CN101393607B - 利用快速边界跟踪实现脑血管图像识别的方法 - Google Patents

Abstract

本发明公开了一种利用快速边界跟踪实现脑血管图像识别的方法，获取所需识别的原始脑血管图像并进行预处理，再作梯度化处理，将梯度化后图像中梯度值最大的像素点作为起始像素点，进行边界点跟踪判断，将得到的所有边界点重新绘制成一幅图像，即为所需的处理后的脑血管图像；其特征在于：选取远离上一点的当前点的三个邻接点为候选节点。并根据这些节点位置信息的重要性不同分配不同的权值，以确定下一邻接点，从而得到脑血管图像的边界跟踪图。本发明提取出的边缘图片轮廓清晰、噪声较小、精度高，边界平滑，提高了边缘提取的质量，计算时间大大减少；应用于计算机辅助诊断脑血管病的系统中，提高了计算机判断脑血管病变部位与病变类型的准确性。

Description

利用快速边界跟踪实现脑血管图像识别的方法

技术领域

本发明涉及一种数字图像识别方法，尤其涉及一种基于脑血管图像特征及方向记忆的快速边界跟踪来实现脑血管的图像识别的方法，属于医学图像识别领域。

背景技术

近年来，随着计算机技术的不断成熟与发展，数字图像处理技术在医学领域中得到的了广泛的应用。将信息技术与医学影像技术相结合而产生的计算机辅助诊断(computer-aided diagnosis，CAD)系统在检测和治疗各种疾病中发挥着越来越重要的作用，也成为医学影像学中的研究热点之一。

脑血管疾病的诊断和治疗是医学领域中的一个重大世界难题。脑血管疾病是全球人口死亡和致残的首要原因，严重威胁人类的健康和生命，世界各国都在积极地探索脑血管病的有效防治模式。计算机数字图像处理技术的不断成熟与发展为人们预防和检测脑血管疾病提供了一种新的、有效的途径。利用计算机图形图像技术对患者脑血管图像进行处理，可以得到人体脑血管的一些异常信息，从而可以帮助医务工作者更快、更准确地确定脑血管的病变部位和病变类型，大大提高医疗诊断的准确性和实时性。

在脑血管图像识别的计算机辅助诊断系统中，要想确定脑血管病的病变部位与病变类型就必须得到脑血管图像的轮廓以及凹凸性等特征，只有得到边界点序列才能获得脑血管的这些特征。在图像识别领域中，为了获得物体的周长、宽度和高度及轮廓的凹凸等形状特征，必须借助边界点序列或链码。边界跟踪算法在图像识别中能够很好的提取边界点序列和链码，是模式识别领域的底层算法，其提取的边界精度和速度对形状特征描述及后续的识别和理解有着很大的影响。边界跟踪是以任一与边界邻接的像素为起点，以顺时针或逆时针方向自动沿图形的边界行走并回到起点的算法。在边界跟踪算法中，首先要明确当前边界点的像素与周边像素的邻接关系。通常人们采用四邻域和八邻域的邻接 点作为下一边界点的候选边界点。其中，基于八邻域边界跟踪方法是数字图像处理邻域中一种重要的边界跟踪方法，该方法的提出解决了数字图像处理领域中的一大类问题。如运动物体检测、纹理特征识别和医学图像特征提取等。该方法的大致过程如下：设点p(x，y)为物体的一个边界点，则p(x，y)的下一边界点必在其八邻域内，因此可以根据八邻域信息进行外边界跟踪。首先找到位于物体区域左上角的一个边界点作为搜索起点，按逆时针方向，自上而下、从左至右，搜索其八邻域，找到下一边界点，然后以此边界点为当前点继续搜索，这一搜索过程不断重复下去，直至回到搜索起点。采用上述方法可以实现脑血管的识别，但是，由于脑血管的复杂性，很难保证识别的效果，容易造成血管边界粗糙、精度不高等问题。而且由于该算法搜索所有的邻域点，计算量较大，处理速度较慢。在处理复杂的脑血管图像时，经典的边界跟踪算法暴露出边界精度不高及边界不够平滑，而且速度不尽人意等缺点。

