CN101288585A - 一种超声生物显微镜检查实现眼科前节的全景成像方法 - Google Patents

Abstract

本发明公开了一种超声生物显微镜检查实现眼科前节的全景成像方法，它首先通过线性超声生物显微镜检查沿角膜经线方向获取至少四张连续并且相邻两张互有重叠的图片，然后通过图像滤波，二值化，线条聚类，拼接位置搜索，图像融合将图片拼接成一幅完整的眼球前节图片。该方法能在实现眼球前节全景成像的同时具有线性超声生物显微镜检查的图像精度。

Description

一种超声生物显微镜检查实现眼科前节的全景成像方法

技术领域

本发明涉及一种眼科前节检查的全景成像方法，尤其是通过基于前节特征的图像配准和拼接，在线性UBM检查的基础上实现眼科前节全景成像的方法。

背景技术

目前用于眼科前节检查的超声生物显微镜检查(UBM)均使用机械扫描方式，主要分为扇形扫描(参阅图1)、线性扫描(参阅图2)和弧形扫描(参阅图3)三类。扇形扫描结构最简单，但在扫描过程中，工作距离变化较大，整个图像各处的分辨率差异较大，并且本身存在一定的几何失真。弧形扫描结构最为复杂，但扫描过程中，工作距离变化最小，因此能够保证整个图像都具有高分辨率。线性扫描的结构复杂度和图像质量介于两者之间。

在眼前节疾病诊断和晶状体植入手术中，需要精确测量房角-房角的距离、前房角角度、前房深度和晶状体位置等参数，因此，清晰的眼前节全景图像在眼前节疾病诊断和晶状体植入手术中具有非常重要的意义。

目前，公知的用于眼科前节检查的全景UBM，主要有两类产品：小扇束扫描成像和弧形扫描成像。前者主要以加拿大的OTI公司为代表，其代表产品为OTI-Scan HF35-50。该种技术使用远距离小扇束扫描。当超声扫描探头与角膜的距离足够大，使用较小的扫描角度(20°或者34°)，扇束便能够覆盖整个前节，从而实现眼前节的全景成像。扇形扫描本身具有一定的几何失真，并且当探测位距超声焦点越远，高频超声的分辨率越低。受到以上两个因素的影响，使用小扇束远距离扫描实现的全景UBM难以实现前房房角和角膜的高分辨率成像。

美国Ultralink公司提出的弧形扫描UBM是另外一种实现全景UBM的方式。该种技术使用弧形扫描的方式，超声探头的扫描轨迹为与角膜外弧同心的弧线。在扫描过程中，超声探头离角膜表面的距离较短，并且该距离随着扫描的角度变化较小，所以在整个扫描过程中，可以使得整个前节均在超声的焦区内，因此它对前节的各处组织分辨率相近，能实现完善、清晰的前节全景成像，但该种设备结构复杂，价格非常昂贵。

在超声成像领域内实现大器官的全景成像(PUI，Panoramic Ulrasound Imaging)的另一种方法是使用图像拼接。图像之间的拼接，一般是通过灰度相关，或者从两幅图像中找出若干对匹配的特征点，通过特征点的相互关系，决定图像的拼接位置。但是，对于眼球前节图像而言，由于其特征稀少，噪声大，相邻图像间的变形大，旋转角度也比较大，导致一般的图像拼接方法无法应用。

有鉴于此特提出本发明。

发明内容

为了克服现有全景超声生物显微镜检查的不足，本发明提出一种成本较低、并且具有较高分辨率的实现眼科前节的全景成像方法。

该全景超声生物显微镜检查使用专门针对眼前节特征的图像配准和拼接方法，将线性扫描超声生物显微镜检查获取的图像合成为一幅宽视野图像，其直接在线性扫描的基础上进行改进，实现整个前节图像具有线性超声生物显微镜检查的分辨率。

本发明解决其技术问题所采用的方案是使用基于眼前节图像特征的图像配准和拼接方法，将眼球同一经线平面上互有重叠的图像合成完整的前节剖面图像，方法包括：

1)使用线性扫描超声生物显微镜检查沿着眼球某一条经线获取一组连续的前节图片，图片数量不小于四张；

2)使用大窗口均值滤波、全局二值化对图像进行预处理；

3)使用线条聚类的方法提取眼球前节的两条聚类特征线条；

4)使用粗搜索和精确搜索两个步骤搜索拼接位置；

5)使用加权融合的方法进行图像拼接得到最后图象。

对以上的2)～5)具体下面进行具体说明：

首先说明，角膜图像一般是由上下两部分组成的，其上半部为角膜，下半部为虹膜和晶状体，在房角处两个合为一体，根据这个特点，本算法首先通过聚类方法，将角膜图像聚合为上下两根线条，并计算相邻图像间线条的最佳匹配位移和旋转角度，然后据此拼接两幅相邻的图像。

