主权项 |
1.一种基于尺度空间分解的X射线图像超动态范围重建方法,其特征在于,该方法具体的步骤是:(1)、对同一成像对象放置在两个不同球管电压下,该两个球管电压分别选择成像对象的两个不同感兴趣区域,在两个不同球管电压下,以合适的曝光条件分别曝光,得到两幅图像A、B,该两幅图像A、B分别显示成像对象的不同区域信息;(2)、将拍摄到的两幅图像A、B分别进行基于尺度空间的图像分解,将两幅图像A、B分解为控制图像整体灰度范围的大区域信号和反映图像细节的小尺度信号;其中大区域信号分解后得到大尺度分量即低频分量,主要包含图像的背景信息,小尺度信号分解后得到小尺度分量即高频分量,反映图像的细节信息;(3)、在低频分量和高频分量所对应的频率上用加权平均法进行重组,由重组后的分解分量重建一幅动态范围较宽的重建图像C;对两幅图像A、B的低频分解分量进行重构,具体计算公式为:<maths num="0001"><![CDATA[<math><mrow><msubsup><mi>F</mi><mi>k</mi><mi>C</mi></msubsup><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>=</mo><mi>α</mi><mo>·</mo><msubsup><mi>F</mi><mi>k</mi><mi>A</mi></msubsup><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>+</mo><mrow><mo>(</mo><mn>1</mn><mo>-</mo><mi>α</mi><mo>)</mo></mrow><mo>·</mo><msubsup><mi>F</mi><mi>k</mi><mi>B</mi></msubsup><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow></mrow></math>]]></maths> k=1,2式中 ,F<sub>k</sub><sup>C</sup>(i,j)为重建图像C相应的分解分量,F<sub>k</sub><sup>A</sup>(i,j)和F<sub>k</sub><sup>B</sup>(i,j)分别为重建图像A、B相应的分解分量,α为权值,取值范围为[0,1];采用相关性原则对两幅图像A、B分解的高频分量进行重构,两幅图像A、B第M层分解的高频分量F<sub>M</sub><sup>A</sup>、F<sub>M</sub><sup>B</sup>重构的具体方法为:首先分别计算高频 分量F<sub>M</sub><sup>A</sup>、F<sub>M</sub><sup>B</sup>中任一象素点的区域能量,设(m,n)为高频分量中的任一象素点,f(m,n)为其象素值,以该点为中心选取一个小区域,选择3×3的区域,计算区域能量E(m,n),具体计算公式为:<maths num="0002"><![CDATA[<math><mrow><mi>E</mi><mrow><mo>(</mo><mi>m</mi><mo>,</mo><mi>n</mi><mo>)</mo></mrow><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mo>-</mo><mn>1</mn></mrow><mn>1</mn></munderover><munderover><mi>Σ</mi><mrow><mi>j</mi><mo>=</mo><mo>-</mo><mn>1</mn></mrow><mn>1</mn></munderover><msup><mi>f</mi><mn>2</mn></msup><mrow><mo>(</mo><mi>m</mi><mo>+</mo><mi>i</mi><mo>,</mo><mi>n</mi><mo>+</mo><mi>j</mi><mo>)</mo></mrow></mrow></math>]]></maths>用C<sub>AB</sub>(m,n)表示F<sub>M</sub><sup>A</sup>和F<sub>M</sub><sup>B</sup>在以象素点(m,n)为中心的3×3区域内的相关性,C<sub>A</sub><sup>B</sup>(m,n)的计算公式为:<maths