[发明专利]基于多特征高斯拟合的活动轮廓血管提取方法及系统

说明书

技术领域

本发明涉及一种图像处理领域的图像提取方法，具体涉及一种基于多特征高斯拟合的活动轮廓血管提取方法及系统。

背景技术

根据世界卫生组织的统计，各种血管类疾病已成为严重危害人类健康的三大疾病之一，其中便包括眼部视网膜血管相关疾病，且其具有较高的致残率。避免这种后果的常用方法是对患者进行早期的预防诊断，而准确诊断的关键是精确的血管提取。这不仅可以提高管腔狭窄、动脉瘤和血管钙化等血管疾病诊断结果的可靠性，对血管的介入治疗、手术计划制定和手术精确导航等临床应用也具有重要价值，而且可以为图像配准、三维重建、计算机辅助诊断等图像处理过程提供有用的信息。

由于眼部视网膜图像的背景信息较为复杂，且灰度不均匀性严重。因此，准确完整地提取视网膜图像中的各种不同粗细的血管组织是较为困难的具有挑战性的任务。直接对原始视网膜图像进行血管分割通常仅能提取相对较粗的血管，因而是一个较为粗略的结果，往往不能满足临床应用所需的精确度。因此，需要对原始图像进行血管增强处理，并将增强结果与原图像一块用于血管提取，通过多种图像特征的使用，能够取得自动分割更好的结果。

血管提取算法包括区域生长法、阈值法以及活动轮廓(active contour)等几类算法，其中活动轮廓算法能快速准确地获取子像素级别的分割结果而具有广阔的应用前景。活动轮廓算法根据分割过程中使用图像信息的不同，可分为基于边界(edge-based)的活动轮廓和基于区域(region-based)的活动轮廓。基于边界的算法使用图像梯度界定所需目标物体的边界，梯度的计算依赖于图像局部信息，进而导致基于边界的算法对图像噪声较为敏感。此外，求解过程中初始曲线位置偏离目标物体边界的严重程度也直接决定了分割结果的好坏，即距离目标物体边界越远，分割性能越差。这些不足导致该类算法只能分割具有较强灰度对比度的图像，而不能克服灰度不均匀性造成的问题。当前血管提取中，较为常用的是基于区域的活动轮廓模型，但它们仅仅考虑原始图像的灰度统计信息，并且较少涉及图像局部区域内的全面的灰度统计量(如灰度标准差)，使得分割结果不理想。

发明内容

为了解决上述技术问题，本发明提供了一种基于多特征高斯拟合的活动轮廓血管提取方法及系统，以解决视网膜图像中复杂背景信息和严重灰度不均匀特性导致的分割结果粗略，准确性低以及分割不完整等问题，从而准确完整地提取视网膜图像中具有不同粗细的各种血管组织。

为了达到上述目的，本发明提供了以下技术方案，其归纳总结为：在现有基于区域的活动轮廓模型中，引入血管增强算法，并将增强后的血管图像作为一种新的图像特征，用于血管提取算法中；具体而言如下：

本发明的基于多特征高斯拟合的活动轮廓血管提取方法包括：

通过血管增强滤波模块对视网膜图像进行血管增强处理，即采用局部相位(local phase)血管增强算法将视网膜图像中血管对应的区域突显出来，降低复杂背景信息和像素灰度不均匀性对分割结果造成的干扰；其中，增强后的血管图像(vesselness map)可以作为一种新的特征图像用于血管提取，即在血管图像中，像素灰度值越高，其代表血管的可能性越大；反之则越小为图像背景的可能性越高大；

通过局部高斯拟合能量泛函模块将血管图像和原始图像中的像素值作为两个相互独立的随机变量，构建一种基于二维高斯概率分布拟合的能量泛函活动轮廓模型，即在血管图像和原始视网膜图像中的像素值通过二维高斯分布统计模型模拟一定图像范围内的血管和背景区域内的图像统计特性，从而构建一个区域的活动轮廓模型。仅使用该能量泛函可能存在一定的不足，因此还需要通过一个正则约束项，惩罚血管轮廓曲线的不平滑性、不当的曲线长度、以及保持轮廓的局部细节；

通过变分求解框架模块使用变分水平集方法对能量泛函进行数学计算，即血管轮廓以隐式水平集的形式表示，然后通过梯度下降流和欧拉-拉格朗日方程将构建的能量泛函转化为一个偏微分方程，并通过迭代逼近的方式求出所述偏微分方程的最优解，进而获得最终的血管轮廓。

进一步地，上述的方法中，局部相位血管增强算法包括以下实施中的相关参数：设置中心频率为5π/7，带宽为2倍频(octave)，滤波范围为15×15，滤波方向为0°、45°、90°和135°，图像尺度系数为3，整合权重为3，正则系数为3。通过局部相位的血管增强可以显著突出血管所在的区域，同时减缓不相关背景信息的干扰。

进一步地，上述的方法中，局部高斯拟合能量泛函模块的能量泛函构建步骤如下：