算法的主要步骤有：图像滤波，二值化，线条聚类，拼接位置搜索，图像融合。

1.1图像滤波：设原图像f(x，y)大小H×W，H为图象上下高度，W为图象左右宽度，为0≤x＜H，0≤y＜W，采用大窗口的均值滤波方法，其中选取窗口大小为N×N，3≤N≤19，且N为奇数，优选为9×9，则滤波后的图像为：

$f_1(x,y)=\frac{1}{N^2}\underset{i=x-n}{\overset{x+n}{\mathrm{\Σ}}}\underset{j=y-n}{\overset{y+n}{\mathrm{\Σ}}}f(i,j),$ 其中， $n=\frac{N-1}{2};$

1.2二值化：采用全局二值化方法：设二值化后的图像为f₂(x，y)，如果f₁(x，y)＞threhold，则f₂(x，y)＝1，否则f₂(x，y)＝0，这里threshold是二值化阈值，为任意值，可根据图像的情况调整；

1.3线条聚类：对于选取图像每一列点坐标的像素值，即y固定，用数组a[i]，i＝0，1，...，H-1表示，数组的每一个元素为0或者1，再求出其上聚类中心和下聚类中心的坐标C_high和C_low，采用二次定值法：

I计算为1的元素的坐标均值： $\stackrel{\‾}{C}=\underset{i=0}{\overset{H-1}{\mathrm{\Σ}}}i\×a\left[i\right]/\underset{i=0}{\overset{H-1}{\mathrm{\Σ}}}a\left[i\right],$

II计算大于C的非零点坐标均值C′_high和小于C的非零点坐标均值C′_low以及它们的均值C₁；C₁＝(C′_high+C′_low)/2，

III计算大于C₁的非零点坐标均值C_high和小于C₁的非零点坐标均值C_low，

IV依次按照上述步骤确定每列的非零点坐标均值C_high和C_low，

最后，描点后在整个图像中形成了一个上聚类曲线和下聚类曲线；

1.4拼接位置搜索：假设有两幅相邻的图像，其上下聚类曲线分别为：

K_high ^left，K_low ^left，K_high ^right，K_low ^right，首先寻找右边图像的旋转角度θ和位移Δx、Δy，使得旋转后的右边图像，能够跟左边图像上下聚类曲线间的平均距离最小，其中，平均距离是左右图像上聚类曲线重叠区间的距离的平均值与下聚类曲线距离的平均值之和的一半，为了加快算法执行的速度，分两步进行：首先用较大的步长，θ在-25°到+25°之间变化，Δx在image_width/5～4image_width/5间变动，Δy在-image_height/4～image_height/4间变动，其中image_width为图像宽度，image_height为图像高度，搜索到次最优的旋转角度和位移后，在该次最优参数附近，用很小的搜索步长去搜索最优的拼接参数；

1.5图像融合：找到拼接参数后，先对第二幅图像依照上一步搜索到的最优旋转角度进行旋转处理，然后采用简单的加权融合的方法对图像进行拼接，假设在某行上，即x固定，左边图像的第W-M个像素到第W个像素，设其值为f₁(i)，0≤i≤M，与右边图像对应行上的第0个像素到第M个像素，设其值为f₂(i)，0≤i≤M，融合在一起，则拼接后图像这M+1个像素的值f₃(i)，0≤i≤M应该为：

$f_3\left(i\right)=(1-\frac{i}{M})f_1\left(i\right)+\frac{i}{M}{f}_2\left(i\right),$

