像组合，等等。
图19示出根据一个或多个实施例修改以便提供以上针对外部DSP1404讨论的功能块的示例性DSP硬件配置。所示的实施例包括I/O端口1904，用于将DSP与其它电路对接，以便接收有噪图像信号、提供经滤波的图像信号的输出、与知识库1414对接等。所示实施例的DSP 1401包括DMA引擎1903、帧缓冲器1905、高速存储器1902和DSP核心1901。所示实施例的DSP 1404包括DMA引擎1903、帧缓冲器1905、高速存储器1902和DSP核心1901。DSP核心1901包括算术逻辑单元(ALU)。高速存储器1902提供在计算期间由DSP核心1901使用的存储器。DMA引擎1903便于高速存储器1902和帧缓冲器1905所驻留的典型较慢的外部存储器之间的后台数据传递。尽管在图19中示出了DSP的特定配置，应理解本发明不局限于如何特定的DSP或其它种类的处理器来实现以上所述的多分辨率自适应滤波。事实上，这样的处理可例如由现场可编程门阵列(FPGA)、专用集成电路(ASIC)、通用微处理器等来执行。
一些实施例的优点在于自适应滤波器可通过保留边缘来提供较好的分辨率。当与多分辨率分解组合时，能够更有效地执行高性能处理。一些实施例的另一个优点在于多分辨率处理可提供更有效的方式来从信号提取信息，从高等级特征到较低等级细节。事实上，一些实施例可在便携式装置中实现，因为较为有效的处理以较低的功率使用和较小的计算能力提供了较高的性能。
成像中所涉及的大部分计算是求解微分方程。例如，如果要提取跨大图像面积的优势特征，可使用传统的处理装置来建立很大的滤波器。然而，本发明的各种实施例将信号分解成较低分辨率子图像，其允许利用较小的核来识别特征，这是因为要处理较少的像素或点。例如，采用适用于不同像素的30×30或50×50的核。然而，通过使用其中采用多分辨率分解的本发明的概念，可使用较小的滤波器核，例如3×3或5×5。可通过使用简化的技术来提供附加的性能提高，如将预先计算的查询表等用于处理块1502。具有较低功率使用和较低成本的高性能滤波可提供高质量的便携式成像装置，如超声装置。
尽管已详细描述了本发明及其优点，应理解可在所附权利要求限定的本发明的精神和范围内进行各种改变、替换和修改。而且，并非想要将本发明的范围局限于说明书中所描述的过程、机器、制造、物质组成、装置、方法和步骤的特定实施例。根据本发明的公开内容，本领域的技术人员将容易理解，可根据本发明来利用执行与在此所述的对应实施例基本相同的功能或实现基本相同的结果的当前存在或以后开发的过程、机器、制造、物质组成、装置、方法和步骤。因此，意图是所附权利要求在其范围内包括这样的过程、机器、制造、物质组成、装置、方法和步骤。
权利要求
1.一种用于处理图像的方法，所述方法包括将所述图像分解成多个子图像；确定所述多个子图像中的每个子图像内的一个或多个特征；以及将自适应滤波器分别应用于所述多个子图像中的每个子图像，其中所述自适应滤波器自适应于所述一个或多个特征中的关联特征的方面。
2.根据权利要求1所述的方法，其中所述多个子图像包括不同分辨率的子图像。
3.根据权利要求2所述的方法，其中所述多个子图像中的子图像各为下一较高分辨率子图像分辨率的一半。
4.根据权利要求2所述的方法，其中所述分解从所述不同分辨率的最高分辨率到最低分辨率进行。
5.根据权利要求1所述的方法，其中所述确定每个子图像内的一个或多个特征包括接受关于所述多个子图像中的另一个子图像的特征信息，以便在确定特定子图像的一个或多个特征中使用。
6.根据权利要求5所述的方法，其中所述确定每个子图像内的一个或多个特征从最低分辨率到最高分辨率进行。
7.根据权利要求1所述的方法，其中所述确定每个子图像内的一个或多个特征包括识别子图像内的特征边缘。
8.根据权利要求1所述的方法，其中所述确定每个子图像内的一个或多个特征包括识别子图像内的梯度。
9.根据权利要求1所述的方法，其中所述确定每个子图像内的一个或多个特征包括访问知识库，所述知识库存储关于与主机系统的特定操作模式关联的图像特征的信息。
10.根据权利要求1所述的方法，其中所述确定每个子图像内的一个或多个特征包括访问知识库，所述知识库存储关于与使用主机系统执行的特定过程关联的图像特征的信息。
11.根据权利要求1所述的方法，其中所述应用自适应滤波器包括在对子图像的特征进行滤波时使用帧间信息。
12.根据权利要求1所述的方法，其中所述应用自适应滤波器包括在对子图像的特征进行滤波时使用帧内信息。
13.根据权利要求1所述的方法，其中所述应用自适应滤波器自适应于子图像的关联特征的空间方面。
14.根据权利要求1所述的方法，其中所述应用自适应滤波器自适应于子图像的关联特征的时间方面。
15.根据权利要求1所述的方法，其中所述应用自适应滤波器自适应于子图像的关联特征的边缘。
16.根据权利要求1所述的方法，其中所述应用自适应滤波器自适应于子图像的关联特征的斜率。
17.根据权利要求1所述的方法，其中所述应用自适应滤波器自适应于子图像的关联特征的梯度。
18.根据权利要求1所述的方法，进一步包括根据所述一个或多个特征来确定用于在所述应用自适应滤波器中使用的一个或多个滤波器参数。
