利用图像噪声信息的方法
【技术领域】
[0001] 本发明涉及用于图像处理的方法，涉及图像处理装置，涉及计算机程序元件，并且 涉及计算机可读介质。
【背景技术】
[0002] 不但在诸如医学领域的某些努力领域中，而且在诸如地质学或无损材料测试的其 他领域中，存在着对图像数据的依赖。例如，在诸如CT(计算机断层摄影）的医学成像中， X射线投影数据（由成像器装置的探测器测量的）通过重建算法被重建为体积的"图像切 片"。当被显示时，这样的切片图像能够被用于在灰度可视化中示出患者的内部解剖结构。 在这种情况下，图像信息为X射线在其通过患者的身体的通道中经历的（总体而言）不同 的衰减值的形式的。遗憾的是，时常存在由普遍的噪声信号造成的在所述图像信息中的不 确定性。这些噪声信号可能源自于在探测器处的测量过程，或者可能源自于重建算法自身。 先前，噪声的普遍性已经被主要认为是需要被消除的或已被完全忽略的妨害。
【发明内容】
[0003]因此，能够存在着对于基于关于图像噪声的不同途径的方法和相关装置的需要。
[0004]本发明的目的由独立权利要求的主题来解决，其中，在从属权利要求中并入了另 外的实施例。应当指出，本发明的下文描述的方面同样适用于图像处理装置、计算机程序元 件以及计算机可读介质。
[0005]根据本发明的第一方面，提供了一种用于图像处理的方法，包括以下步骤：
[0006]接收图像和跨所述图像中的不同位置的噪声信号水平的空间变化的分布的规 范；
[0007]针对模型分割所述图像，其中，分割步骤包括用于迭代地将所述模型适配到不同 图像位置的迭代，以获得多个不同地适配的模型，其中，所述模型适配由在所述不同图像位 置处的所述噪声信号水平控制；
[0008]输出所述不同地适配的模型中的一个，所输出的模型概述对所述图像的分割。
[0009]所提出的方法的主要应用领域在基于模型的分割中。然而，不同于先前的分割方 法，本文中提出的是不仅使用预先定义的模型作为针对分割的输入，而且还有跨要被分割 的图像的噪声分布水平的规范。规范能够采取任何合适的形式，例如局部方差或概率分布。 所述方法适用于任何图像，但已观察到，所述方法对于在其中噪声分布具有在图像上相对 明显的空间变化的图像尤其有利。例如，已观察到，在利用某些迭代图像重建方法产生的图 像中，噪声水平表现为集中在边缘部分周围（亦即在高与低对比图像部分之间的交界处， 也被称作板块（plateaus))。已针对例如最大似然重建方法（MLIR)(其使用泊松分布对探 测器行为进行建模）和先验模型（如针对图像值的分布的马尔科夫随机场）观察到这样的 表现。所述方法本质上将噪声倾向于集中在图像结构周围的该知识用于引导或控制模型到 图像信息的适配。分割是沿边缘的，但存在着避开高噪声边缘自身的倾向。所提出的方法 本质上是迭代的，其中，其重复地将模型适配到图像中的不同位置。噪声分布的规范自身能 够采取任何形式，例如局部（亦即，被附着到每个图像点或至少图像部分）概率分布或噪声 图的参数化族。在噪声图中，每个点记录在图像中的各自的点处的局部方差。
[0010] 将关于图像中的噪声（水平）分布的知识付诸实践可以采取许多形式。例如，根 据一个实施例，对迭代模型适配的所述控制包括将模型点朝所述不同图像位置偏移，其中， 各自的偏移动作的力度随着所述不同位置处的局部噪声信号水平相反地变化（但在严格 数学意义上不必要）。所述模型自身可以被提供为网格，网格的顶点位置能够被独立地改 变。来自原始理想形状（如由处于其未偏移（未扰动）的状态的模型实现的）的模型（网 格）点中的一个或多个的位置的改变，亦即偏移，在该实施例中，然后将构成模型的适配的 实例。偏移动作的力度实质上是通过距离（在图像由其形成的像素或体素或其他合适的图 像单元（诸如"斑点"）上可指定的）来测量的，给定模型点需要被位移所述距离以便到达 给定图像点。换言之，如本文中设想的，针对给定模型点的偏移或位移的量也由在所述模型 点要被位移到其的图像点处的噪声的量控制。
