[发明专利]医学图像的处理方法及系统

说明书

技术领域

本发明涉及一种图像处理技术，尤其是涉及一种将医用图像进行降噪与增强处理的方法，以及使用该处理方法的处理系统。

背景技术

随着医学成像技术的发展与进步，图像处理在医学研究与临床医学中的应用越来越广泛。

医学图像由于采集源及曝光参数和剂量等要求往往会受到噪声的干扰，使得画质下降并掩盖了某些重要组织的病变，这给医生的诊断和识别某些特定的疾病带来了较大的困难，并且会有漏诊和误诊的风险。在本专利中，通过应用多分辨率空间模型，实现了一种医学图像后处理处理方法用以改善图像视觉效果，增强图像中的结构细节信息。

基于多分辨率空间数据模型的图像处理方法通常包括以下步骤。一幅图像首先被分解为一系列不同分辨率上的细节图像（detail images）和一幅残值图像（residual image）。第二步，对细节图像和残值图像进行适当的处理。最后通过重建算法将处理后的细节图像和残值图像合并为原尺度图像。

在图像多分辨率空间数据模型中，由于细节图像在包含了图像高频细节信息的同时也囊括了大部分的噪音信息，而残值图像包含了图像的低频结构信息，这部分信息中的噪音通常可以忽略不计。但是，在进行噪音抑制时可能会造成将图像结构信息损坏，且残值图像中的低频结构信息所包含的细节存在被抑制而无法在最终的医用图像中显示，从而导致出现漏诊和误诊。

发明内容

本发明提出一种医学图像的处理方法及系统，以解决采用多分辨率空间数据模型进行医学图像处理过程中，因噪声与低频结构信息抑制使医学图像中一些细节信息被屏蔽而导致容易漏诊和误诊的技术问题。

本发明采用如下技术方案实现：一种医学图像的处理方法，其包括步骤：

使用多分辨率空间数据模型将输入的原医学图像转换为分解为多个尺度，得到一系列不同分辨率上的细节图像和一幅残值图像；

使用直方图均衡化方法对残值图像进行增强处理，得到新残值图像；

从最小尺度的细节图像开始，依次对每层细节图像中每个像素点进行噪声抑制与增益处理，分别得到新细节图像；

通过重建算法对新残值图像与每层新细节图像进行重建处理，得到处理后的新医学图像。

较优的，所述对每层细节图像中每个像素点进行噪声抑制与增益处理的步骤具体包括：

计算获得每一层细节图像的幅度图；

从细节图像增益映射表中获取每一层细节图像对应幅度图中每个像素点对应的增益系数；

将每一层细节图像中每个像素与对应的增益系数相乘，分别得到每层新细节图像。

较优的，所述计算获得每一层细节图像的幅度图的步骤具体包括：

取每一层细节图像中每个像素点的绝对值，获得该层细节图像对应的绝对值图像；

对每一层绝对值图像分别作纵向的低通滤波和横向的低通滤波，分别得到每层细节图像对应的幅度图。

较优的，所述计算获得每一层细节图像的幅度图的步骤具体包括：

对残值图像求横向和纵向方向上的梯度图，并使用插值算法将横向和纵向的两幅梯度图放大到和每一层的细节图像一样大小；

对每一层细节图像求绝对值得到对应的绝对值图像；

在每层绝对值图像中的每个像素点上，根据残值图像的横向和纵向方向上的两个梯度图，求该像素点上的梯度方向，并沿垂直于梯度的方向做低通滤波，分别得到每层细节图像的幅度图。

较优的，所述计算获得每一层细节图像的幅度图的步骤具体包括：

将残值图像使用分割算法将其分解为结构体区域和非结构体区域；

取每一层细节图像中每个像素的绝对值，获得该层细节图像对应的绝对值图像；

在残值图像的结构体区域对每层细节图像中每个像素点的绝对值沿平行于结构体边界方向做低通滤波，且在残值图像的非结构体区域对每层细节图像中每个像素的绝对值做纵向和横向的低通滤波，分别得到每层细节图像的幅度图。

较优的，所述将残值图像分解为结构体区域和非结构体区域的步骤具体包括：

对残值图像求梯度图；

使用阈值对梯度图二值化，将像素点的梯度值大于阈值的在二值化图像中设为1表示为结构体区域，剩下的像素在二值化图像中设为0表示为非结构体区域。

较优的，所述细节图像增益映射表通过一个 阶多项式的映射函数计算获得。

另外，本发明还公开一种医学图像的处理系统，其包括：