의료영상의 화질이 진단의 정확성에 중요한 요소이다. 그러므로 의료영상의 화질을 향상시킬 수 있는 방법들이 연구되어져 왔다. 그 중에서 주파수 도메인 필터가 영상의 화질을 향상시킬 수 있는 강력한 도구이다. 본 논문에서는 X선 의료영상에 기존의 고주파통과 필터에 최적값을 적용해서 에지영역을 개선하였고, 결과영상에 기존의 고주파 강조 필터에 최적값을 사용하여 에지영역 및 평탄영역의 대비를 향상시켰다. 마지막으로, 최소평균제곱오차필터를 사용해서 결과영상에 잡음을 최소화했다. 결과적으로, 제안된 방법이 기존 필터들에 비해서 영상의 대비와 에지부분들을 향상시켰으며, 더불어 잡음제거의 효과를 보였다.
의료영상의 화질이 진단의 정확성에 중요한 요소이다. 그러므로 의료영상의 화질을 향상시킬 수 있는 방법들이 연구되어져 왔다. 그 중에서 주파수 도메인 필터가 영상의 화질을 향상시킬 수 있는 강력한 도구이다. 본 논문에서는 X선 의료영상에 기존의 고주파통과 필터에 최적값을 적용해서 에지영역을 개선하였고, 결과영상에 기존의 고주파 강조 필터에 최적값을 사용하여 에지영역 및 평탄영역의 대비를 향상시켰다. 마지막으로, 최소평균제곱오차필터를 사용해서 결과영상에 잡음을 최소화했다. 결과적으로, 제안된 방법이 기존 필터들에 비해서 영상의 대비와 에지부분들을 향상시켰으며, 더불어 잡음제거의 효과를 보였다.
The visual quality of medical image is an important factor for diagnosis accuracy. Therefore, the methods to improve the quality of medical image have studied. Among them, frequency domain filter is very powerful method to impove the visual quality of image. In this paper, the X-ray medical image us...
The visual quality of medical image is an important factor for diagnosis accuracy. Therefore, the methods to improve the quality of medical image have studied. Among them, frequency domain filter is very powerful method to impove the visual quality of image. In this paper, the X-ray medical image using optimized high-pass filter was improved edges. The result image was improved edge and contrast of flat area using optimized high frequency emphasis filter. At last, the result image is to minimize the noise using the minimum mean square error(MMSE) filter. As a result, the proposed method has enhanced contrast and edge of the image in the contrast of existing filters, with the noise canceling effect.
The visual quality of medical image is an important factor for diagnosis accuracy. Therefore, the methods to improve the quality of medical image have studied. Among them, frequency domain filter is very powerful method to impove the visual quality of image. In this paper, the X-ray medical image using optimized high-pass filter was improved edges. The result image was improved edge and contrast of flat area using optimized high frequency emphasis filter. At last, the result image is to minimize the noise using the minimum mean square error(MMSE) filter. As a result, the proposed method has enhanced contrast and edge of the image in the contrast of existing filters, with the noise canceling effect.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
지역분산이 잡음분산보다 매우 큰 영역에서는 본 필터는 필터되지 않은 영상에 근접할 것이다. 즉, 높은 지역분산은 상세한 에지를 암시함으로 본 필터는 원영상의 에지를 보전하려고 한다.
제안 방법
UNSHARP 영상은 에지가 향상되었으나 골격을 확실하게 구별할 수 없었다. 그러므로, 본 논문에서는 이러한 단점들을 보안하는 방법으로, 에지부분들을 향상시키며, 또한 골격부분을 뚜렷하게 구별할 수 있으며, 더불어 경험값을 이용한 MMSE 필터에 대한 최적화방법을 제안하였다.
본 논문에서는 입력으로 차단주파수의 기준을 정했던 패딩된 의료영상을 이용했다. 그리고 에지영역을 추출하기 위해서 최적화된 고주파통과 필터를 사용했으며, 그 결과영상에 에지와 평탄영역의 대비를 강조하기 위해서 최적화된 고주파강조 필터를 사용했다. 그 과정에서 X선 의료영상의 최적화를 위해서 각각의 실험값, 즉, 가우시안 고주파통과 필터, 차단주파수의 거리=0.
그리고 결과된 영상은 원영상으로부터 차감된다. 또한, 본 영상은 대비를 증진시키기 위해서 히스토그램 스트래칭을 수행한다.
본 논문에서는 제안된방법으로 기존의 고주파통과 필터, 고주파강조 필터, 히스토그램 평활화, 그리고 잡음제거를 위한 방법으로 MMSE 필터를 이용하였다.
마지막으로 MMSE 필터에서는 윈도우는 크게, 잡음 분산은 경험값으로 100이상을 적용했다. 제안된 방법을 사용해서 의료영상들을 지속적으로 실험하였고, 원 영상들은 광학렌즈에서와 같은 방식으로 초점을 맞출 수 없다. 따라서, 원영상은 일반적으로 흐릿해지는 경향이 있다[10].
대상 데이터
5를 적용하였다. 그리고 MMSE 필터의 실험값으로는 큰 윈도우크기와 잡음분산은 100이상들이다. HOMO 영상은 에지 부분이 적게 향상되었으며, UNSHARP 영상은 에지부분이 향상되었으나, 뚜렷하게 골격을 구별 할 수 없었다.