num="0003"><![CDATA[<math><mrow><msub><mi>C</mi><mi>AB</mi></msub><mrow><mo>(</mo><mi>m</mi><mo>,</mo><mi>n</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mrow><mn>2</mn><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mo>-</mo><mn>1</mn></mrow><mn>1</mn></munderover><munderover><mi>Σ</mi><mrow><mi>j</mi><mo>=</mo><mo>-</mo><mn>1</mn></mrow><mn>1</mn></munderover><msubsup><mi>F</mi><mi>M</mi><mi>A</mi></msubsup><mrow><mo>(</mo><mi>m</mi><mo>+</mo><mi>i</mi><mo>,</mo><mi>n</mi><mo>+</mo><mi>j</mi><mo>)</mo></mrow><mo>*</mo><msubsup><mi>F</mi><mi>M</mi><mi>B</mi></msubsup><mrow><mo>(</mo><mi>m</mi><mo>+</mo><mi>i</mi><mo>,</mo><mi>n</mi><mo>+</mo><mi>j</mi><mo>)</mo></mrow></mrow><mrow><msup><mi>E</mi><mi>A</mi></msup><mrow><mo>(</mo><mi>m</mi><mo>,</mo><mi>n</mi><mo>)</mo></mrow><mo>+</mo><msup><mi>E</mi><mi>B</mi></msup><mrow><mo>(</mo><mi>m</mi><mo>,</mo><mi>n</mi><mo>)</mo></mrow></mrow></mfrac></mrow></math>]]></maths>选择阈值λ,当|C<sub>AB</sub>(m,n)|≤λ时,直接选择局域能量较大的象素值作为重建图像对应分解分量的象素值;当|C<sub>AB</sub>(m,n)|>λ时,重建图像对应分解分量的象素值可通过对F<sub>M</sub><sup>A</sup>、F<sub>M</sub><sup>B</sup>象素值的加权运算获得,设F<sub>M</sub><sup>A</sup>、F<sub>M</sub><sup>B</sup>的加权因子分别为W<sup>A</sup>、W<sup>B</sup>,由下式确定:<maths num="0004"><![CDATA[<math><mrow><msup><mi>W</mi><mi>A</mi></msup><mrow><mo>(</mo><mi>m</mi><mo>,</mo><mi>n</mi><mo>)</mo></mrow><mo>=</mo><mfenced open='{' close=''><mtable><mtr><mtd><mn>0.5</mn><mo>*</mo><mrow><mo>(</mo><mn>1</mn><mo>-</mo><mfrac><mrow><mn>1</mn><mo>-</mo><msub><mi>C</mi><mi>AB</mi></msub><mrow><mo>(</mo><mi>m</mi><mo>,</mo><mi>n</mi><mo>)</mo></mrow></mrow><mrow><mn>1</mn><mo>-</mo><mi>λ</mi></mrow></mfrac><mo>)</mo></mrow></mtd><mtd><msup><mi>E</mi><mi>A</mi></msup><mrow><mo>(</mo><mi>m</mi><mo>,</mo><mi>n</mi><mo>)</mo></mrow><mo><</mo><msup><mi>E</mi><mi>B</mi></msup><mrow><mo>(</mo><mi>m</mi><mo>,</mo><mi>n</mi><mo>)</mo></mrow></mtd></mtr><mtr><mtd><mn>0.5</mn><mo>*</mo><mrow><mo>(</mo><mn>1</mn><mo>+</mo><mfrac><mrow><mn>1</mn><mo>-</mo><msub><mi>C</mi><mi>AB</mi></msub><mrow><mo>(</mo><mi>m</mi><mo>,</mo><mi>n</mi><mo>)</mo></mrow></mrow><mrow><mn>1</mn><mo>-</mo><mi>λ</mi></mrow></mfrac><mo>)</mo></mrow></mtd><mtd><msup><mi>E</mi><mi>A</mi></msup><mrow><mo>(</mo><mi>m</mi><mo>,</mo><mi>n</mi><mo>)</mo></mrow><mo>≥</mo><msup><mi>E</mi><mi>B</mi></msup><mrow><mo>(</mo><mi>m</mi><mo>,</mo><mi>n</mi><mo>)</mo></mrow></mtd></mtr></mtable></mfenced></mrow></math>]]></maths>W<sup>B</sup>(m,n)=1-W<sup>A</sup>(m,n)。 |