[0011] 例如，根据一个实施例，偏移力度的变化通过将噪声水平相关权重应用到目标函 数的项来实现，以驱动针对所述分割步骤的优化过程。所述项被设想为测量所述模型点到 所述不同位置的吸引水平。在一个实施例中，偏移力度实质上随着模型点要被偏移到的图 像点处的噪声的量（不必要在严格数学意义上）相反地变化。又换言之，图像点处的噪声 水平越高，在优化过程中将与需要被应用到各自的模型点的偏移相关联的代价也越高。噪 声相关权重的空间（亦即，跨图像）方差作用于相比于在其他图像位置处，惩罚朝具有较高 噪声信号水平的图像位置的模型适配。
[0012] 在一个实施例中，也可以将权重与作用于惩罚非平滑适配的另外的权重或者将违 反（通过对模型的假设的人为"弹性"强加的）预先定义的限制的那些的另外的权重组合。 非平滑度量例如能够是沿假设模型表面的在位移向量的绝对改变上的表面积分。
[0013] 在一些实施例中，噪声水平的控制函数是乘法的，其中，大于一的权重（事实上为 数字）将导致针对各自的位移的较高代价，然后小于一的权重将实现针对各自的位移的较 低代价。然而，这仅为一个实施例，本文中也设想了以加法方式作用的控制函数。
[0014] 例如，根据一个实施例，分割步骤包括计算目标（或代价）函数（其表示代价），以 驱动针对分割步骤的优化过程。优化过程包括迭代遍历不同位置。目标函数包括多个项， 每个项表示不同目标。在该实施例中，所述项中的一个表示在不同图像位置中的每个处的 噪声信号水平，其中，所述噪声项作用于在具有较高噪声信号水平的位置处进行惩罚。尤其 地，"噪声项"起作用为惩罚在具有较高噪声信号水平的位置处的非平滑模型适配。
[0015] 所提出的基于模型的分割方法也可以被用于双能量成像。在该实施例中，双能量 图像包括两幅图像，针对每个能量通道，一幅，并且噪声水平规范包括针对每个能量通道额 单独的噪声水平规范。针对两个能量通道图像中的每个分别应用所述方法的步骤。
[0016] 总体而言，尽管噪声信号被广泛地视为最好被避免或忽略的危害，但申请人已发 现，噪声的存在实际上能够被有利地用于引导或控制基于模型的分割中的优化的过程。为 此，本文中提出了针对与初始模型到图像位置或特征的适配相关联的代价（有时被称为 "外部能量"）的空间变化的噪声相关权重。所述益处尤其能应对其中噪声信号倾向于集中 在诸如边缘的感兴趣图像特征周围的图像（例如MLIR重建）的类型。
[0017] 根据第二方面，提供了另外的图像处理的方法，包括：
[0018] 接收i)初始图像，图像信息的至少部分编码至少两个不同板块，高和低，所述至 少两个不同板块定义在所述高板块和所述低板块之间的边缘区域，以及ii)跨所述图像的 噪声的空间变化的分布的规范；
[0019] 针对承载边缘区域点值的边缘区域点并且基于如适于所述点的噪声规范，评价关 于置信阈值的在所述点处的不确定性；
[0020] 取决于所述局部噪声评价，通过将所述边缘区域点的值朝较高板块移位以如此获 得高（HI)图像，或者通过将点值朝较低板块移位以如此获得低（LW)图像，来从所述初始图 像生成所述高图像或者所述低图像；
[0021] 代替所述图像或与所述图像一起显示所述高图像或所述低图像，以如此提供关于 对边缘的路线（亦即，所述边缘"延伸"之处是所述边缘的范围或形状）的所述不确定性的 信息，所述不确定性至少部分地由所述噪声引起。
[0022] 边缘/边缘区域实质上（但不仅）是位于两个板块的交界处或周围的图像点/单 元（例如像素、体素或其他）。在一个实施例中，边缘点能够通过使图由边缘检测器（Sobel、 Canny或其他）处理来定义。边缘点然后是引起边缘检测器返回足够强的响应的那些，这将 取决于图像、边缘检测器及其设置。图像板块是由所探测到的边缘围住的图像部分。这可 以意味着，在板块内的图像点的值大体上将呈现与边缘相比较相对小的变异。
