[发明专利]用于医学图像重建参数寻优的客观图像质量评价方法

摘要

本发明公开了一种用于医学图像重建参数寻优的客观图像质量评价方法。本发明包括如下步骤1.采用循环置顶的方法构造出多个虚拟的参考图像，不仅可以利用全参考图像质量评价算法分析重建图像的质量，还能实现并行处理；2.利用Daubechies小波变换结合特征值分解从不同尺度、不同方位分析图像的自相似性；3.将获取的重建图像的自相似性作为质量因子，对其进行冒泡排序，得出重建图像的质量等级，最高的质量等级对应最优的重建参数。本发明所提出的图像质量客观评价与主观评价具有很好的一致性，尤其是能加速医学图像重建算法中参数的寻优过程。

主权项

一种用于医学图像重建参数寻优的客观图像质量评价方法，其特征在于包括如下步骤：步骤(1).输入一组相同语义的重建图像，不失一般性假定有n幅，命名为Ii，i＝1,2,…,n；步骤(2).将重建图像按照命名下标排成双向循环队列，I1位于队头，In位于队尾，完成I1的置顶操作；步骤(3).将置顶图像视为失真图像D，非置顶图像视为参考图像R，不失一般性地假定两幅图像的大小为M×N；步骤(4).将步骤(3)的参考图像R和失真图像D输入评价系统，分别对其实施总计S个尺度的Daubechies小波变换，该小波通过调整函式和小波函式分别对输入信号进行低通滤波和高通滤波的组合处理，一共有四种组合，对应四个方向，分别是：低通滤波后接着低通滤波，得到对应参考图像R和失真图像D的方向为θ＝LL的小波子带，记为CRs，LL和CDs，LL，该子带构成了用于下一尺度分解的原始信号；低通滤波后接着高通滤波，得到方向为θ＝LH的小波子带CRs，LH和CDs，LH；高通滤波后接着低通滤波，得到方向为θ＝HL的小波子带CRs，HL和CDs，HL；高通滤波后接着高通滤波，得到方向为θ＝HH的小波子带CRs，HH和CDs，HH，其中s＝1，2，…，S；基于该S个尺度，并抽取每个尺度上方向为θ＝LH，HL，HH的三个子带，用共计3S个子带实现多尺度分析；步骤(5).将步骤(4)得到的对应第s个尺度，第θ个方向上的参考图像子带CRs，θ和失真图像子带CDs，θ做协方差变换，得到各自的协方差矩阵步骤(6).分别对步骤(5)得到的做特征值分解，得到各自的特征向量和特征值；步骤(7).利用特征向量空间的对称性，通过L2范数求得特征向量的自相似性步骤(8).对步骤(7)得到的取均值，得到失真图像D各个子带对参考图像R的自相似性sss，θ；步骤(9).对于同一方向不同尺度的sss，θ做聚合，得到同一方向上的自相似性ssθ；步骤(10).对于三个不同方向的ssθ做聚合，得到整体自相似性；步骤(11).并行执行n‑1个线程，每个线程包括步骤(4)‑(10)，得到关于失真图像D的n‑1个整体自相似性ssi，其中i＝1,2,…,n‑1；步骤(12).对通过步骤(11)得到的n‑1个关于第一幅重建图像D1的整体自相似性ssi取均值，得到D1的质量因子Q1，同理，通过双向队列循环移位，依次完成第2至第n幅重建图像D2，D3，…Dn的置顶操作，分别得到各自的质量因子Q2，Q3，…Qn；步骤(13).根据步骤(12)得到n幅失真图像的质量因子，通过冒泡排序算法，将质量因子按照从大到小排列，并且记录相应的重建图像的编号，质量因子最大的重建图像具有最好的重建质量，因而其对应的重建参数便是最优参数。