而落在重叠区域之外的像素，则是原图像各自的像素值，所有图象拼接至最后得到的图象即为全景图象。

本发明和背景技术相比，具有的有益效果是：本发明和背景技术中的小扇束全景超声生物显微镜检查相比，分辨率更高，几何失真更小。

本发明和背景技术中的弧形扫描超声生物显微镜检查相比，成本很低，并且也能达到足够的分辨率和几何精度。

另外，依据眼球前节的图像特征，使用聚类线条对图像进行配准和拼接，实现眼前节的全景成像(显示)，能实现线性扫描超声生物显微镜检查的分辨率和几何精度。

该发明中的使用的提取聚类特征线条的算法能够有效的提取角膜图像的线条特征，能够容忍图像中的噪声，该算法的运行速度相对于背景技术较快。

下面结合附图对本发明的具体实施方式作进一步详细的描述。

附图说明

图1是超声生物显微镜检查扇形扫描示意图；

图2是超声生物显微镜检查线性扫描示意图；

图3是超声生物显微镜检查弧形扫描示意图；

图4是原始前节图像，其中图象显示为房角部分；

图5是图4二值化后的原始前节图像；

图6是图4上下聚类中心示意图；

图7是四张连续的前节局部超声图，其中a、b、c、d分别为四个方向线性扫描示意图；

图8是图7各图片对应提取的聚类线条示意图；

图9是图7各图片按照图8聚类线条依次分步融合后的各过程图像，其中a-b为a与b融合的图象，a-c为a-b与c融合的图象，a-d为a-c与d融合的图象。

具体实施方式

本发明是使用基于眼前节图像特征的图像配准和拼接方法，将眼球同一经线平面上互有重叠的图像合成完整的前节剖面图像，首先按照图2所示的扫描方式，使用线性扫描超声生物显微镜检查沿着眼球角膜的某一条经线获取一组连续的前节图片，图片数量为四张，扫描结果如图7所示，分别为图片a、b、c、d，图片a与b，b与c，c与d各有重叠部分，每张图片的大小均为512×512个像素，为8位灰度图像，图像的亮度范围为0～255。

然后对图7中四张前节图像按照图像均值滤波，滤波窗口大小为9×9，则滤波后的图象为：

$f_1(x,y)=\frac{1}{81}\underset{i=x-4}{\overset{x+4}{\mathrm{\Σ}}}\underset{j=y-4}{\overset{y+4}{\mathrm{\Σ}}}f(i,j)$

滤波之后进行二值化处理，设二值化后的图像为f₂(x，y)，如果f₁(x，y)＞threhold，则f₂(x，y)＝1，否则f₂(x，y)＝0，其中二值化的阈值threshold＝6，亮度大于6的像素点其亮度设为255，亮度小于或者等于6的像素点其亮度设为0。

然后分别对四张图片进行聚类运算，对于选取图像每一列点坐标的像素值，即纵坐标y固定，用数组a[i]，i＝0，1，...，H-1表示，H＝512，数组的每一个元素为0或者1，再求出其上聚类中心和下聚类中心的坐标C_high和C_low，采用二次定值法：

I计算为1的元素的坐标均值： $\stackrel{\‾}{C}=\underset{i=0}{\overset{H-1}{\mathrm{\Σ}}}i\×a\left[i\right]/\underset{i=0}{\overset{H-1}{\mathrm{\Σ}}}a\left[i\right],$

II计算大于C的非零点坐标均值C′_high和小于C的非零点坐标均值C′_low以及它们的均值C₁；C₁＝(C′_high+C′_low)/2，

III计算大于C₁的非零点坐标均值C_high和小于C₁的非零点坐标均值C_low，

IV依次按照上述步骤确定每列的非零点坐标均值C_high和C_low，

描点后会在整个图像中形成了一个上聚类曲线和下聚类曲线；各个图象分别得到上聚类曲线1、下聚类曲线2，如图8所示。

再计算相邻图像间线条的最佳匹配位移和旋转角度，使用相搜索和精确搜索两个步骤搜索拼接位置，这里，粗搜索的步长，x，y方向的位移为16像素/步，θ的步长为1度，精确搜索时，x，y方向的位移为1像素/步，θ的步长为0.5度。依次计算出图片a-b，图片b-c，图片c-d的最佳旋转角度和匹配位移，依次为：

图片a-b：Δx＝150，Δy＝-13，θ＝-5°

图片b-c：Δx＝43，Δy＝84，θ＝-14.5°

图片c-d：Δx＝122，Δy＝35，θ＝-17°

找到拼接参数后，先对图片b依照上一步搜索到的最优旋转角度进行旋转处理，然后采用简单的加权融合的方法对图像进行拼接，假设在某行上，即纵坐标x固定，左边图像的第W-M个像素到第W个像素，设其值为f₁(i)，0≤i≤M，与右边图像对应行上的第0个像素到第M个像素，设其值为f₂(i)，0≤i≤M，融合在一起，则拼接后图像这M+1个像素的值f₃(i)，0≤i≤M应该为：

$f_3\left(i\right)=(1-\frac{i}{M})f_1\left(i\right)+\frac{i}{M}{f}_2\left(i\right),$

而落在重叠区域之外的像素，则是原图像各自的像素值。

依次将图片a，图片b融合成图片a-b，将图片a-b与图片c融合成图片a-c，将图片a-c与图片d融合成图片a-d，图片a-d是最后的融合结果，融合过程如图9所示。

Claims (3)

