[发明专利]一种基于边界引导的影像插值方法

说明书

技术领域

本发明涉及医学影像技术领域，尤其涉及一种基于边界引导的影像插值方法。

背景技术

高分辨率的自然图像，是人类穷尽自然奇观和发现事实真相的主要信息来源。在临床病情分析和诊断上，高分辨率的医学影像是医生发现器官的病变和问题，从而进行准确诊断的必要数据。限于硬件材料和制造技术的发展，目前的医学成像设备获取的医学影像分辨率都没有达到最理想的状态。一些低端医疗成像设备仍然在欠发达国家和地区的医院里使用着。

如何有效地、实时地对自然图像或医学影像进行插值，以提高数据的分辨率，从而能够准确地识别和有效地分析影像数据，是影像技术领域一直在致力研究的一个热点。

目前，影像插值技术主要包括：其一、传统插值方法，如最近邻插值方法；其二、边界引导插值方法，如NEDI方法(NewEdge-DirectedInterpolation)(LiX.,OrchardMT.Newedge-directedinterpolation.IEEETransactionsonImageProcessing,2001,10(10):1521-1527.)、CEM方法(Canny-EdgeMagnification)(ZhangD.,WuX.Anedge-guidedimageinterpolationalgorithmviadirectionalfilteringanddatafusion.IEEETransactionsonImageProcessing,2006,15(8):2226-2238.)、EGII方法(Edge-GuidedImageInterpolation)(ShiH,WardR.Cannyedgebasedimageexpansion.IEEEInternationalSymposiumonCircuitsandSystems,2002(ISCAS2002),2002,1(1):785-788.)和ICBI方法(IterativeCurvature-BasedInterpolation)(GiachettiA.,AsuniN.Real-timeartifact-freeimageupscaling.IEEETransactionsonImageProcessing,2011,20(10):2760-2768.)；其三、基于机器学习的插值方法。其中，传统的插值方法已经在工作和生活中被广泛使用，这是由于传统的插值方法思路简单、计算量小，实现起来较为方便。但是，插值后的影像会出现严重的边界模糊不清，边缘出现伪影和重要细节信息丢失等问题。而基于机器学习的插值方法，其前期需要进行离线的有针对性的大样本的学习，这些弊端导致其实际应用范围受到了巨大的限制。

边界引导插值方法的前提假设是，插值后的高分辨率影像模块与插值前的低分辨率影像模块间的协方差存在高度相关。在算法实现中，通过插值前的低分辨率影像模块的协方差信息去估算插值后的高分辨率影像模块的协方差，从而确定高分辨率模块内的像素点的灰度值。目前边界引导插值方法(如NEDI方法、EGII方法和ICBI方法等)的局限性主要包括：其一、算法的前提假设完全是针对高质量的无误差的影像数据，而在实际生活中或临床条件下，这样的高质量的影像数据是不存在的；其二、插值过程中，边界引导插值方法的高计算复杂度必将导致高的时间消耗，以致无法满足实时性要求；其三、边界引导插值方法只能对图像数据进行2ⁿ(n＝1,2,3,...)倍数的放大，而无法详细观察影像插值的中间过程，也没法将影像分辨率放大到原始分辨率的1.5倍；其四、这些算法和技术仅仅在高质量的影像数据上进行仿真，而未进行医学影像数据的验证。另外，边界引导插值方法中的CEM插值方法的问题主要在于其将边界引导插值方法的复杂度过于简化，虽然计算量小，但插值效果并不能令人满意。

发明内容

针对上述问题，本发明的目的是提供一种基于边界引导的影像插值方法(TEDI，TrueEdge-DirectedInterpolation)，可以提高影像质量，且满足实时性要求。

一种基于边界引导的影像插值方法，其包括如下步骤：

S101、提取原始低分辨率影像的边界信息，获得原始边界信息；

S103、对所述原始低分辨率影像进行插值处理，使其分辨率达到预定分辨率，获得预插值高分辨率影像，并提取所述预插值高分辨率影像的边界信息，获得过程边界信息；

S105、分析对比所述原始边界信息和所述过程边界信息，对所述高分辨率影像的边界点进行逐点处理，以达到平滑或锐化的效果；