본 논문에서 실험한 영상의 크기는 N X N이다. 화소의 농도 값은 0≤화소p≤255인 그레이 레벨 영상들을 이용하였고, 그림 3과 같이 영상처리를 수행하였다.
본 논문에서는 입력으로 차단주파수의 기준을 정했던 패딩된 의료영상을 이용했다. 그리고 에지영역을 추출하기 위해서 최적화된 고주파통과 필터를 사용했으며, 그 결과영상에 에지와 평탄영역의 대비를 강조하기 위해서 최적화된 고주파강조 필터를 사용했다.
이론/모형
제안된방법과 기존 필터들과의 비교분석을 위해서 Homomorphic(HOMO)필터, Unsharp(UNSHARP)필터를 이용했다[2].
성능/효과
3)번의 필터주파수 과정은 3가지의 매개변수들, 즉, 고주파이득, 저주파이득, 차단주파수로 구성된다. 본 변수들은 R(r,c)를 증진시킴과 동시에 L(r,c)를 줄이는 효과가 있다.
그리고 MMSE 필터의 실험값으로는 큰 윈도우크기와 잡음분산은 100이상들이다. HOMO 영상은 에지 부분이 적게 향상되었으며, UNSHARP 영상은 에지부분이 향상되었으나, 뚜렷하게 골격을 구별 할 수 없었다. 결과적으로, 제안된 방법은 의료영상의 잡음을 제거하면서 동시에 대비와 에지부분을 향상시킴으로 골격을 뚜렷하게 구별 할 수 있었다.
HOMO 영상은 에지 부분이 적게 향상되었으며, UNSHARP 영상은 에지부분이 향상되었으나, 뚜렷하게 골격을 구별 할 수 없었다. 결과적으로, 제안된 방법은 의료영상의 잡음을 제거하면서 동시에 대비와 에지부분을 향상시킴으로 골격을 뚜렷하게 구별 할 수 있었다.
고주파통과 필터에서 차단주파수의 거리는 응용에 따라서 경험값이 필요하며, 실험에서 경험값을 각각 0.05, 0.1, 3을 적용하였는데, 0.05인 경우가 주관적인 화질이 뛰어남을 알 수 있었다.
그 결과, HOMO 영상은 에지가 적게 향상되었으며. UNSHARP 영상은 에지가 향상되었으나 골격을 확실하게 구별할 수 없었다.
그림 4는 선정된 흐릿한 X선 영상들을 입력하여, UNSHARP필터, HOMO필터, 제안된 방법(PFA:Proposed Filter Algorithm)등으로 실험한 결과이며, 그림들을 비교하면 기존필터들보다 PFA가 주관적인 화질이 뛰어남을 알 수 있었으며, PFA와 관련된 히스토그램은 기존 필터의 관련된 히스토그램들보다 명암도가 각 화소들에 일정한 비율로 분포되어 있으므로 전반적으로 대비가 더 좋다고 사려된다.
즉, 각 윈도우 영역의 잡음을 제거하는 동안에 각 에지들은 향상된다. 본 논문에서는 최적값을 찾기위해서, 윈도우크기와 잡음분산을 적용하였는데, 그 이유는 더 큰 윈도우크기는 에지영역이 향상되지만 더 많은 잡음을 남긴다. 그러므로 더 큰 윈도우 크기로 잡음을 적게 남기면서 에지를 향상시킬 수 있어야 한다.
질의응답
핵심어
질문
논문에서 추출한 답변
고주파통과 필터는 어떻게 에지부분들을 선명하게 만드는가?
고주파통과 필터는 퓨리에 변환의 낮은 주파수를 감쇠시키고, 반대로 높은 주파수를 유지함으로써 에지부분들을 선명하게 만든다[8]. 그러나 고주파통과 필터가 에지를 선명하게 하지만 낮은 주파수부분들을 필터링하므로, 저주파요소를 보유하는 고주파강조 필터를 사용하면 된다[9].
MMSE 필터는 어떤 값을 도출할 수 있는가?
MMSE 필터는 지역 영상통계에 근거한 결과값을 도출할 수 있다. 식(2)과 같이 MMSE 필터를 정의한다.
HOMO 필터란 무엇인가?
본 필터는 밝기를 줄임과 동시에 대비를 증진시키는 주파수도메인 필터이다. 본 필터에 대한 식은 다음과 같다.
참고문헌 (10)
Huiqin Jiang, et al., "A Novel to Improve the Visual Quality of X-ray CR Image", I.J. Image, Graphics and Signal Processing, pp.25-31, 2011.
Guang Deng, "A Generalized Unsharp Masking Algorithm", IEEE TRANSACTIONS ON IMAGE PROCESSING, pp.1249-1261, 2011.
Scott E, Umbaugh, "Computer Image", CRC Press, 2005.
Kim, Yeong-Hwa, et al., "Estimation of the Noise Variance in Image and Noise Reduction", Korean Journal of Applied Statistics, vol. 24, no. 5, pp.905-914, 2011.
Choong-ho Shin, Chai-yeoung Jung, "A Restoration of Degraded Medicine Images Based on Optimized Parametric Wiener Filter",JKIICE, vol. 16 no. 5, pp.1055-1063. 2012.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.