1、一种超声生物显微镜检查实现眼科前节的全景成像方法，其特征在于：通过基于眼前节图像特征的图像配准和拼接方法，将眼球同一经线平面上互有重叠的图像合成完整的前节剖面图像，步骤为：

1)使用线性扫描超声生物显微镜检查沿着眼球某一条经线获取一组连续的前节图片；

2)使用大窗口均值图像滤波、全局二值化对每个图像进行预处理；

3)使用线条聚类的方法提取眼球前节的两条聚类特征线条；

4)使用粗搜索和精确搜索两个步骤搜索拼接位置；

5)使用加权融合的方法依次进行图像拼接得到最后图象。

2、根据权利要求1所述的一种超声生物显微镜检查实现眼科前节的全景成像方法，其特征在于：所述方法的主要步骤为：图像滤波，二值化，线条聚类，拼接位置搜索，图像融合，其中

图像滤波：设原图像f(x，y)大小H×W，H为图象上下高度，W为图象左右宽度，为0≤x＜H，0≤y＜W，采用大窗口的均值滤波方法，其中选取窗口大小为N×N，3≤N≤19，且N为奇数，优选为9×9，则滤波后的图像为：

$f_1(x,y)=\frac{1}{N^2}\underset{i=x-n}{\overset{x+n}{\mathrm{\Σ}}}\underset{j=y-n}{\overset{y+n}{\mathrm{\Σ}}}f(i,j),$ 其中， $n=\frac{N-1}{2};$

二值化：采用全局二值化方法：设二值化后的图像为f₂(x，y)，如果f₁(x，y)＞threhold，则f₂(x，y)＝1，否则f₂(x，y)＝0，这里threshold是二值化阈值，为任意值，可根据图像的情况调整；

线条聚类：对于选取图像每一列点坐标的像素值，即y固定，用数组a[i]，i＝0，1，...，H-1表示，数组的每一个元素为0或者1，再求出其上聚类中心和下聚类中心的坐标C_high和C_low，采用二次定值法：

I计算为1的元素的坐标均值： $\stackrel{\‾}{C}=\underset{i=0}{\overset{H-1}{\mathrm{\Σ}}}i\×a\left[i\right]/\underset{i=0}{\overset{H-1}{\mathrm{\Σ}}}a\left[i\right],$

II计算大于C的非零点坐标均值C′_high和小于C的非零点坐标均值C′_low以及它们的均值C₁；C₁＝(C′_high+C′_low)/2，

III计算大于C₁的非零点坐标均值C_high和小于C₁的非零点坐标均值C_low，

IV依次按照上述步骤确定每列的非零点坐标均值C_high和C_low，

最后，描点后在整个图像中形成了一个上聚类曲线和下聚类曲线；

拼接位置搜索：假设有两幅相邻的图像，其上下聚类曲线分别为：K_high ^left，K_low ^left，K_high ^right，K_low ^right，首先寻找右边图像的旋转角度θ和位移Δx、Δy，使得旋转后的右边图像，能够跟左边图像上下聚类曲线间的平均距离最小，其中，平均距离是左右图像上聚类曲线重叠区间的距离的平均值与下聚类曲线距离的平均值之和的一半，为了加快算法执行的速度，分两步进行：首先用较大的步长，θ在-25°到+25°之间变化，Δx在image_width/5～4image_width/5间变动，Δy在-image_height/4～image_height/4间变动，其中image_width为图像宽度，image_height为图像高度，搜索到次最优的旋转角度和位移后，在该次最优参数附近，用很小的搜索步长去搜索最优的拼接参数；

图像融合：找到拼接参数后，先对第二幅图像依照上一步搜索到的最优旋转角度进行旋转处理，然后采用简单的加权融合的方法对图像进行拼接，假设在某行上，即x固定，左边图像的第W-M个像素到第W个像素，设其值为f₁(i)，0≤i≤M，与右边图像对应行上的第0个像素到第M个像素，设其值为f₂(i)，0≤i≤M，融合在一起，则拼接后图像这M+1个像素的值f₃(i)，0≤i≤M应该为：

$f_3\left(i\right)=(1-\frac{i}{M})f_1\left(i\right)+\frac{i}{M}{f}_2\left(i\right),$

而落在重叠区域之外的像素，则是原图像各自的像素值，所有图象拼接至最后得到的图象即为全景图象。

3、根据权利要求1所述的一种超声生物显微镜检查实现眼科前节的全景成像方法，其特征在于：所述采用线性超声生物显微镜检查沿着角膜的某条经线方向进行多次扫描，所获图片至少为四张，并且相邻两张互有重叠。

Images