一种高能X射线图像非盲去模糊方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110599429A(43)申请公布日2019.12.20(21)申请号201910914991.7(22)申请日2019.09.26(71)申请人河海大学常州校区地址213022江苏省常州市晋陵北路200号(72)发明人李庆武许金鑫王佳妤周妍(74)专利代理机构南京纵横知识产权代理有限公司32224代理人董建林(51)Int.Cl.G06T5/00(2006.01)G06T11/00(2006.01)权利要求书3页说明书10页(54)发明名称一种高能X射线图像非盲去模糊方法(57)摘要本发明公开一种高能X射线图像非盲去模糊方法，首先，获取高能X射线模糊图像，在频域上运用Gibbs抽样动态构造马尔科夫链，得到图像初步的去模糊结果、正则化参数值以及噪声标准差的估计量。利用迭代引导滤波方法对初步的去模糊图像进行噪声去除，并提出一种有效的插值方法对图像中的负值进行填充，抑制图像的振铃效应。然后结合处理后的平滑图像以及估计的正则化参数作为稀疏引导正则项约束的子目标函数的暖启动，获取最终平滑且边缘细节丰富的高能X射线去模糊图像。优点：本发明能够加速高能X射线图像的去模糊进程，并且能够更好地去除图像中的噪声和振铃。CN110599429ACN110599429A权利要求书1/3页1.一种高能X射线图像非盲去模糊方法，其特征在于，获取高能X射线模糊图像y和预先已给定的模糊核K；将高能X射线模糊图像y和预先给定的模糊核K作为输入至预先构建的频域上的最大后验概率模型，并设定该模型的采样次数Nsamps和老化的样本数Nb，初始化λ0和δ0，得到变量x，λ和δ的后验密度函数；运用Gibbs抽样从变量x，λ和δ的后验密度函数中提取样本，动态构造马尔可夫链，当各变量的各条马尔可夫链达到平稳后，进行抽样，得到满足同分布的各变量，计算平稳后的各变量样本均值，得到初步去模糊图像xa、正则化参数τ和噪声标准差1/λ的估计量，其中变量x表示待估计的清晰图像，λ表示噪声精度参数，δ表示先验精度参数；利用迭代引导滤波对初步去模糊图像xa进行噪声的去除，并通过噪声标准差1/λ进行迭代次数的判断，得到滤波图像xfilter；基于x的统计样本的贝叶斯置信区间对初步去模糊图像xa的负值像素进行非负插值处理，并在滤波图像xfilter上，用处理后的值替换掉对应于xa负值位置上的值，同时抑制滤波图像xfilter的振铃效应，得到平滑图像基于稀疏引导正则项约束的子目标函数，将处理后的平滑图像以及估计的正则化参数τ作为该目标函数的暖启动，获得最终平滑且边缘信息丰富的高能X射线去模糊图像。2.根据权利要求1所述的高能X射线图像非盲去模糊方法，其特征在于，所述高能X射线模糊图像y利用第一类弗雷德霍姆积分方程来表示，经过离散化后得到一个线性方程，其表达式为：y＝Kx+η(1)其中，x∈RN为未知的清晰图像；y∈RM为高能X射线模糊图像；K∈RM×N为模糊核数值离散后得到的正向矩阵；η∈RM为加性噪声，RN和RM×N分别表示N维和M×N维的实数空间，x∈RN，y∈RM表示x,y分别为N×1和M×1的列向量，K∈RM×N表示为M×N的矩阵。3.根据权利要求2所述的高能X射线图像非盲去模糊方法，其特征在于，所述目标函数为：其中，第一项为数据保真项；第二项为正则项；xτ为恢复的清晰图；τ是范数和稀疏引导的范数的统一正则化参数，用来控制保真项与正则项之间的加权比例；L为正则化矩阵；将目标函数转化为以稀疏引导的范数作为正则项约束的目标函数，为：其中，式(3)为以图像范数作为正则项约束的子目标函数。4.根据权利要求3所述的高能X射线图像非盲去模糊方法，其特征在于，所述最大后验概率模型表示为：2CN110599429A权利要求书2/3页其中，N(,)表示正态分布，Γcov为x|y,λ,δ所服从的正态分布的方差，T为转置操作，Γprior为负拉普拉斯算子的离散化。5.根据权利要求4所述的高能X射线图像非盲去模糊方法，其特征在于，采用迭代引导滤波进行噪声的去除，并通过噪声标准差1/λ根据进行迭代次数的判断，最后得到滤波图像xfilter，表示为：itr其中，i和j为像素标签，itr为迭代的次数，当itr＝1时，xa就是xa；当itr＞1时，上一次的滤波图像则作为下一次滤波的引导图像，Gij为滤波核函数，将Gij定义为：其中，wk为第k个核函数窗口，为窗口内的像素总数，μk和是引导图像在窗口内的均值和方差，ε为平滑因子。6.根据权利要求5所述的高能X射线图像非盲去模糊方法，其特征在于，得到图像的过程为：将初步去模糊图像xa的95％的置信区间设为xa的每个像素都有置信区间；计算其中，Nnv为负值的数量，(i,j)表示像素，Loc_nv