[发明专利]一种基于多角度序列化图像空间特征点集的脑血管图像分割方法

摘要

本发明公开了一种基于多角度序列化图像空间特征点集的脑血管图像分割方法，包括以下步骤S1对脑血管的活片图像和蒙片图像进行配准S2提取序列化减影图像的几何特征点集；S3对序列化减影图像中血管边缘的特征点进行局部位置调整，S4采用空间旋转坐标系模型剔除减影图像中非血管位置的特征点S5确定序列化减影图像的自适应分割阈值；S6基于区域生长和自适应阈值的血管图像分割将S4中获得的特征点作为种子点，将S5中获得的自适应分割阈值作为生长法则的标准，采用区域生长算法分割序列化减影图像获得纯净的脑血管图像。

主权项

一种基于多角度序列化图像空间特征点集的脑血管图像分割方法，其特征在于：包括以下步骤：S1：对脑血管的活片图像和蒙片图像进行配准：在活片图像和蒙片图像上确定几何特征点，找出匹配的特征点对，通过匹配的特征点对之间的关系对蒙片图像进行处理获得序列化减影图像；S2：提取序列化减影图像的几何特征点集；S3：对序列化减影图像中血管边缘的特征点进行局部位置调整：通过灰度值梯度来调整特征点的位置，将血管边缘的特征点移动到血管内；S4：采用空间旋转坐标系模型剔除减影图像中非血管位置的特征点：建立一个空间旋转坐标系模型，利用相邻减影图像上特征点的位置信息，求出特征点在其它减影图像中的理论位置，根据其他减影图像中特征点的位置，采取投票的方式剔除非血管位置的特征点；S5：确定序列化减影图像的自适应分割阈值；S6：基于区域生长和自适应阈值的血管图像分割：将S4中获得的特征点作为种子点，将S5中获得的自适应分割阈值作为生长法则的标准，采用区域生长算法分割序列化减影图像获得纯净的脑血管图像；S4中具体采用如下方式：S41：从当前的减影图像中选取一特征点P1(x1,y1)，在当前的减影图像中的相邻减影图像中计算与P1满足如下关系的特征点P2(x2,y2)：|x2‑x1|≤4|y2‑y1|≤2S42：根据P1的横坐标x1、P2的横坐标x2以及P1和P2之间的角度α＝2°计算特征点P1到旋转中轴的距离r：r=x22-2x1x2cosα+x12sinα]]>S43：计算特征点P1在其他减影图像中投影的理论位置Pn：设当前处理的减影图像A的序号为i1，其他减影图像B的序号为in，通过序号的差值求出两幅减影图像之间的旋转的角度α：α＝|2×(in‑i1)|；S44：根据上述计算出的r和旋转角度α求出特征点P1在当前减影图像B中的投影的位置pn(xn,yn)；xn＝x1±r×cosαyn＝y1S45：从减影图像B中查找是否存在满足以下要求的特征点(xm,ym)，如果存在则给特征点P1投一票，否则不投票；|xm‑xn|≤4|ym‑yn|≤2S46：设定阈值，剔除得票数低于该阈值的特征点后获得特征点集。