基于加權(quán)紅-黑小波變換的DR圖像增強方法研究.pdf

1、背景：隨著計算機技術(shù)及數(shù)字技術(shù)的迅猛發(fā)展，直接數(shù)字化X射線攝影(Direct Digital Radiography，DR)已成為現(xiàn)代醫(yī)療診斷領(lǐng)域中一種先進的醫(yī)學(xué)成像技術(shù)。DR系統(tǒng)的成像原理是:在具有圖像處理功能的計算機控制下，利用一維或二維的平板探測器將X射線信息轉(zhuǎn)換成電子信號，再進行數(shù)字化。從外部看，DR成像的整個過程都是在平板探測器內(nèi)完成的，因此叫做直接數(shù)字化X射線攝影。與傳統(tǒng)X射線成像和CR系統(tǒng)相比，DR系統(tǒng)不需要諸如膠片、熒光

2、屏、IP等影像載體作為中間介質(zhì)，在成像過程中提高了X射線的轉(zhuǎn)換效率，減少了成像過程中可能帶來的一些噪聲干擾等，降低了輻射劑量，成像質(zhì)量大大提高了。此外，DR系統(tǒng)還具有攝影速度快、圖像分辨率高、圖像處理功能強、獲取信息多、圖像保存方便等優(yōu)點。另外，數(shù)字攝影無需膠片和洗片機，能夠節(jié)省更多的人力、場地等，減少了開支，能夠創(chuàng)造更多的經(jīng)濟效益。
　　從DR設(shè)備獲取的原始圖像，由于在成像過程中受到如尖銳噪聲、曝光量不當(dāng)、人體組織太厚、分布不均

3、勻等因素的干擾，導(dǎo)致原始圖像存在細節(jié)信息被淹沒，對比度降低，細節(jié)豐富但湮沒不可分辨等缺陷。質(zhì)量下降的圖像容易造成醫(yī)生的漏診和誤診，嚴重影響了DR成像的發(fā)展和應(yīng)用。因此，需要對其進行后處理，而圖像增強技術(shù)就是DR圖像后處理過程中最重要的步驟之一。與此同時，原始DR圖像的動態(tài)范圍很寬，盡管動態(tài)范圍越大，能表現(xiàn)的層次越豐富，但是大部分常規(guī)顯示設(shè)備只適用于輸出小動態(tài)范圍圖像，不能對高動態(tài)范圍的圖片進行顯示，人們需要通過影像工作站進行動態(tài)調(diào)節(jié)（如

4、窗寬/窗位的調(diào)節(jié)）來觀察不同組織部位的信息。尤其是近年來，DR設(shè)備作為醫(yī)療領(lǐng)域不可或缺的影像設(shè)備，DR圖像增強技術(shù)，一直是醫(yī)學(xué)圖像處理領(lǐng)域中研究的重要內(nèi)容。
　　方法：國內(nèi)外現(xiàn)有的DR圖像增強方法主要有單一尺度增強方法和多尺度分析增強方法。單一尺度的增強方法主要包括空域增強和頻域增強兩大類，如灰度變換法、直方圖均衡化、局部對比度擴展、自適應(yīng)直方圖均衡化、反銳化掩膜、高頻提升濾波法等。多尺度分析增強方法如小波分析法、金字塔多尺度圖像

5、增強算法、拉普拉斯金字塔增強方法等。其次還有基于人類視覺特性的增強方法、基于混合優(yōu)化算法的增強方法等等。這些增強方法都能在一定程度上增強圖像的對比度，提高圖像的細節(jié)信息，但是也存在一些缺陷，如在邊緣處引入光暈偽影、放大噪聲、模糊細節(jié)以及算法運行速度慢等缺點。針對原始DR圖像細節(jié)淹沒、動態(tài)范圍寬的問題，本論文提出了一種基于加權(quán)紅-黑小波(weighted red-black wavelets，WRB)變換的增強方法。
　　具有多分辨

6、率分析的經(jīng)典小波變換能將圖像分解到各個子頻帶上，由于其子帶變換系數(shù)具有良好的操作性，在圖像增強領(lǐng)域得到了長期的發(fā)展。但是，經(jīng)典小波變換屬于時頻域分析方法，與傅里葉變換一樣，雖然存在快速計算方法，仍存在計算量大、存儲空間消耗大以及浮點計算的缺點。第二代小波變換（也叫提升小波變換），相比于第一代小波變換，不再依賴于傅里葉變換，但繼承了第一代小波多分辨率分析的特征，采用原位運算，計算速度快，無需占用額外存儲空間，且對圖像的尺寸沒有限制。在此基

7、礎(chǔ)上，Geert Uytterhoeven提出了基于二維提升方案來構(gòu)造的不可分離小波一紅，黑小波(red-black wavelet，RBW)。該小波由水平/垂直提升和對角提升兩個完整的提升小波變換步驟組成，每一個提升小波變換都是由分裂、預(yù)測、更新三個步驟組成。
　　本論文在紅-黑小波的基礎(chǔ)上進行了一定改進，提出了一種新的加權(quán)紅，黑小波變換，并將其應(yīng)用到DR圖像增強中。經(jīng)典紅-黑小波變換選擇的是線性的預(yù)測算子和更新算子，但是大部分

