一种基于图像梯度矢量流场的血管脊点提取方法及装置制造方法及图纸

本申请提供一种基于图像梯度矢量流场的血管脊点提取方法及装置，其中，方法包括：对血管造影图像中的血管目标进行增强；利用梯度矢量流场模型求取增强后图像的梯度矢量流场；根据增强后图像的梯度矢量流场，分别计算增强后图像中的一像素点处矢量与该像素点沿一坐标轴方向的两个邻像素点处矢量夹角的余弦值，若所述余弦值满足阈值条件，则该像素点为该坐标轴方向的血管脊点。本申请能够有效压制背景噪声影响、提升血管造影图像中血管脊点的提取效率、增加血管目标脊点的探测数量及提高血管脊点探测精度，为后续血管中心线的提取和血管建模提供基础。

【技术实现步骤摘要】
【国外来华专利技术】
本申请属于医学图像处理领域，特别涉及一种基于图像梯度矢量流场的血管脊点提取方法及装置。
技术介绍
随着CT血管造影、磁共振血管造影(MRA)等医学成像技术的快速发展，利用图像后处理技术获取血管脊点和中心线信息对于描述血管的形态结构、实现血管目标重建等具有非常关键的意义，这一问题的有效解决，能够提高血管疾病诊断、手术计划和手术导航的自动化水平和实施精度，从而提高诊断的效率和手术成功率。现有技术中，在管状目标(血管)为高信号、背景为低信号、管状目标截面的轮廓呈高斯状分布这一标准条件下，垂直于管状目标径向的局部灰度极大值点被认为管状目标脊点。传统的血管脊点的提取方法是根据局部灰度极大值的定义，通过图像的一阶微分和二阶微分进行判断得到局部脊点。具体的，首先，通过一阶微分判断极值点，对图像中的像素点来说，梯度值为0的点为局部极值点的充分条件，即满足其次，根据二阶微分特性：即沿垂直于管状目标径向方向的Hessian矩阵的特征矢量vi对应的特征值λi为负的点，作为存在血管脊点的必要条件。上述血管脊点的提取方法对图像背景中存在的噪声非常敏感，通常会错误地把局部噪声亮点识别为极值点，从而很大程度增加了图像中非目标脊点数量。
技术实现思路
本申请提供一种基于图像梯度矢量流场的血管脊点提取方法及装置，用于解决现有技术中，基于局部极值点定义的脊点提取方法存在易受高强度噪声点影响、提取到的脊点精度不高的问题。为了解决上述技术问题，本申请的一技术方案为提供一种基于图像梯度矢量流场的血管脊点取值方法，包括：对血管造影图像中的血管目标进行增强；利用梯度矢量流场模型求取增强后图像的梯度矢量流场；根据增强后图像的梯度矢量流场，分别计算增强后图像中的一像素点处矢量与该像素点沿一坐标轴方向的两个邻像素点处矢量夹角的余弦值，若所述余弦值满足阈值条件，则该像素点为该坐标轴方向的血管脊点。本申请另一技术方案为提供一种基于图像梯度矢量流场的血管脊点提取装置，该装置包括：增强模块，用于对血管造影图像中的血管目标进行增强；梯度矢量流场计算模块，用于利用梯度矢量流场模型求取增强后图像的梯度矢量流场；脊点探测模块，根据增强后图像的梯度矢量流场，分别计算增强后图像中的一像素点处矢量与该像素点沿一坐标轴方向的两个邻像素点处矢量夹角的余弦值，若所述余弦值满足阈值条件，则该像素点为该坐标轴方向的血管脊点。本申请能够有效压制背景噪声影响、提升血管造影图像中血管脊点的提取效率、增加血管目标脊点的探测数量及提高血管脊点探测精度，为后续血管中心线的提取和血管建模提供基础。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本申请实施例的基于图像梯度矢量流场的血管脊点提取方法的流程图；图2a为本申请实施例的孤立脊点示意图；图2b为本申请实施例的孤立脊点团示意图；图3a为本申请实施例的磁共振三维血管造影图像；图3b为图3a经过多尺度血管增强函数处理后的图像数据的最大密度投影图像；图4a为本申请实施例的血管增强后的图像；图4b为对图4a所示图像利用梯度矢量流场模型求取图像的梯度矢量流场的示意图；图5a为本申请实施例的血管造影图像的三维仿真图；图5b为对图5a所示图像进行脊点提取得到的结果图；图6为本申请实施例的基于图像梯度矢量流场的血管脊点提取装置的结构图。