基于HVS和小波多分辨率的X射線圖像質量評價

任青

摘要：針對x射線圖像質量評價問題，研究了HVS（入眼系統）及小波多分辨率，在此基礎上提出一種基于兩者相似性的圖像質量評價方法。通過對不同管電壓作用下產生的x射線圖像感興趣區域進行評價處理，將評價結果與主觀評價法、傳統客觀圖像質量評價方法作對比，結果顯示，所提出的圖像質量評價方法，其結果更接近人眼視覺評價結果。

關鍵詞：HVS；小波多分辨率；x射線圖像；圖像質量評價

中圖分類號：TP391.41

文獻標志碼：A

文章編號：1006-8228（2017）01-01-03

0.引言

成像圖像的質量評價對圖像處理與成像技術發展有著極其重要的作用，吸引了越來越多國內外學者的關注，目前已出現了大量圖像質量評價方法，評價方式各異，評價對象也有所不同。現有的圖像質量評價方法大致可以分為兩大類：主觀評價法和客觀評價法。

在實際應用中，人眼是圖像接收處理的終端，評價的結果必須符合人類視覺系統的特性，所以，主觀評價法是最有說服力的方法。但主觀評價法太費時費力，成本較高且不可用數學模型描述，因此，現階段國內外研究的重點是：設計與人眼主觀觀察結果具有良好相關性的客觀圖像質量評價方法。

醫用x射線診斷，因其曝光時間短、空間分辨率高，而且圖像中包含了巨大的信息量，故仍是臨床普及度最廣的醫學影像檢查手段，尤其在骨骼、胃腸、血管及乳腺等檢查方面，對于x射線圖像處理及成像技術研究仍具有現實意義。

1.小波多分辨率和HVS特性的相似性

小波多分辨率分析理論，亦稱多尺度分析，1989年由Mallat提出。在各個不同的尺度或分辨率中信號會包含不同的特性，隨著尺度由大到小變化，在各尺度上可以由粗糙到精細地觀察目標此即為多尺度思想。低分辨率反映圖像大的結構信息，高分辨率反映圖像細節信息。采用多分辨率分析的方法，可以對不同結構信息單獨處理，提取圖像在各個分辨率下的細節信息，最終得到一個在不同分辨率下的圖像細節序列，即將圖像分解到在對數尺度上具有相等帶寬的不同頻帶上進行分析處理。

從視神經通路來看，各種視網膜神經細胞、神經纖維、外測膝狀體和部分視皮層細胞組成了一個低通和視覺多個不同帶寬的高通濾波器組，視網膜圖像在某一階段被分解成一個低頻成分和不同頻帶的高頻成分。實驗結果表明，這些帶通濾波器的帶寬約在一個倍頻程左右，也就是說視網膜圖像被分解為在對數尺度上有大致相等帶寬的頻帶上。而且，研究表明這些濾波器是各向異性的，所以人眼對各個方向的敏感程度是不一致的，其中，對水平方向和垂直方向的信息最敏感，對角線方向最不敏感。可見，計算機視覺的多分辨率分析方法與人眼視覺系統信息處理的多通道濾波機制相似。

對原始圖像進行三級小波多分辨分解，在一系列按倍頻程劃分的頻帶上被分解為一個低頻分量和多個高頻分量，圖像的每一級小波分解都是將上一級的低頻分量劃分為更精細的頻帶。對一幅圖像來說，可認為小波圖像的各個高頻成分是圖像中邊緣等細節信息的體現，且各個高頻帶所表示細節信息呈現各向異性。其中，LL子帶是圖像的近似表示，HL子帶表示圖像水平方向邊緣細節，LH子帶表示圖像垂直方向邊緣細節，HH子帶表示圖像對角方向邊緣細節。可見，圖像的小波的多分辨率分解還具有良好的空間方向選擇性，與人眼視覺特性十分相似，因此，我們可利用圖像的小波多分辨率分解與HVS相類似的特性，將其應用到圖像質量評價中。

2.具體算法步驟

基于上述分析，結合人眼視覺特性，本文建立了一種簡單有效的無參考質量評價方法。其具體步驟如下。

（1）小波分解：對待評價圖像進行小波分解（這里選用“sym8”小波），分解級數為5級，因為研究表明5-6級的小波分解最符合人眼視覺特性。圖像分解后可得到六個頻帶，除了第六頻帶只有一個低頻分量外，其他的五個頻帶各有三個高頻分量，分別為水平、垂直和對角線分量。

（2）計算圖像質量評價參數值：x射線圖像質量是由對比度、清晰度、噪聲、偽影及畸變等多種因素綜合體現出來的。本文主要通過對比度和清晰度來評價圖像質量。其中，對比度用方差來反映，清晰度由梯度函數來評價，熵用來計算圖像所包含的信息量。分別利用公式2.1、2.2和2.3計算這16個分量的方差、梯度、熵。

不同頻帶加權：利用CSF的非線性帶通特性，對不同空間頻帶的計算結果進行加權，加權值為在相應頻帶內CSF曲線的平均值，對于五級小波分解，整個頻帶劃分為6個，根據CSF特性曲線對應可得6個加權值（如圖1所示）。

選用5幅x光機管電壓變化產生不同曝光條件下.鲅魚的圖像作為待評價圖像，如圖2所示。圖2的a～e分別是管電流（0 6mA）固定不變，管電壓從35kV-55kV變化，改變間隔為5kV。在x光圖像中選取感興趣區域以減少計算量，如圖3所示。

3.評估結果分析

3.1主觀評價結果

選取10名有經驗的主觀評價觀察者參與主觀評價。分別對圖3中所選取的5幅區域圖進行了主觀質量評價，之后對評價結果進行評分出界檢測處理，設定的置信水平為97%，剔除出界評分。以圖3中感興趣區域的圖像為例，其主觀評價結果如表1所示，處理后的評價結果如表2所示。

3.2客觀評價結果

為了說明本文圖像質量評價算法的優越性，下面分別用傳統的質量評價方法及基于HVS特性的質量評價方法對圖3中感興趣區域的圖像進行評價，結果如表3所示。

主觀評價結果顯示圖b的圖像質量最好，圖像熵與本文方法的計算結果與之相符，而方差與梯度的計算結果則顯示圖a的質量最好，這與人眼主觀視覺感受不一致；主觀評價中質量僅次于圖b的是圖c，但是圖像熵的計算結果顯示圖像質量僅次于圖b的是圖a，這也與主觀評價結果不相同。因此，本文方法在與主觀視覺感受保持一致性方面具有明顯的優勢。

4.結束語

本文利用小波多分辨率分析與人眼視覺系統對影像信息分析相似的原理提出一種改進的圖像質量評價方法，作為一種客觀的圖像質量評價方法，評價結果與主觀圖像質量評價方法的評價結果一致，證明了方法的可行性，但在算法的精確度和適應性方面還有待提高，可作為未來改進的方向。