目标轮廓的检测方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种目标轮廓的检测方法、装置、计算机设备和存储介质。所述方法通过获取参考轮廓和待检测图像，调整参考轮廓的参数生成多个梯度模板，再将待检测图像与每个梯度模板进行卷积操作，得到多个卷积图像，然后根据多个卷积图像确定待检测图像中的目标轮廓。上述方法只需要将待检测图像与梯度模板进行卷积操作即可实现待检测图像中待检测对象的目标轮廓检测，相比于传统的使用复杂识别算法进行轮廓检测的方法，检测时间更短，检测速度更快。而且，由于梯度模板是根据参考轮廓生成的，而参考轮廓又是由医生勾画获得的，因此梯度模板获得的方法更加简单，使得上述目标轮廓的检测方法更加简单，易于实现，可以被普及推广应用。用。用。

【技术实现步骤摘要】
目标轮廓的检测方法、装置、计算机设备和存储介质


[0001]本申请涉及医疗图像处理
，特别是涉及一种目标轮廓的检测方法、装置、计算机设备和存储介质。

技术介绍

[0002]在血管疾病的诊断过程中，对于多时间帧的血管图像，在对血管的参数进行分析之前需要在各时间帧的血管图像上提前获得血管的轮廓信息，进而基于血管的轮廓信息准确的获取血管参数。
[0003]目前，有很多种针对血管图像上血管轮廓的检测方法，比如，用户直接在多时间帧图像上逐帧手动勾画血管轮廓，基于神经网络的方法在各时间帧图像上分割血管轮廓，基于活动轮廓的方法对血管边缘进行检测等。
[0004]上述血管轮廓的检测方法存在效率低下的问题。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种能够有效提高目标轮廓的检测效率的目标轮廓的检测方法、装置、计算机设备和存储介质。
[0006]第一方面，一种目标轮廓的检测方法，所述方法包括：
[0007]获取参考轮廓和待检测图像；
[0008]调整所述参考轮廓的参数生成多个梯度模板；
[0009]将所述待检测图像与每个所述梯度模板进行卷积操作，得到多个卷积图像；
[0010]根据所述多个卷积图像确定所述待检测图像中的目标轮廓。
[0011]在其中一个实施例中，所述调整所述参考轮廓的参数生成多个梯度模板，包括：
[0012]使用椭圆傅里叶描述子将所述参考轮廓用一组参数表示；
[0013]通过多次改变所述参数的值调整所述参考轮廓的尺寸和/或形状，生成多个梯度模板。
[0014]在其中一个实施例中，所述通过多次改变所述参数的值调整所述参考轮廓的尺寸和/或形状，生成多个梯度模板的方法，包括以下至少一种：
[0015]按照放大尺寸的参数值，多次改变所述参数的值放大所述参考轮廓的尺寸，生成多个包含放大尺寸后的参考轮廓的梯度模板；
[0016]按照缩小尺寸的参数值，多次改变所述参数的值缩小所述参考轮廓的尺寸，生成多个包含缩小尺寸后的参考轮廓的梯度模板；
[0017]按照调整形状的参数值，多次改变所述参数的值调整所述参考轮廓的形状，生成多个包含调整形状后的参考轮廓的梯度模板。
[0018]在其中一个实施例中，所述根据所述多个卷积图像确定所述待检测图像中的目标轮廓，包括：
[0019]确定所述多个卷积图像中预设区域范围内的第一响应值；所述第一响应值为所述
多个卷积图像中预设区域范围内的最大响应值；
[0020]将所述第一响应值的点对应的梯度模板作为目标模板；
[0021]根据所述第一响应值的点和所述目标模板确定所述待检测图像中的目标轮廓。
[0022]在其中一个实施例中，所述确定所述多个卷积图像中预设区域范围内的第一响应值，包括：
[0023]根据所述参考轮廓的尺寸确定所述预设区域范围；
[0024]获取每个所述卷积图像中所述预设区域范围内的第二响应值；所述第二响应值为每个所述卷积图像中预设区域范围内的最大响应值；
[0025]比较各所述卷积图像上的第二响应值，并从中筛选出最大的第二响应值作为所述第一响应值。
[0026]在其中一个实施例中，所述根据所述第一响应值的点和所述目标模板确定所述待检测图像中的目标轮廓，包括：
[0027]将所述第一响应值的点作为所述目标轮廓的中心点；
[0028]根据所述目标模板中包含的目标轮廓的参数以及所述目标轮廓的中心点，在所述待检测图像上生成所述目标轮廓。
[0029]在其中一个实施例中，在所述梯度模板中，所述调整参数后的参考轮廓的内圈所占的灰度值与外圈所占的灰度值之差大于预设灰度阈值。
[0030]第二方面，一种目标轮廓的检测装置，所述装置包括：
[0031]获取模块，用于获取参考轮廓和待检测图像；