19.根据权利要求18所述的方法，其中所述确定所述一个或多个滤波器参数包括访问存储关于所述特征的信息的知识库。
20.根据权利要求1所述的方法，进一步包括确定所述一个或多个特征中的至少一个特征的取向。
21.根据权利要求20所述的方法，其中所述应用自适应滤波器包括根据所述至少一个特征的所述取向来操纵所述自适应滤波器中的自适应滤波器。
22.根据权利要求20所述的方法，其中所述取向包括空间取向。
23.根据权利要求20所述的方法，其中所述取向包括时间取向。
24.根据权利要求1所述的方法，进一步包括在已经将自适应滤波器分别应用于每个所述子图像之后根据所述多个子图像来重建经滤波的图像。
25.根据权利要求24所述的方法，其中所述分解所述图像、所述应用自适应滤波器以及所述重建所述经滤波的图像执行多次。
26.根据权利要求25所述的方法，其中所述多次中的若干次与针对所述图像引入新的处理点相关联。
27.一种用于处理图像的方法，所述方法包括将所述图像分解成多个子图像；确定所述多个子图像中的每个子图像内的一个或多个特征；根据所述一个或多个特征来确定一个或多个滤波器参数；将自适应滤波器分别应用于所述多个子图像中的每个子图像，其中所述自适应滤波器自适应于所述一个或多个特征中的关联特征的方面，其中所述自适应滤波器实施所述自适应滤波器参数中的一个或多个；以及在已经将自适应滤波器应用于每个所述子图像之后根据所述多个子图像来重建经滤波的图像。
28.根据权利要求27所述的方法，其中所述子图像包括不同分辨率的子图像，所述每个所述不同的分辨率是下一较高分辨率的一半。
29.根据权利要求27所述的方法，其中所述分解所述图像从最高分辨率到最低分辨率进行，并且其中所述重建所述经滤波的图像从最低分辨率到最高分辨率进行。
30.根据权利要求27所述的方法，其中所述确定每个所述子图像的一个或多个特征包括确定最低分辨率子图像内的第一一个或多个特征；将关于所述一个或多个特征的信息提供给用于确定较高分辨率子图像内的一个或多个特征的处理；以及使用关于所述第一一个或多个特征的所述信息来确定所述较高分辨率子图像内的第二一个或多个特征。
31.根据权利要求27所述的方法，其中所述确定所述一个或多个自适应滤波器包括访问存储关于所述特征的信息的知识库。
32.根据权利要求27所述的方法，其中所述应用自适应滤波器自适应于子图像的关联特征的空间方面。
33.根据权利要求27所述的方法，其中所述应用自适应滤波器自适应于子图像的关联特征的时间方面。
34.根据权利要求27所述的方法，进一步包括确定所述一个或多个特征中的至少一个特征的取向。
35.根据权利要求34所述的方法，其中根据所述至少一个特征的所述取向来操纵所述自适应滤波器中的自适应滤波器。
36.一种用于处理图像的系统，所述系统包括多分辨率图像分解器，可操作用来接收图像数据并从中产生多个子图像，所述子图像中的每个子图像具有不同的分辨率；多个处理块，每个处理块可操作用来确定所述多个子图像中的关联子图像内的一个或多个特征并根据所述一个或多个特征来提供对所述关联子图像的滤波，其中所述处理块中的一个或多个处理块接收关于由所述多个处理块中的另一个处理块针对另一个子图像所确定的特征的信息；以及图像重建器，可操作用来接收来自所述多个处理块的输出，并从中产生组合的图像。
37.根据权利要求36所述的系统，其中所述多个处理块由数字信号处理器来提供。
38.根据权利要求37所述的系统，其中所述多分辨率图像分解器和所述图像重建器由所述数字信号处理器。
39.根据权利要求36所述的系统，进一步包括存储由所述多个处理块使用的滤波器参数信息的数据库。
40.根据权利要求39所述的系统，其中所述滤波器参数信息与所述处理块可确定的特定特征相关联。
41.根据权利要求39所述的系统，其中所述滤波器参数信息与所述系统的特定操作模式相关联。
42.根据权利要求39所述的系统，其中所述滤波器参数信息与使用所述系统执行的特定过程相关联。
43.根据权利要求36所述的系统，其中所述滤波器包括自适应滤波。
44.根据权利要求43所述的系统，其中所述自适应滤波器包括根据所述特征中的关联特征的空间方面来适应一个或多个滤波器参数。
45.根据权利要求43所述的系统，其中所述自适应滤波器包括根据所述特征中的关联特征的时间方面来适应一个或多个滤波器参数。
46.根据权利要求36所述的系统，其中所述滤波包括受操纵的滤波。
47.根据权利要求46所述的系统，其中所述受操纵的滤波包括根据所述特征中的关联特征的取向来操纵所述滤波器。
全文摘要
本发明描述了对图像进行分析并从中提取图像特征以便在滤波中使用的系统和方法。本发明的实施例基于特征和结构来确定如何以不同取向和不同的滤波器配置来滤波。根据本发明实施例利用的滤波器自适应于特征的空间和/或时间方面。以各种分辨率等级对子图像来执行根据本发明实施例的图像处理。
文档编号G06T5/00GK1971616SQ200610144939
公开日2007年5月30日 申请日期2006年11月22日 优先权日2005年11月23日
发明者朱耶特·黄, 拉姆钱德拉·派卢尔 申请人:索诺塞特公司