具体实施方式为了使本申请的技术特点及效果更加明显，下面结合附图对本申请的技术方案做进一步说明，本申请也可有其他不同的具体实例来加以说明或实施，任何本领域技术人员在权利要求范围内做的等同变换均属于本申请的保护范畴。如图1所示，图1为本申请实施例的基于图像梯度矢量流场的血管脊点提取方法的流程图。本实施例能够有效压制背景噪声影响、提升血管造影图像中血管脊点的提取效率、增加血管目标脊点的探测数量及提高血管脊点探测精度，为后续血管中心线的提取和血管建模提供基础。具体的，该方法包括：步骤101：对血管造影图像中的血管目标进行增强。步骤102：利用梯度矢量流场模型求取增强后图像的梯度矢量流场。梯度矢量流场模型是一种全局优化的矢量场，图像的梯度矢量流场中各点(像素点)的矢量指向血管目标的脊点，即血管目标径向的局部灰度极大值点，根据该特征，通过如下步骤103能够精确、稳定、快速的提取到血管造影图像中的脊点。步骤103：根据增强后图像的梯度矢量流场，分别计算增强后图像中的一像素点处矢量与该像素点沿一坐标轴方向的两个邻像素点处矢量夹角的余弦值，若所述余弦值满足阈值条件，则该像素点为该坐标轴方向的血管脊点。本申请所述的血管造影图像可以为二维图像，也可以为三维图像，对于二维血管造影图像，其坐标轴方向包括±x、±y方向，对于三维血管造影图像，其坐标轴方向包括±x、±y、±z方向。实施时，重复步骤103，直至遍历增强后图像的所有像素点及所有坐标轴方向，得到全部血管脊点为止。一实施例中，得到全部血管脊点之后还包括：从得到的全部血管脊点中剔除孤立点。详细的说，从得到的全部血管脊点中剔除孤立点的过程包括：判断某一脊点A在以其为圆心，半径为d和d+d0的两个同心圆所组成的圆环范围内是否存在其它脊点，如果不存在，则将该脊点A为圆心，半径为d形成的圆范围内的脊点删除，其中，d、d0为距离常数。如图2a、图2b所示，图2a中，圆环中不存在其他脊点，则将孤立脊点A删除；图2b中，圆环中不存在其他脊点，则将脊点A、B、C、D组成的孤立脊点团删除。实施时，可依据视觉上对孤立点的主观把握，结合噪声伪脊点分布、真实脊点分布及脊线特性三者的关联性确定距离常数d和d0的值，一般取d＝5～8个像素距离，d0＝3～4个像素距离。一实施例中，对于三维血管造影图像，上述步骤101可通过如下第一多尺度血管增强函数对三维血管造影图像中的血管目标进行增强：v0(s)为第一多尺度血管增强函数；RA、RB和S为三个测度函数；RA用来区分片状和线状结构；RB用来区分点状结构和线状结构；S用于区分背景像素；α、β和c为阈值，用于控制血管增强算法对RA、RB和S的敏感性；λ1、λ2和λ3为Hessian矩阵H的三个特征值，且满足|λ1|≤|λ2|≤|λ3|，D为图像的维度；s为某个像素点。需要说明的是，Hessian矩阵H为一个三阶偏导数构成的方阵，可采用现有方法计算得到，阈值α和β通常情况下取0.5，阈值c的取值依赖于图像的灰度范围，通常取最大值Hessian矩阵范数的一半。对于二维血管造影图像，上述步骤101通过如下第二多尺度血管增强函数对二维血管造影图像中的血管目标进行增强：其中，v0'(s)为第二多尺度血管增强函数，RB'和S'为测度函数，RB'用来区分点状结构和线状结构，S'用于区分背景像素，β和c为阈值，λ1和λ2为Hessian矩阵H的二个特征值，且满足|λ1|≤|λ2|，D为图像的维度。血管造影图像经过公式(1)或(2)的多尺度血管增强函数处理后，使得血管目标灰度值得到增强，背景噪声得到抑制。多尺度血管增强函数通过对血管造影图像进行多尺度高斯滤波及Hessian矩阵特征值计算得到，具体本文档来自技高网...