8、圖像中都包含有不連續(xù)的區(qū)域（如邊緣），在邊緣附近的像素灰度值差別很大，利用線性插值公式不能很好地進行預(yù)測和更新，應(yīng)基于圖像的局部特征來選擇預(yù)測算子和更新算子，從而使得預(yù)測算子和更新算子與圖像數(shù)據(jù)是相關(guān)的。本論文在提升的過程中根據(jù)被預(yù)測像素與其鄰域像素之間的相似性來定義預(yù)測算子，并且定義一個預(yù)測權(quán)重，將該權(quán)重加到預(yù)測和更新過程中。本論文的DR圖像增強方法的基本步驟是:首先對原始DR圖像進行對數(shù)變換，然后對變換后的圖像利用WRB進行分解，得

9、到各層的系數(shù)。再通過設(shè)計一個分段非線性子帶系數(shù)操作函數(shù)，分別對各層系數(shù)進行處理，最后利用WRB反變換和處理過的子帶系數(shù)重構(gòu)出增強后的圖像。在這個過程中，最重要的步驟是系數(shù)操作過程。圖像增強的原理就是對各層系數(shù)進行操作的過程。要增大含細節(jié)信息部分的系數(shù)，減小其它部分的系數(shù)，系數(shù)操作函數(shù)可以采用冪函數(shù)、對數(shù)函數(shù)、開方函數(shù)等。雖然這些函數(shù)可以對細節(jié)進行增強，但是在原點附近的斜率非常大，導(dǎo)致很小的系數(shù)會被過度放大，而在這部分系數(shù)中可能包含大量噪

10、聲的信息。這樣，在細節(jié)增強的同時，噪聲也可能被放大。因此，本論文設(shè)計一個分段系數(shù)操作函數(shù)來避免過度放大原點附近系數(shù)的問題，同樣可以達到小的系數(shù)被放大，大的系數(shù)被減弱的目的，從而增強圖像細節(jié)、壓縮圖像的動態(tài)范圍。
　　過程和結(jié)果：實驗過程選取了不同部位的人體真實的原始DR圖像作為實驗數(shù)據(jù)，在MATLAB環(huán)境下進行編程實現(xiàn)。系數(shù)操作函數(shù)的參數(shù)的不同對增強效果影響明顯，其中的參數(shù)設(shè)定為:αj=max(1.5-(j-1)*0.1)，j=1

11、，2，…，Jxf=0.004，ε=0.002。其中，已經(jīng)對分解后的各層系數(shù)做了歸一化處理。本論文對參數(shù)β分別取0.7、0.8、0.9、1.0進行實驗，從得到的結(jié)果圖上可以看出隨著β的增大圖像細節(jié)越來越少，但β過小，細節(jié)放大的同時噪聲也相應(yīng)的放大了。綜合考慮，β取值為0.8左右較為合適。在上述參數(shù)相同的情況下，再設(shè)計一組實驗分別利用冪函數(shù)和本論文設(shè)計的分段函數(shù)進行系數(shù)操作。從結(jié)果圖上可以看到用冪函數(shù)作為系數(shù)操作函數(shù)時，雖然能增強圖像的對比

12、度和細節(jié)，但是噪聲也被放大了;而用本論文設(shè)計的分段非線性函數(shù)進行處理，可以很好地抑制噪聲得到較好的增強效果。
　　圖像增強效果的評價主要是從視覺效果和定量指標(biāo)兩方面進行評價的。在此基礎(chǔ)上做了兩組實驗，并分別與較為常用的增強方法，如空域增強法中的直方圖均衡化、頻域增強法中的高頻提升濾波法、多尺度增強方法中的拉普拉斯金字塔增強法以及傳統(tǒng)的紅-黑小波變換法進行比較。視覺效果上，直方圖均衡化方法使得增強后的圖像的一些細節(jié)顯示出來了，但是大

13、部分細節(jié)丟失嚴重，有“洗白”現(xiàn)象發(fā)生，無法清晰看到脊柱形態(tài)和肺部紋理細節(jié);高頻提升濾波法的結(jié)果圖雖然在整體的對比度上有了一定的提升，但是整個圖像偏暗，細節(jié)不夠突出，偽影嚴重。利用拉普拉斯金字塔法進行增強的結(jié)果效果較好;傳統(tǒng)的紅-黑小波變換法雖然能達到增強的效果，但是在邊緣處很明顯出現(xiàn)了光暈偽影;本論文算法增強后的圖像的細節(jié)信息如肺部紋理信息、脊柱部位的信息都得到明顯增強，尤其是在邊緣處，無光暈偽影的產(chǎn)生，圖像對比度較高。定量評價上，用信

14、息熵、交叉熵和算法運行時間來進行評價，用本論文算法增強后得到的圖像的信息熵比其它方法都高，交叉熵比其他方法低，說明本論文算法較優(yōu);其次，本論文方法在MATLAB上平均處理一幅圖像的運行時間約為0.6秒，相比其它增強算法具有很明顯的優(yōu)勢。
　　結(jié)論：DR圖像增強在實際應(yīng)用中有重要的理論意義和應(yīng)用價值。本論文采用的基于加權(quán)紅-黑小波變換的DR圖像增強方法能夠很好的增強圖像的細節(jié)信息，壓縮圖像的動態(tài)范圍，抑制噪聲的增強和光暈偽影的產(chǎn)生。