[发明专利]一种基于L1范数最小化模型的神经纤维骨架校正方法

说明书

本发明公开了一种基于L1范数最小化模型的神经纤维骨架校正方法，包括：获取存在扭曲神经纤维结构的原始图像；对原始图像进行重建，获得待校正的神经纤维初始骨架；固定初始骨架上的两个端点，基于L1范数最小化模型，校正两个端点之间所有节点位置。本发明通过L1范数最小化模型校正神经纤维骨架，构建的L1范数最小化模型包括两部分，一部分用于测算节点的信号值，保证纤维骨架点尽可能向其在真实图像中局部信号最强处聚集，另一部分运用骨架点之间的二阶差分反映纤维骨架的光滑性，在尽可能维持纤维平滑的特征中，保留真实纤维的扭曲结构稀疏分布的特点，相比现有以L2范数模型为基础的校正方法，更适用于真实图像中存在扭曲结构的纤维骨架校正。

技术领域

本发明属于图像处理领域，更具体地，涉及一种基于L1范数最小化模型的神经纤维骨架校正方法。

背景技术

神经元是由一系列管状结构的纤维，通过一定次序连接而成的树形结构，其形态重建是为了将这类树形结构精确量化，从而为神经科学研究提供定量精准的研究材料。现有的先进成像和标记方法已能提供近乎完整的精细神经纤维图像。

然而，神经图像中复杂的纤维结构阻碍着神经元纤维骨架的准确获取。具体地，神经纤维中存在许多纤维方向突变的扭曲结构，现有自动重建方法(例如基于L2范数模型的骨架校正方法)在刻画这类结构上尚存在困难，这将直接导致后续依赖于重建结果的形态统计信息发生错误，影响相关的神经科学研究。

发明内容

针对现有技术的缺陷，本发明的目的在于解决现有技术重建结果偏离真实神经图像的技术问题。

为实现上述目的，第一方面，本发明实施例提供了一种基于L1范数最小化模型的神经纤维骨架校正方法，所述方法包括以下步骤：

步骤S1.获取存在扭曲神经纤维结构的原始图像；

步骤S2.对原始图像进行重建，获得待校正的神经纤维初始骨架；

步骤S3.固定初始骨架上的两个端点，基于L1范数最小化模型，校正两个端点之间所有节点位置。

具体地，固定初始骨架上的两个端点p₁、p_n，校正两个端点之间所有节点p₂、…、p_n-1位置，所述基于L1范数最小化模型如下：

其中，pi为骨架上第i个节点位置，为校正后第i个节点位置，i＝2,…，n-1，n为骨架上节点总数，为L₁范数，λ为常数，取值为0.5；Λ_i是三维图像内点p_i的一个体素范围的邻域，点p表示Λ_i中的一个体素，s(p)是点p处的图像信号强度，|| ||₂表示2范数；σ为常数，取值范围为

具体地，步骤S3包括以下步骤：

S301.将所述基于L1范数最小化模型转化为增广拉格朗日方程的形式，具体如下：

其中，d_i＝2p_i-p_i-1-p_i+1；