【技术保护点】
一种基于图像梯度矢量流场的血管脊点提取方法，其特征在于，包括：对血管造影图像中的血管目标进行增强；利用梯度矢量流场模型求取增强后图像的梯度矢量流场；根据增强后图像的梯度矢量流场，分别计算增强后图像中的一像素点处矢量与该像素点沿一坐标轴方向的两个邻像素点处矢量夹角的余弦值，若所述余弦值满足阈值条件，则该像素点为该坐标轴方向的血管脊点。

【技术特征摘要】
【国外来华专利技术】1.一种基于图像梯度矢量流场的血管脊点提取方法，其特征在于，包括：对血管造影图像中的血管目标进行增强；利用梯度矢量流场模型求取增强后图像的梯度矢量流场；根据增强后图像的梯度矢量流场，分别计算增强后图像中的一像素点处矢量与该像素点沿一坐标轴方向的两个邻像素点处矢量夹角的余弦值，若所述余弦值满足阈值条件，则该像素点为该坐标轴方向的血管脊点。2.如权利要求1所述的血管脊点提取方法，其特征在于，得到全部血管脊点之后还包括：从得到的全部血管脊点中剔除孤立点。3.如权利要求2所述的血管脊点提取方法，其特征在于，从得到的全部血管脊点中剔除孤立点的过程进一步包括：判断某一脊点在以其为圆心，半径为d和d+d0的两个同心圆所组成的圆环范围内是否存在其它脊点，如果不存在，则将该脊点为圆心，半径为d形成的圆范围内的脊点删除，其中，d、d0为距离常数。4.如权利要求1所述的血管脊点提取方法，其特征在于，通过如下第一多尺度血管增强函数对三维血管造影图像中的血管目标进行增强：v0(s)为第一多尺度血管增强函数，RA、RB和S为测度函数，RA用来区分片状和线状结构，RB用来区分点状结构和线状结构，S用于区分背景像素，α、β和c为阈值，λ1、λ2和λ3为Hessian矩阵H的三个特征值，且满足|λ1|≤|λ2|≤|λ3|，D为图像的维度；通过如下第二多尺度血管增强函数对二维血管造影图像中的血管目标进行增强：其中，v0'(s)为第二多尺度血管增强函数，RB'和S'为测度函数，RB'用来区分点状结构和线状结构，S'用于区分背景像素，β和c为阈值，λ1和λ2为Hessian矩阵H的二个特征值，且满足|λ1|≤|λ2|，D为图像的维度。5.如权利要求1所述的血管脊点提取方法，其特征在于，利用梯度矢量流场模型求取增强后图像的梯度矢量流场进一步包括：求解如下表示梯度矢量流场模型的欧拉方程组：μ▿2u(x,y)-(u(x,y)-fx(x,y))(fx(x,y)2+fy(x,y)2)=0μ▿2v(x,y)-(v(x,y)-fy(x,y))(fx(x,y)2+fy(x,y)2)=0,]]>得到增强后二维血管造影图像的梯度矢量流场两个分量的迭代公式为：un(x,y,n)=μ▿2un-1(x,y,n-1)-(un-1(x,y,n-1)-fx(x,y))(fx(x,y)2+fy(x,y)2)vn(x,y,n)=μ▿2vn-1(x,y,n-1)-(vn-1(x,y,n-1)-fy(x,y))(fx(x,y)2+fy(x,y)2),]]>其中，n为迭代次数，fx(x,y)和fy(x,y)为增强后二维血管造影图像的血管边缘函数f(x,y)在x和y方向的值，u(x,y)、v(x,y)为梯度矢量流场V(x,y)＝(u(x,y),v(x,y))的两个分量，(x,y)为增强后二维血管造影图像像素点的坐标，为laplacian算子，μ为控制参数；同理，增强后三维血管造影图像的梯度矢量流场三个分量的迭代公式为：un(x,y,z,n)=μ▿2un-1(x,y,z,n-1)-(un-1(x,y,z,n-1)-fx(x,y,z))(fx(x,y,z)2+fy(x,y,z)2+fz(x,y,z)2)vn(x,y,z,n)=μ▿2vn-1(x,y,z,n-1)-(vn-1(x,y,z,n-1)-fy(x,y,z))(fx(x,y,z)2+fy(x,y,z)2+fz(x,y,z)2)wn(x,y,z,n)=μ▿2wn-1(x,y,z,n-1)-(wn-1(x,y,z,n-1)-fz(x,y,z))(fx(x,y,z)2+fy(x,y,z)2+fz(x,y,z)2),]]>其中，n为迭代次数，fx(x,y,z)、fy(x,y,z)和fz(x,y,z)为增强后三维血管造影图像的血管边缘函数f(x,y,z)在x、y和z方向的值，(x,y,z)为增强后三维血管造影图像像素点的坐标，为laplacian算子，μ为控制参数。6.如权利要求1所述的血管脊点提取方法，其特征在于，根据增强后图像的梯度矢量流场，分别计算增强后图像中的一像素点处矢量与该像素点沿一坐标轴方向的两个邻像素点处矢量夹角的余弦值，若所述余弦值满足阈值条件，则该像素点为该坐标轴方向的血管脊点进一步包括：对于二维血管造影图像的x轴方向，判断某一像素点是否满足如下公式，如果满足，则该像素点为x轴方向的脊点：Vx(i,j)Vx(i-1,j)+Vy(i,j)Vy(i-1,j)<=T0Vx(i,j)Vx(i+1,j)+Vy(i,j)Vy(i+1,j)>T0]]>其中，(i,j)为某一像素点的坐标，(i-1,j)和(i+1,j)为(i,j)在x轴方向的两个邻像素点，Vx(i,j)、Vx(i-1,j)、Vx(i+1,j)分别为(i,j)、(i-1,j)、(i+1,j)像素点处矢量在x轴方向的分量，Vy(i,j)、Vy(i-1,j)、Vy(i+1,j)分别为(i,j)、(i-1,j)、(i+1,j)像素点处矢量在y轴方向的分量，T0为阈值；对于二维血管造影图像的y轴方向，判断某一像素点是否满足如下公式，如果满足，则该像素点为y轴方向的脊点：{Vx(i,j)Vx(i,j-1)+Vy(i,j)Vy(i,j-1)<=T0Vx(i,j)Vx(i,j+1)+Vy(i,j)Vy(i,j+1)>T0,]]>其中，(i,j)为某一像素点的坐标，(i,j-1)和(i,j+1)为(i,j)在y轴方向的两个邻像素点，Vx(i,j)、Vx(i,j-1)、Vx(i,j+1)分别为(i,j)、(i,j-1)、(i,j+1)像素点处矢量在x轴方向的分量，Vy(i,j)、Vy(i-1,j)、Vy(i,j+1)分别为(i,j)、(i,j-1)、(i,j+1)像素点处矢量在y轴方向的分量，T0为阈值。7.