[0032]生成模块，用于调整所述参考轮廓的参数生成多个梯度模板；
[0033]卷积模块，用于将所述待检测图像与每个所述梯度模板进行卷积操作，得到多个卷积图像；
[0034]确定模块，用于根据所述多个卷积图像确定所述待检测图像中的目标轮廓。
[0035]第三方面，一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法。
[0036]第四方面，一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法。
[0037]上述目标轮廓的检测方法、装置、计算机设备和存储介质，通过获取参考轮廓和待检测图像，调整参考轮廓的参数生成多个梯度模板，再将待检测图像与每个梯度模板进行卷积操作，得到多个卷积图像，然后根据多个卷积图像确定待检测图像中的目标轮廓。上述方法只需要将待检测图像与梯度模板进行卷积操作即可实现待检测图像中待检测对象的目标轮廓检测，相比于传统的使用复杂识别算法进行轮廓检测的方法，检测时间更短，检测速度更快。而且，由于梯度模板是根据参考轮廓生成的，而参考轮廓又是由医生勾画获得的，因此梯度模板获得的方法更加简单，使得上述目标轮廓的检测方法更加简单，易于实现，可以被普及推广应用。
附图说明
[0038]图1为一个实施例中目标轮廓的检测方法的应用环境的示意图；
[0039]图2为一个实施例中目标轮廓的检测方法的流程示意图；
[0040]图2A为一个实施例中梯度模板的示意图；
[0041]图3为图2实施例中S102的一种实现方式的流程示意图；
[0042]图3A为一个实施例中参考轮廓生成的示意图；
[0043]图4为图2实施例中S104的一种实现方式的流程示意图；
[0044]图5为图4实施例中S301的一种实现方式的流程示意图；
[0045]图6为图4实施例中S303的一种实现方式的流程示意图；
[0046]图7为一个实施例中目标轮廓的检测方法的流程示意图；
[0047]图7A为一个实施例中目标轮廓的检测方法对应的效果图；
[0048]图8为一个实施例中目标轮廓的检测装置的结构框图；
[0049]图9为一个实施例中目标轮廓的检测装置的结构框图；
[0050]图10为一个实施例中目标轮廓的检测装置的结构框图；
[0051]图11为一个实施例中目标轮廓的检测装置的结构框图；
[0052]图12为一个实施例中目标轮廓的检测装置的结构框图；
[0053]图13为一个实施例中计算机设备的内部结构图。
具体实施方式
[0054]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0055]本申请提供的目标轮廓的检测方法，可以应用于如图1所示的应用环境中。其中，成像设备102通过本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标轮廓的检测方法，其特征在于，所述方法包括：获取参考轮廓和待检测图像；调整所述参考轮廓的参数生成多个梯度模板；将所述待检测图像与每个所述梯度模板进行卷积操作，得到多个卷积图像；根据所述多个卷积图像确定所述待检测图像中的目标轮廓。2.根据权利要求1所述的方法，其特征在于，所述调整所述参考轮廓的参数生成多个梯度模板，包括：使用椭圆傅里叶描述子将所述参考轮廓用一组参数表示；通过多次改变所述参数的值调整所述参考轮廓的尺寸和/或形状，生成多个梯度模板。3.根据权利要求2所述的方法，其特征在于，所述通过多次改变所述参数的值调整所述参考轮廓的尺寸和/或形状，生成多个梯度模板的方法，包括以下至少一种：按照放大尺寸的参数值，多次改变所述参数的值放大所述参考轮廓的尺寸，生成多个包含放大尺寸后的参考轮廓的梯度模板；按照缩小尺寸的参数值，多次改变所述参数的值缩小所述参考轮廓的尺寸，生成多个包含缩小尺寸后的参考轮廓的梯度模板；按照调整形状的参数值，多次改变所述参数的值调整所述参考轮廓的形状，生成多个包含调整形状后的参考轮廓的梯度模板。4.根据权利要求1所述的方法，其特征在于，所述根据所述多个卷积图像确定所述待检测图像中的目标轮廓，包括：确定所述多个卷积图像中预设区域范围内的第一响应值；所述第一响应值为所述多个卷积图像中预设区域范围内的最大响应值；将所述第一响应值的点对应的梯度模板作为目标模板；根据所述第一响应值的点和所述目标模板确定所述待检测图像中的目标轮廓。5.根据权利要求4所述的方法，其特征在于，所述确定所述多个...

【专利技术属性】
技术研发人员：田玉洁，张文伟，
申请(专利权)人：武汉中科医疗科技工业技术研究院有限公司，
类型：发明
国别省市：