【技术实现步骤摘要】
一种基于曲率正则化感知分组的管状结构快速追踪方法
[0001]本专利技术涉及图像处理
,具体涉及一种基于曲率正则化感知分组的管状结构快速追踪方法。
技术介绍
[0002]管状结构追踪是图像处理与计算机视觉领域中最具挑战性的问题之一,通过搜索细长结构的中心线实现管状物体检测。管状结构分布广泛如医学图像中的血管以及遥感图像中的道路、河流等,形态结构复杂多变,追踪难度大,当前计算机辅助技术难以实现管状结构有效快速追踪,而人工追踪耗时且主观性强。
[0003]测地线模型是一种有效的最短路径搜算方法,需要提供作为边界条件的点,把管状结构中心线建模为两个端点之间所有正则曲线加权弧长的全局最小值。通过设计不同度量函数来处理中心线追踪任务,实现目标结构交互式追踪。当前基于曲率正则化的测地线模型成功将曲率信息引入以获得平滑的测地线,有效提高了测地线模型的追踪能力。但仍存在一定局限,该类模型得到的测地线具有整体曲率绝对值和最小特性,而大多数管状结构仅具有局部曲率绝对值最小而非整体曲率和最小特性,继而导致短割问题产生,故该类模型的适 ...
【技术保护点】
【技术特征摘要】
1.一种基于曲率正则化感知分组的管状结构快速追踪方法,其特征在于,包括如下步骤:a)计算机读取含有管状结构的图像I;b)利用最佳方向性梯度通量滤波器提取图像I的管状特征,获得管状结构概率图,并基于管状结构概率图构建方向分数图;c)对管状结构概率图进行阈值处理得到管状结构二值图像,通过骨架化对管状结构二值图像中心线预分割,对预分割结果进行后处理得到互不相交的管状结构中心线片段,得到预分割中心线片段;d)对每一个预分割中心线片段,利用预分割中心线片段之间的欧几里得距离搜索与其相邻的预分割中心线片段;e)对每一对相邻的预分割中心线片段,利用曲率正则化测地线模型计算相邻预分割中心线片段之间的测地线;f)对获得的每一对相邻预分割中心线片段之间的测地线,采用测地线提供的曲率信息计算其权重长度;g)以预分割中心线片段为节点,相邻预分割中心线片段之间的测地线为连接边,基于曲率信息的测地线权重长度为连接边对应的权重,构建无向图其中V为节点集合,E为连接相邻节点的边的集合;h)用基于图的感知分组算法,用于最短路径搜索,得到目标结构的中心线。2.根据权利要求1所述的基于曲率正则化感知分组的管状结构快速追踪方法,其特征在于,步骤b)包括如下特征:b
‑
1)通过公式计算得到最佳方向性梯度通量滤波器的响应ψ(x,r),式中G
σ
为标准差为σ的高斯核函数,为核为G
σ
的Hessian矩阵,r为半径,r∈[R
min
,R
max
],[R
min
,R
max
]为半径范围,x为图像中的点,*为卷积算子,为半径为r的圆形区域;b
‑
2)将响应ψ(x,r)分解为特征值λ1(x,r)和λ2(x,r),通过公式计算得到管状结构概率图ψ(x),通过公式计算得到特征值λ1(x,r)对应的最优尺度ρ(x);b
‑
3)通过公式构建orientation
‑
lifted空间实现将二维平面曲线映射到三维空间中,Ω为图像I的二维图像空间,为方向空间,通过公式
构建orientation
‑
lifted空间中的点点由图像中的二维点x和方向信息θ构成;b
‑
4)通过公式计算得到方向分数图ψ
OS
(x,θ),式中ψ(x,ρ(x))为r=ρ(x)时最佳方向性梯度通量滤波器的响应,n
θ
=(cosθ,sinθ)
T
为单位向量,为垂直于n
θ
的单位向量,3.根据权利要求1所述的基于曲率正则化感知分组的管状结构快速追踪方法,其特征在于,步骤c)包括如下步骤:c
‑
1)通过骨架化实现管状结构二值图像的中心线预分割,之后去除骨架结构的交叉点和分支点,得到互不相交的骨架片段;c
‑
2)利用阈值法去除长度小于给定阈值的骨架片段,得到预分割中心线片段为N为预分割中心线片段的数量。4.根据权利要求3所述的基于曲率正则化感知分组的管状结构快速追踪方法,其特征在于,步骤d)中利用预分割中心线片段之间的欧几里得距离搜索相邻预分割中心线片段包括如下步骤:d
‑
1)对每一个预分割中心线片段从两端点延其切线方向向外延长长度ι,得到延长后的预分割中心线片段d
‑
2)通过公式计算得到预分割中心线片段的邻域M
i
,式中τ为给定阈值;d
‑
3)通过公式求取与预分割中心线片段相邻的预分割中心线片段为预分割中心线片段延长后的预分割中心线片段,j∈[0,N]且i≠j,φ为空集。5.根据权利要求4所述的基于曲率正则化感知分组的管状结构快速追踪方法,其特征在于,步骤e)中利用曲率正则化测地线模型计算相预分割中心线片段之间的测地线包括如下步骤:e
‑
1)通过公式计算得到预分割中心线片段上的点x对应的两个方向θ
x
和θ
x
+π,e
‑
2)对每一对相邻的预...
【专利技术属性】
技术研发人员:刘丽,陈达,舒明雷,
申请(专利权)人:山东省人工智能研究院,
类型:发明
国别省市:
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。