[0023] 总体而言，用户定义的置信水平是测量图像中的边缘点的可靠性并因此随所述可 靠性变化的数字。置信水平旨在量化地给定边缘点为高板块点或低板块点的概率。置信水 平可以是概率或者其可以为任意正数。在一个实施例中，置信水平为在所述边缘点处的局 部方差的倍数（或比例）。不确定性评价多么精确地被实现总体而言将取决于噪声水平规 范的形式和置信水平的定义。而且，置信水平的定义（亦即，置信度确切指何者）总体而言 为如何（亦即，以何种形式）指定局部噪声水平的函数。例如，在一个实施例中并且类似于 前面联系第一方面已经阐述的，噪声水平是通过"噪声图"，亦即，通过点值的局部方差来指 定的。然后通过将邻近高和低板块点对在各自的边缘点处的方差进行比较来评价。在另一 实施例中，噪声水平通过点值的局部概率分布的族来指定。在该实施例中，通过计算边缘点 分别比给定高板块点或低板块点更高和/或更低的概率（被设为置信水平）来评价。
[0024] 对不确定性的评价是通过组合置信水平与噪声水平规范，以达到关于是否改变边 缘点值，并且如果是，则是否上调所述值为高板块点（亦即，来自高板块的点）和/或下调 所述值为低板块点（亦即，来自低板块的点）的准则。如果对不确定性信息的局部评价是 包容性的，则保留边缘点的原始值。如果需要上调或下调边缘点值，因为不确定性信息指示 边缘点能够是高板块点和低板块点两者，那么高和低图像两者被生成。在一些实施例中，上 调和下调意味着，边缘点的值被改变为取邻近低或高板块点的值，或者取各自的板块的平 均值。然而在其他实施例中，边缘点值由在当前边缘点值与高或低点之间的差异的分数来 改变。如果有多于一个板块邻近该边缘点，则针对每个评价不确定性，并且然后将边缘点改 变为分别最低或最高板块点。
[0025] 在一个实施例中，所述方法被迭代地应用到高和或低图像。换言之，在低图像中， 以完全类似的方式评价（先前）被改变的边缘点的邻近点。然后在低图像中应用下调，同时 对高图像中的对应点应用上调。类似地评价高图像中（先前）被改变的边缘点的邻近点。 以此方式，在迭代过程期间生成两个序列：高图像的序列和低图像的序列。当移动远离边缘 区域并且到各自的板块中时，迭代将逐渐收敛。
[0026] 在一个实施例中，显示操作包括操作图形用户界面生成器以控制显示单元绘制以 便在显示单元上显示交互式图形用户界面（GUI)，所述交互式图形用户界面包括代替于图 像或与图像一起的高和/或低图像。
[0027] 根据一个实施例，所述方法包括在高和低图像之间切换，以便轮流显示高和低图 像。优选地，重复运行切换，以如此更好地向人类用户显示由对像素值的下/上调引起的边 缘区域的（以及等价地，板块的）显著运动或改变。改变的量或运动的范围充当对用户而 言方便且直观的视觉线索，以利用指示较高不确定性的较大改变或较大范围的运动估量存 在于边缘（区域）中或周围的不确定性。在一个实施例中，切换响应于经由利用GUI的交 互发出的用户请求。本文中也设想在高和低图像中的任意一个与所述（初始）图像之间的 切换。在一个实施例中，切换模式是通过经由⑶I的合适交互可调节的。
[0028] 根据一个实施例，所述方法包括以用户定义的顺序循环遍历高图像、低图像和图 像。再一次，循环操作响应于优选地（但绝不限于）经由GUI供应的用户输入。循环顺序 是可调节的。
[0029] 根据一个实施例，所述方法包括显示由以下中的任一个形成的差异图像：i)所述 高图像和所述图像和/或ii)所述低图像和图像。这允许对边缘部分的和/或两个板块的 形状和/尺寸的改变的容易的视觉把握。
[0030] 根据一个实施例，所述方法包括与所述高图像和所述低图像（LW)中的任一个或 两者一起显示针