专利名称：一种最大提取噪声有用信息的图像分解方法及系统的制作方法
技术领域：
本发明属于数字图像处理与医学成像技术交叉领域，特别涉及一种最大提取噪声有用信息的图像分解方法及系统。
背景技术：
随着计算机技术与其他各类领域学科越来越紧密的结合及在各个方面的共同发展，应用于医学图像获取及分析的技术与手段无论从种类数量还是从实用效果上看均有长足的提高，这也使得相比于传统医学诊断方法更加直观、准确、效率更高的医学图像辅助诊断在临床中的应用更加广泛，临床诊断也因此变得更加准确、方便。医学图像技术的发展可以分为对图像获取硬件的创新和改进以及对后期图像处理方法的改进。由于基于目前任何医学图像获取手段(包括较早发明的超声、计算机断层扫描Computed tomography, CT)技术到近些年的核磁共振成像(MagnaticResonance Imaging)、正电子发身寸断层成像图像(PositronEmission Tomography, PET)等)所得到的图像都不能做到完全无损(其中或多或少存在图像噪声)，因此在进行对于临床诊断有重要影响的图像重建、特征提取、边缘检测等步骤前，对图像进行一定程度的预处理是十分必要的。在传统的图像处理中，通常将最初得到的图像中的噪声当作是无用的干扰信息，通过采用各种滤波算法，如全变差去噪等去噪方法去除。然而近年来的研究发现，医学图像的噪声在一定程度上也包含了有用的信息，如:在超声领域，Michailovich, 0.and Tannenbaum, A., “De-speckling ofultrasound images,，，IEEETrans.Ultrason., Ferroelec., Freq.Contr.53 (I)，64 - 78 (2006)。因此，在图像后期处理前对图像进行分解，而不是简单的去噪，是有必要的。而图像分解的理论背景已被证实，如:Meyer, Y., [Oscillating patterns in image processing and nonlinear evolutionequations], vol.22 of University Lecture Series, American Mathematical Society,Providence, RI(2001);Osher, S., Sole, A., and Vese,L., “Image decomposition andrestoration using total variation minimization and the H-lnorm, ”MultiscaleModeling and Simulationl, 349370 (2003)等,本发明提出的使用贝叶斯框架最大后验概率(MAP)估计，用于从噪声中最大提取有用信息的图像分解方法是一种值得尝试的选择。
发明内容
针对现有技术中的采用简单去噪方法去除存在的斑点噪声部分，有可能丢失其中包含的有用信息等问题，本发明提供一种最大提取噪声有用信息的图像分解方法及系统，同时提取图像中光滑部分和噪声部分，将噪声部分中的有用信息整合到光滑图像，得到更真实可信的复原图像。一种图像分解方法，具体为:(I)初始分解原始图像I得到初始光滑图像U(°)和初始噪声图像V ；(2)以初始噪声图像U(°)和初始光滑图像V(°)为初始值，以光滑图像和噪声图像的能量之和最大为目标，迭代求解最终光滑图像U和噪声图像V ；(3)将最终光滑图像U和最终噪声图像V相加获得复原图像G。进一步地，所述步骤(2)采用交替最小化方法或最小二乘法。进一步地，所述步骤(2)具体为:(201)初始化迭代次数k = 0，提取初始噪声图像U(°)和初始光滑图像 V(202)计算第 k+Ι 次的光滑图像
权利要求
1.一种图像分解方法，具体为: (1)初始分解原始图像I得到初始光滑图像U(°)和初始噪声图像vto)； (2)以初始噪声图像U(°)和初始光滑图像V(°)为初始值，以光滑图像和噪声图像的能量之和最大为目标，迭代求解最终光滑图像U和噪声图像V ； (3)将最终光滑图像U和最终噪声图像V相加获得复原图像G。
2.根据权利要求1所述的图像分解方法，，其特征在于，所述步骤(2)采用交替最小化方法或最小二乘法。
3.根据权利要求1所述的图像分解方法，其特征在于，所述步骤(2)具体为: (201)初始化迭代次数k= 0，提取初始噪声图像U(°)和初始光滑图像V ; (202)计算第k+Ι 次的光滑图像
4.根据权利要求1所述的图像分解方法，其特征在于，所述步骤(2)具体为: (211)初始化迭代次数k= 0，提取初始噪声图像U(°)和初始光滑图像V ; (212)计算第k+Ι次的噪声图像 V(k+1) = νω+βρω, Pw 二 —(▽沐⑴)—1.▽,』,)，VF4-(/f) = 2("⑴ +Vm-1) + Α,[2οχρ(2Γα'') — 2], ⑴=2/ + ^diagiexp {2Vik))) f β表示沿着牛顿方向P(k)进行线性搜索的步长，exp表示指数，diag表示对角矩阵； (213)计算第k+l 次的光滑图像
5.根据权利要求1或2或3或4所述的图像分解方法，其特征在于，所述步骤(I)采用经验设定法、简单初始化法、随机值初始化方法和全变差去噪法中的任意一种进行初始分解。
6.一种图像分解系统，包括 第一模块，用于初始分解原始图像I得到初始光滑图像u(°)和初始噪声图像V ; 第二模块，用于以初始噪声图像U(°)和初始光滑图像v(°)为初始值，以光滑图像和噪声图像的能量之和最大为目标，迭代求解最终光滑图像U和噪声图像V ； 第三模块，用于将最终光滑图像U和最终噪声图像V相加获得复原图像G。
7.根据权利要求6所述的图像分解系统，其特征在于，所述第二模块采用交替最小化方法或最小二乘法。
8.根据权利要求6所述的图像分解系统，其特征在于，所述第二模块包括: 第201子模块，用于初始化迭代次数k = 0，提取初始噪声图像U(°)和初始光滑图像V(o).第202子模块，用于计算第k+Ι次的光滑图像
9.根据权利要求6所述的图像分解系统，其特征在于，所述第二模块包括: 第211子模块，用于初始化迭代次数k = 0，提取初始噪声图像U(°)和初始光滑图像V(O).第212子模块，用于计算第k+Ι次的噪声图像
10.根据权利要求6或7或8或9所述的图像分解系统，其特征在于，所述第一模块采用经验设定法、简单初始化法、随机值初始化方法和全变差去噪法中的任意一种进行初始分解。
全文摘要
本发明公开了一种图像分解方法，具体为(1)初始分解原始图像I得到初始光滑图像U(0)和初始噪声图像V(0)；(2)以初始噪声图像U(0)和初始光滑图像V(0)为初始值，以光滑图像和噪声图像的能量之和最大为目标，迭代求解最终光滑图像U和噪声图像V；(3)将最终光滑图像U和最终噪声图像V相加获得复原图像G。本发明还提供实现上述分解方法的系统。本发明同时提取图像中光滑部分和噪声部分，并将噪声部分中的有用信息整合到光滑图像，得到更真实可信的复原图像，从而使得后续的图像处理如特征提取、图像分割和组织分类等更加准确。
文档编号G06T5/00GK103116874SQ20131004113
公开日2013年5月22日 申请日期2013年2月1日 优先权日2013年2月1日
发明者丁明跃, 杨鑫, 李春芳, 吴慧慧, 方梦捷, 王钰洁, 蔡文娟, 曾雅洁, 林园, 黄金河 申请人:华中科技大学