基于多尺度融合和元启发优化的血管影像处理方法及装置制造方法及图纸

本发明专利技术提供一种基于多尺度融合和元启发优化的血管影像处理方法及装置，所述方法包括：获取输入的待处理血管图像；对所述待处理血管图像做top‑hat变换，提取所述待处理血管图像中不同尺度的细节特征，得到增强后的血管图像；对所述增强后的血管图像采用多尺度hessian矩阵滤波方法提取血管影像的特征集合；采用乌鸦搜索算法，在所述血管影像的特征集合中提取最优特征子集；将提取到的所述最优特征子集的特征输入训练好的相关向量机RVM，得到所述待处理血管图像的分类、识别结果。根据本发明专利技术的方案，能够提高血管图像的准确性和效率，提高医疗图像识别和处理能力，能够有效提高血管图像的检测精度。

【技术实现步骤摘要】
基于多尺度融合和元启发优化的血管影像处理方法及装置
本专利技术涉及图像处理
，尤其涉及一种基于多尺度融合和元启发优化的血管影像处理方法及装置。
技术介绍
随着医学影像技术的快速发展和普及，医学影像成为医生进行疾病诊断，制定治疗计划以及预后评估等不可或缺的设备，医学图像的处理是分析医学影像的首要步骤，可以使得图像更加清晰直观并且可以帮助提高医生的工作效率，其中血管自动提取是医学图像处理领域中的重要问题之一，血管在图像中的形态具有多变性，具体表现在方向和尺寸的变化上，由于其自身的形态多变，使得其很难检测，同时还有其他对象的干扰，例如非均匀照明和对比度，背景纹理干扰和边缘干扰，因此血管图像检测仍然是没有很好解决的问题。形态学做血管提取时，一般采用线状结构元素。由于血管表现为曲率变化平滑的连通的狭长结构，可以看作是分段线性的条形模式，其边缘由相邻的平行线段组成，因此通过边缘检测实现血管检测与分割是一种可行的检测技术。但是基于边缘算子的血管检测存在难以克服的固有缺陷：在血管边缘模糊且对比度弱的情况下，边缘不易提取，造成漏检；同时边缘提取算子本文档来自技高网...

【技术保护点】
1.一种基于多尺度融合和元启发优化的血管影像处理方法，其特征在于，包括以下步骤：/n步骤S101：获取输入的待处理血管图像I(i,j)，所述血管图像大小为M×N,其中M和N分别表示所述血管图像中像素点的行和列，1≤i≤M，1≤j≤N；/n步骤S102：对所述待处理血管图像I(i,j)做top-hat变换，提取所述待处理血管图像I(i,j)中不同尺度的细节特征，得到增强后的血管图像I′(i,j)；/n步骤S103：对所述增强后的血管图像I′(i,j)采用多尺度hessian矩阵滤波方法提取血管影像的特征集合；/n步骤S104：采用乌鸦搜索算法，在所述血管影像的特征集合中提取最优特征子集；/n步骤...

【技术特征摘要】
1.一种基于多尺度融合和元启发优化的血管影像处理方法，其特征在于，包括以下步骤：
步骤S101：获取输入的待处理血管图像I(i,j)，所述血管图像大小为M×N,其中M和N分别表示所述血管图像中像素点的行和列，1≤i≤M，1≤j≤N；
步骤S102：对所述待处理血管图像I(i,j)做top-hat变换，提取所述待处理血管图像I(i,j)中不同尺度的细节特征，得到增强后的血管图像I′(i,j)；
步骤S103：对所述增强后的血管图像I′(i,j)采用多尺度hessian矩阵滤波方法提取血管影像的特征集合；
步骤S104：采用乌鸦搜索算法，在所述血管影像的特征集合中提取最优特征子集；
步骤S105：将提取到的所述最优特征子集的特征输入训练好的相关向量机RVM，得到所述待处理血管图像I(i,j)的分类、识别结果。


2.如权利要求1所述的基于多尺度融合和元启发优化的血管影像处理方法，其特征在于，步骤S102：对所述待处理血管图像I(i,j)做top-hat变换，提取所述待处理血管图像I(i,j)中不同尺度的细节特征，得到增强后的血管图像I′(i,j)，包括：
步骤S1021：确定一组尺寸递增的结构元素b1,……，br,……，bs，其中s≤N,br是尺寸为r的结构元素，其中为点乘操作；
步骤S1022：利用确定的所述结构元素b1,……，br,……，bs对所述待处理血管图像I(i,j)做top-hat变换，提取出与所述结构元素的尺寸对应的多尺度亮区域细节特征、多尺度暗区域细节特征，
所述多尺度亮细节特征的计算方式为：
WTHr＝I-I·br；
所述多尺度暗细节特征的计算方式为：
BTHr＝I·br-I；
其中，1≤r≤s，WTHr表示使用br对所述待处理血管图像I(i,j)在r尺度上进行亮变换，WTHr包含了待处理血管图像I(i,j)中小于br的所有亮区域细节特征；BTHr表示使用br对所述待处理血管图像I(i,j)在r尺度上进行暗变换，BTHr包含了待处理血管图像I(i,j)中小于br的所有暗区域细节特征；
步骤S1023：基于相邻尺度的细节特征，进行图像增强，包括：
WTH(r+1)r＝WTHr+1-WTHr
BTH(r+1)r＝BTHr+1-BTHr，
其中，WTH(r+1)r包含了待处理血管图像I(i,j)中大于br且小于br+1的亮区域细节特征，BTH(r+1)r包含了待处理血管图像I(i,j)中大于br且小于br+1的暗区域细节特征；
得到增强后的血管图像I′(i,j)。


3.如权利要求2所述的基于多尺度融合和元启发优化的血管影像处理方法，其特征在于，所述步骤S103：对所述增强后的血管图像I′(i,j)采用多尺度hessian矩阵滤波方法提取血管影像的特征集合，包括：
步骤S1031：对所述增强后的血管图像I′(i,j)的像素点I′(x′,y′)，1≤x′≤M,1≤y′≤N，取该点在x轴和y轴方向的梯度，分别记为x，y，将像素点I′(x′,y′)转化为增强后图像的像素点的梯度表示I′(x,y)，对应的hessian矩阵元素由I′(x,y)的二阶偏导数组成，所述对应的hessian矩阵元素为：



其中，I′xx、I′xy、I′yx、I′yy均为二阶导数；
步骤S1032：增强后的血管图像I′(i,j)与具有尺度因子的高斯函数进行卷积运算，即I′(x′,y′,σ)＝I′*G(x′,y′,σ)，其中，G(x′,y′,σ)为二维高斯函数，其表达式为：



其中，σ为空间尺度因子，表示高斯分布的标准差；
尺度空间导数由增强后的血管图像与高斯函数的二阶偏导卷积得到：



步骤S1033：基于上述运算结果计算hessian矩阵的特征向量和特征值，由所述特征值相对应的特征...

【专利技术属性】
技术研发人员：马超，谭旭，陈慧灵，廖钰枫，
申请(专利权)人：深圳信息职业技术学院，
类型：发明
国别省市：广东;44