[发明专利]一种基于泊松模型的X光胸片图像肋骨抑制方法

摘要

本发明公开了一种基于泊松模型的X光胸片图像肋骨抑制方法，首先对图像进行Contourlet变换，利用变换系数在不同尺度间的相关性，对图像的纹理进行增强处理；然后根据图像的海森矩阵特征值，设计条形检测滤波器，检测出肋骨所在的区域；最后结合增强后的纹理和肋骨区域信息，建立并求解肋骨抑制的泊松模型，进而实现图像中的肋骨抑制。本发明利用Contourlet变换的各向异性和多方向特点，结合系数的尺度和方向信息，提高了纹理和噪声之间的区分度，增强纹理，同时抑制了噪声；通过求解泊松模型实现抑制肋骨，不需要对肋骨进行精确分割，避免了显式抑制肋骨时造成的边缘过渡不自然问题，有效地抑制肋骨，提高X光胸片图像的观测效果。

主权项

1.一种基于泊松模型的X光胸片图像肋骨抑制方法，其特征在于，包括以下步骤：步骤一、读取原始的胸片图像I，对胸片图像I进行Contourlet变换；步骤二、对Contourlet变换后的低频系数进行对比度拉升；步骤三、对Contourlet变换后的高频系数进行增益变换，重构出纹理增强后的胸片图像E；步骤四、根据原始的胸片图像I，在多个尺度下进行高斯滤波，计算滤波后图像的海森矩阵及其特征值，进而建立条状检测滤波器，利用条状滤波器检测定位肋骨，获得肋骨区域的二值掩膜图像；步骤五、根据步骤三得到的胸片图像E和步骤四得到的肋骨区域的二值掩膜图像，得到输出图像I^*，即对胸片图像E采用拉普拉斯模板进行卷积运算，获得该图像梯度场的散度值建立泊松方程ΔG＝DIV(E)s.t.其中，E_x、E_y分别为图像E的梯度场在坐标轴x和坐标轴y方向上的分量，G是输出图像I^*中肋骨区域内像素的灰度值，ΔG是拉普拉斯算子作用G的结果，I是原始的胸片图像，是肋骨区域边界，即步骤四的二值掩膜图像中的肋骨区域边界。