如权利要求1所述的血管脊点提取方法，其特征在于，根据增强后图像的梯度矢量流场，分别计算增强后图像中的一像素点处矢量与该像素点沿一坐标轴方向的两个邻像素点处矢量夹角的余弦值，若所述余弦值满足阈值条件，则该像素点为该坐标轴方向的血管脊点进一步包括：对于三维血管造影图像的x轴方向，判断某一像素点是否满足如下公式，如果满足，则该像素点为x轴方向的脊点：Vx(i,j,k)Vx(i-1,j,k)+Vy(i,j,k)Vy(i-1,j,k)+Vz(i,j,k)Vz(i-1,j,k)<T0Vx(i,j,k)Vx(i+1,j,k)+Vy(i,j,k)Vy(i+1,j,k)+Vz(i,j,k)Vz(i+1,j,k)>T0,]]>其中，(i,j,k)为某一像素点的坐标；(i-1,j,k)和(i+1,j,k)为(i,j,k)在x轴方向的两个邻像素点；Vx(i,j,k)、Vx(i-1,j,k)、Vx(i+1,j,k)分别为(i,j,k)、(i-1,j,k)、(i+1,j,k)像素点处矢量在x轴方向的分量；Vy(i,j,k)、Vy(i-1,j,k)、Vy(i+1,j,k)分别为(i,j,k)、(i-1,j,k)、(i+1,j,k)像素点处矢量在y轴方向的分量；Vz(i,j,k)、Vz(i-1,j,k)、Vz(i+1,j,k)分别为(i,j,k)、(i-1,j,k)、(i+1,j,k)像素点处矢量在z轴方向的分量；T0为阈值；对于三维血管造影图像的y轴方向，判断某一像素点是否满足如下公式，如果满足，则该像素点为y轴方向的脊点：Vx(i,j,k)Vx(i,j-1,k)+Vy(i,j,k)Vy(i,j,k)+Vz(i,j,k)Vz(i,j-1,k)<=T0Vx(i,j,k)Vx(i,j+1,k)+Vy(i,j,k)Vy(i,j+1,k)+Vz(i,j,k)Vz(i,j+1,k)>T0,]]>其中，(i,j,k)为某一像素点的坐标；(i,j-1,k)和(i,j+1,k)为(i,j,k)在y轴方向的两个邻像素点；Vx(i,j,k)、Vx(i,j-1,k)、Vx(i,j+1,k)分别为(i,j,k)、(i,j-1,k)、(i,j+1,k)像素点处矢量在x轴方向的分量；Vy(i,j,k)、Vy(i,j-1,k)、Vy(i,j+1,k)分别为(i,j,k)、(i,j-1,k)、(i,j+1,k)像素点处矢量在y轴方向的分量；Vz(i,j,k)、Vz(i,j-1,k)、Vz(i,j+1,k)分别为(i,j,k)、(i,j-1,k)、(i,j+1,k)像素点处矢量在z轴方向的分量；T0为阈值；对于三维血管造影图像的z轴方向，判断某一像素点是否满足如下公式，如果满足，则该像素点为z轴方向的脊点：Vx(i,j,k)Vx(i,j,k-1)+Vy(i,j,k)Vy(i,j,k-1)+Vz(i,j,k)Vz(i,j,k-1)<=T0Vx(i,j,k)Vx(i,j,k+1)+Vy(i,j,k)Vy(i,j,k+1)+Vz(i,j,k)Vz(i,j,k+1)>T0,]]>其中，(i,j,k)为某一像素点的坐标；(i,j,k-1)和(i,j,k+1)为(i,j,k)在z方向的两个邻像素点；Vx(i,j,k)、Vx(i,j,k-1)、Vx(i,j,k+1)分别为(i,j,k)、(i,j,k-1)、(i,j,k+1)像素点处矢量在x轴方向的分量；Vy(i,j,k)、Vy(i,j,k-1)、Vy(i,j,k+1)分别为(i,j,k)、(i,j,k-1)、(i,j,k+1)像素点处矢量在y轴方向的分量；Vz(i,j...

【专利技术属性】
技术研发人员：周寿军，陆培，王澄，陈明扬，
申请(专利权)人：深圳先进技术研究院，
类型：发明
国别省市：广东;44