針對目前傳統(tǒng)血管造影圖像銳化增強(qiáng)后大量細(xì)小血管變得模糊不清或丟失,甚至增強(qiáng)圖像中血管周圍產(chǎn)生大量背景噪聲,提出一種相位拉伸核函數(shù),形成基于擴(kuò)展相位拉伸變換的血管造影圖像增強(qiáng)算法.該算法將"S"型群延遲相位濾波器推廣到線性群延遲相位濾波器,并從理論上證明,這種線性相位拉伸的逆變換相位近似于原圖的歸一化二階梯度,將高頻特征傳統(tǒng)的梯度極值表達(dá)轉(zhuǎn)換為角度表達(dá),從而更有利于凸顯、增強(qiáng)圖像中的高頻特征.同時,該算法還結(jié)合相對總變分理論,將像素的鄰域總變分測度與鄰域內(nèi)在變分測度用于增強(qiáng)過程,使算法更好地突出邊緣輪廓與結(jié)構(gòu)紋理,抑制細(xì)碎雜亂紋理與背景噪聲,克服了目前方法存在的不足.利用Matlab軟件平臺對DeepLesion, OASIS等數(shù)據(jù)集中的部分圖像數(shù)據(jù)進(jìn)行實(shí)驗(yàn),與傳統(tǒng)相位拉伸變換增強(qiáng)算法、基于相位一致性的血管造影圖像銳化算法等進(jìn)行對照分析,結(jié)果表明,增強(qiáng)后圖像上細(xì)小血管明顯清晰,背景噪聲得到有效的抑制,平均梯度和信息熵提高均在50%左右,證明了算法的優(yōu)越性與實(shí)用性. 

【文章來源】：計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報. 2020,32(03)北大核心EICSCD

【文章頁數(shù)】：10 頁

【部分圖文】：

效果對比圖.003,ε=1d.λ=0.001,ε=2e.λ=0.003

磽枷?即濾波輸出圖像);2()PPJI是保真項(xiàng);RTV(p)是正則化項(xiàng).由于測度L和D的良好特性,則可以從輸入圖像中去掉微小細(xì)碎紋理而保持邊緣輪廓、結(jié)構(gòu)紋理等主要結(jié)構(gòu).針對RTV的光滑度參數(shù)為λ、紋理元素大小參數(shù)為ε.針對不同示例,λ和ε取不同的值,對多組圖片進(jìn)行處理和分析,得到的效果圖分別如圖4~圖8所示.a.示例圖1b.λ=0.001,ε=1c.λ=0.003,ε=1d.λ=0.001,ε=2e.λ=0.003,ε=2圖4示例1的λ和ε不同取值濾波效果對比圖a.示例圖2b.λ=0.001,ε=1c.λ=0.003,ε=1d.λ=0.001,ε=2e.λ=0.003,ε=2圖5示例2的λ和ε不同取值濾波效果對比圖

466計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報第32卷a.示例1的原圖b.示例2的原圖c.示例3的原圖d.示例4的原圖e.示例5的原圖f.示例1~示例5的PST處理效果圖2(u)u/2g.示例1~示例5的PST處理效果圖0()arctan()duuxx圖2基于PST的圖像邊緣檢測實(shí)驗(yàn)結(jié)果2RTV理論分析圖像銳化的目的是突出那些有意義的、大尺度的結(jié)構(gòu)型特征,如輪廓邊緣、結(jié)構(gòu)性細(xì)節(jié)等;抑制不重要的細(xì)碎紋理,如無規(guī)律性、雜亂的和重復(fù)出現(xiàn)的細(xì)碎模式等.為達(dá)到銳化圖像增強(qiáng)效果,需把提取并增強(qiáng)的邊緣、重要結(jié)構(gòu)圖像與原圖進(jìn)行疊加,使結(jié)果圖像凸顯邊緣及重要結(jié)構(gòu)特征,有利于后續(xù)特定的應(yīng)用.但疊加后的圖像會出現(xiàn)噪聲和邊緣毛刺等現(xiàn)象,這是因?yàn)樵趥鹘y(tǒng)的PST之前的普通低通濾波器對不重要的細(xì)碎紋理抑制得不夠徹底造成的,具體示例如圖3所示.為此,利用RTV對疊加圖像實(shí)施后處理可以得到令人滿意的效果.RTV能夠很好地度量并明顯區(qū)分重要結(jié)構(gòu)與細(xì)碎紋理.得益于RTV的度量準(zhǔn)則,該準(zhǔn)則由逐像素的窗口化總變分測度Dx(p)和Dy(p)與窗口化內(nèi)在變分測度Lx(p)和Ly(p)2組指標(biāo)決定[12],它們分別為a.示例1的原圖b.示例2的原圖c.a的局部區(qū)域d.對c的PST處理效果圖e.b的局部區(qū)域f.對e的PST處理效果圖圖3PST處理后局部出現(xiàn)噪聲或邊緣毛刺示例


本文編號：3431567