[发明专利]一种肺结节图像的多尺度增强方法

权利要求书

1.一种肺结节图像的多尺度增强方法，其特征在于，包括以下步骤：

A，构建结节和血管理想模型；

构建三维结节、血管和曲面的理想模型的表达式如下：

海森矩阵是一个由多元函数的二阶偏导数构成的方阵，描述了函数的局部曲率；在理想球体模型中，其每一个体素V(x,y,z)对应的Hessian矩阵H的表达式为：

通过计算发现，H是三阶对称矩阵，且其六个混合偏导f_xy，f_xz，f_yx，f_yz，f_zx，f_zy的值都为0，f_xx，f_yy，f_zz计算公式如下：

另外，对每个Hessian矩阵都按照以下公式进行矩阵分解，其中λ₁，λ₂，λ₃是矩阵的特征值，且|λ₁|≥|λ₂|≥|λ₃|，对应的特征向量分别为e₁，e₂和e₃；

由于上述公式中的Hessian矩阵为对角矩阵，所以对角线上的元素就是这个矩阵的特征值，计算公式如下：

Hessian矩阵的特征值对应的特征向量两两正交，而且特征向量的方向对应着三维椭球各轴的主方向，特征值的大小对应着各轴的长度，特征值和特征向量共同反映了物体的形状和大小；在球体内部，任何一点对应的海森矩阵的特征值都与该点的坐标值相关，且当该点离球心距离越近，其特征值大小的绝对值越大，当点为球心时，其3个特征值的绝对值都达到最大且相等，如下公式所示：

同样的，某点离圆柱中心线距离越近，其特征值大小的绝对值越大，当点在中心线上时，其2个特征值的绝对值都达到最大且相等，第3个特征值为0；

对于不同的理想模型，其特征值的对应关系为：球状结构，λ_b1≈λ_b2≈λ_b3＜0；管状结构，λ_l1≈λ_l2＜0,λ_l3≈0；面状结构λ_p1＜0,λ_p2≈λ_p3≈0，其中，λ_b1,λ_b2,λ_b3、λ_l1,λ_l2,λ_l3和λ_p1,λ_p2,λ_p3分别表示不同理想模型下的特征值；

B,构建多尺度结节图像和血管图像增强滤波器，采用基于高斯函数的多尺度滤波方法，利用高斯函数对图像进行卷积运算，去除图像中的噪声同时平滑图像，再对图像进行多尺度增强，增强不同尺度大小的结节图像；

步骤B中构建了结节图像和血管图像增强滤波器，其增强因子的表达式分别如下；

其中，λ_b1,λ_b2,λ_b3和λ_l1,λ_l2,λ_l3分别表示球状和管状理想模型下的特征值。

2.根据权利要求1所述的肺结节图像的多尺度增强方法，其特征在于，候选结节的直径范围为3mm-30mm，尺度的个数N为5，当N确定后，每个尺度大小的计算公式如下：