本发明专利技术公开一种光声显微血管图像分割和量化方法及装置，能够准确、全面的量化光声显微血管图像的血管特征。所述方法包括：获取待进行分割和量化处理的光声显微血管图像，利用多尺度Hessian滤波器对所述光声显微血管图像进行分割得到第一分割图像，并利用局部自适应阈值方法对所述光声显微血管图像进行分割得到第二分割图像；采用加权平均方法对所述第一分割图像和所述第二分割图像进行复合，并将得到的图像作为第三分割图像；基于所述第三分割图像计算所述光声显微血管图像的血管特征参数，其中，所述血管特征参数包括血管半径、血管密度、血管长度分数和分形维数。
【技术实现步骤摘要】
本专利技术设及图像处理领域，具体设及一种光声显微血管图像分割和量化方法及装 置。
技术介绍
对人体微循环系统的实时成像，允许人们直观的观测与血管相关的疾病发展过 程。光声显微成像技术（PAM)作为一种无损检测技术，可用于获取生物组织血管图像用于 微循环疾病的检测。虽然光声显微血管图像可W实现血管目标的可视化，但是仅能定性的 表征血管特征。而定量的方法可数字的形式更为直观的用于临床疾病的诊断。 已有的一些量化方法包括测量血管直径，血流速度和最邻近血管的最大距离等。 但运些参数仅仅描述血管的强度信息，而描述血管弯曲形态的参数更为有用，比如视网膜 血管形态的变化可W作为冠屯、病和中风的早期表征。由此，寻找一种综合血管的强度信息 和形态信息的血管特征的量化方法成为一种亟待解决的问题。
技术实现思路
本专利技术的目的在于，提供一种光声显微血管图像分割和量化方法及装置，能够准 确、全面的量化光声显微血管图像的血管特征。 阳〇化]为此目的，一方面，本专利技术提出一种光声显微血管图像分割和量化方法，包括： 获取待进行分割和量化处理的光声显微血管图像，利用多尺度化ssian滤波器对 所述光声显微血管图像进行分割得到第一分割图像，并利用局部自适应阔值方法对所述光 声显微血管图像进行分割得到第二分割图像； 采用加权平均方法对所述第一分割图像和所述第二分割图像进行复合，并将得到 的图像作为第=分割图像； 基于所述第=分割图像计算所述光声显微血管图像的血管特征参数，其中，所述 血管特征参数包括血管半径、血管密度、血管长度分数和分形维数。 另一方面，本专利技术提出一种光声显微血管图像分割和量化装置，包括： 分割单元，用于获取待进行分割和量化处理的光声显微血管图像，利用多尺度 Hessian滤波器对所述光声显微血管图像进行分割得到第一分割图像，并利用局部自适应 阔值方法对所述光声显微血管图像进行分割得到第二分割图像； 复合单元，用于采用加权平均方法对所述第一分割图像和所述第二分割图像进行 复合，并将得到的图像作为第=分割图像； 计算单元，用于基于所述第=分割图像计算所述光声显微血管图像的血管特征参 数，其中，所述血管特征参数包括血管半径、血管密度、血管长度分数和分形维数。 本专利技术实施例所述的光声显微血管图像分割和量化方法及装置，结合化ssian 滤波器的多尺度特性有效分割图像中不同尺寸的血管，并采用自适应局域阔值方法对 Hessian滤波器的模糊和放大效应进行改进，W给出更为精确的分割结果，即利用改进的多 尺度化ssian滤波器从光声显微血管图像中分割出血管，并量化得到表征血管特征的血管 半径、血管密度、血管长度分数和分形维数，相较于仅对血管的强度信息进行量化的现有技 术，本专利技术综合血管的强度信息和形态信息，对血管的特征参数进行量化，能够更为准确、 全面的量化光声显微血管图像的血管特征，W用W识别血管疾病。【附图说明】 图1为本专利技术光声显微血管图像分割和量化方法一实施例的流程示意图； 图2为一个原始的光声显微血管图像； 图3为本专利技术光声显微血管图像分割和量化方法另一实施例得到的骨架图像； 图4为本专利技术光声显微血管图像分割和量化方法又一实施例得到的分割图像W 及血管特征参数的量化图：(A)为原始光声显微血管图像，度）为第一分割图像，（C)为第二 分割图像，值）为第S分割图像，巧）为血管半径量化图； 图5为本专利技术光声显微血管图像分割和量化方法又一实施例得到的子区域的血 管特征参数的量化图：(A)为血管长度分数量化图，度）为血管密度量化图，（C)为分形维数 量化图； 图6为本专利技术光声显微血管图像分割和量化装置一实施例的方框结构示意图。【具体实施方式】 为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例 中的附图，对本专利技术实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本专利技术 一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有 做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。 如图1所示，本实施例公开一种光声显微血管图像分割和量化方法，包括： S1、获取待进行分割和量化处理的光声显微血管图像（如图2所示为一个原始的 光声显微血管图像），利用多尺度化ssian滤波器对所述光声显微血管图像进行分割得到 第一分割图像，并利用局部自适应阔值方法对所述光声显微血管图像进行分割得到第二分 割图像； S2、采用加权平均方法对所述第一分割图像和所述第二分割图像进行复合，并将 得到的图像作为第=分割图像； S3、基于所述第=分割图像计算所述光声显微血管图像的血管特征参数，其中，所 述血管特征参数包括血管半径、血管密度、血管长度分数和分形维数。本专利技术实施例所述的光声显微血管图像分割和量化方法，结合化ssian滤波器的 多尺度特性有效分割图像中不同尺寸的血管，并采用自适应局域阔值方法对化ssian滤波 器的模糊和放大效应进行改进，W给出更为精确的分割结果，即利用改进的多尺度化ssian 滤波器从光声显微血管图像中分割出血管，并量化得到表征血管特征的血管半径、血管密 度、血管长度分数和分形维数，相较于仅对血管的强度信息进行量化的现有技术，本专利技术综 合血管的强度信息和形态信息，对血管的特征参数进行量化，能够更为准确、全面的量化光 声显微血管图像的血管特征，W用W识别血管疾病。 可选地，在本专利技术光声显微血管图像分割和量化方法的另一实施例中，所述利用 多尺度化ssian滤波器对所述光声显微血管图像进行分割得到第一分割图像，包括： 根据所述光声显微血管图像I确定所述多尺度化ssian滤波器的尺度范围 [Smin,SmaJW及尺度间隔AS，其中，IERmXn，mE妒，nEN+; 对于每一个尺度s，计算该尺度s下所述光声显微血管图像I中每一个像素点位 置X处的的化ssian矩阵H(I)sx，并对行特征值分解，得到D个特征值AXI，A。，… ，入XD，计算公式为，其中，S = Smm+k*As，k为整数，且 SG[Smi。，SmJ，丫为正则化参数，I(X)为所述光声显微血管图像I中位置为X的像素点的 强度，D为所述光声显微血管图像I的维数，I AJ>I>I >I AJ; 对于每一个尺度S，计算该尺度S下所述光声显微血管图像I中每一个像素点位 置X处的血管函数值V, (X)，计算公式为其 中，a、P和0为常数； 计算所述第一分割图像Ih中每一个像素点的强度Ih(x)，计算公式为I其中，X为像素点的位置，T为阔值参数； 根据所述第一分割图像Ih中每一个像素点的强度IH(x)生成所述第一分割图像 If)。 可选地，在本专利技术光声显微血管图像分割和量化方法的另一实施例中，所述利用 局部自适应阔值方法对所述光声显微血管图像进行分割得到第二分割图像，包括： 对于所述光声显微血管图像I中每一个像素点，计算该像素点位置X处的阔值参 数L，计算公式关其中，I(V)为所述光声显微血管图像I中位置为V的像素 点的强度，W当前第1页1 2 3 本文档来自技高网...
【技术保护点】
一种光声显微血管图像分割和量化方法，其特征在于，包括：获取待进行分割和量化处理的光声显微血管图像，利用多尺度Hessian滤波器对所述光声显微血管图像进行分割得到第一分割图像，并利用局部自适应阈值方法对所述光声显微血管图像进行分割得到第二分割图像；采用加权平均方法对所述第一分割图像和所述第二分割图像进行复合，并将得到的图像作为第三分割图像；基于所述第三分割图像计算所述光声显微血管图像的血管特征参数，其中，所述血管特征参数包括血管半径、血管密度、血管长度分数和分形维数。
【技术特征摘要】
【专利技术属性】
技术研发人员：刘婷，孙明健，冯乃章，伍政华，沈毅，马立勇，
申请(专利权)人：哈尔滨工业大学威海，
类型：发明
国别省市：山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。