有人提出了采用游程的跟踪算法，该方法首先必须扫描一遍图像，确定各个游程，然后再对游程进行处理。由于其未能考虑到脑血管图像的信号分布特征，得到的边界不够精确，而且效率较低。

发明内容

本发明的目的是提供一种利用快速边界跟踪实现脑血管图像识别的方法，以解决现有的边界跟踪算法对脑血管图像进行跟踪带来的边界精度不高、边界不够平滑及处理速度不尽人意等缺点，使提取出来的脑血管边缘信息不仅在精度上而且在速度上更符合计算机辅助诊断系统的要求。

为达到上述目的，本发明采用的技术方案是：一种利用快速边界跟踪实现脑血管图像识别的方法，首先获取所需识别的原始脑血管图像并进行预处理，然后对脑血管图像作梯度化处理，将梯度化后图像中梯度值最大的像素点作为起始像素点，进行边界点跟踪判断，最后将得到的所有边界点重新绘制成一幅图像，即为所需的处理后的脑血管图像；所述边界点跟踪判断方法为，在确定起始像素点后，按下列步骤处理：

(1)选取候选边界点，首次选择时，选择起始像素点周围相邻的8个点为候选边界点，否则，选择当前点周围相邻点中远离上一边界点的3个点为候选边 界点；

(2)将各候选边界点的梯度分别乘以对应的权值，获得梯度比较值，所述权值的设定条件为，当前点垂直方向上的相邻点的权值＞当前点斜角方向上的相邻点的权值＞当前点水平方向上的相邻点的权值；

(3)梯度比较值最大的候选边界点即为下一边界点；

(4)取下一边界点作为当前点，判断其是否为起始像素点，如果不是，重复上述步骤(1)至(4)，以获取其它边界点；

(5)上述获得的所有边界点的集合，即为脑血管的边界点，由此完成边界点的跟踪判断。

上述技术方案中，所述原始脑血管图像的获取通过读取模块经造影仪获得，采用BMP格式存储，所述预处理包括平滑和去噪；通常，根据识别要求，通过读取模块读取由硬件设备(造影仪)摄取的脑血管图片文件，通过医学图像处理与开发平台提供的接口函数，将其转化为BMP格式的图像。

优选的技术方案，所述步骤(2)中的权值设定为，当前点垂直方向上的相邻点的权值为1/2，当前点斜角方向上的相邻点的权值为1/3，当前点水平方向上的相邻点的权值为1/4。由于脑血管图像具有“脑血管部位在整个图像中成垂直分布，脑血管图像的主要信号表现为垂直方向，水平信号比较少”的特点，选择上述权值对梯度值进行处理后再比较，能够有效降低图像噪音造成的影响，保证边界识别的清晰度。

上述技术方案中，所述步骤(1)中，当前点周围相邻点中远离上一边界点的3个点的选择方式为下列8种情形之一：

①上一边界点在当前点的左侧，选择当前点右上、右、右下3个相邻点；

②上一边界点在当前点的左下，选择当前点的上、右上、右3个相邻点；

③上一边界点在当前点的下方，选择当前点左上、上、右上3个相邻点；

④上一边界点在当前点的右下，选择当前点左、左上、上3个相邻点；

⑤上一边界点在当前点的右方，选择当前点左上、左、左下3个相邻点；

⑥上一边界点在当前点的右上，选择当前点左、左下、下3个相邻点；

⑦上一边界点在当前点的上方，选择当前点左下、下、右下3个相邻点；

⑧上一边界点在当前点的左上，选择当前点下、右下、右3个相邻点。

采用八邻域方法对当前点的八个邻接点进行搜索是现有技术，但上述技术方案中，选取当前点和上一点的垂直、斜角、水平方向的三个点为候选边界点，搜索范围减少到原来的3/8，大大减少了计算量。

由于上述技术方案的运用，本发明与现有技术相比具有下列优点：

1.本发明利用上一边界点与当前边界点的关系进行待测邻接点的选择，加入了带有方向记忆的跟踪准则及基于梯度权值分配的方法，并且根据脑血管图片本身的一些特性，在算法的执行过程中做了优化，更适合脑血管图像的边界跟踪；

2.实验证明，本发明的基于脑血管图像特征的快速边界跟踪方法是可行的，并且具有较高的精度，提取的脑血管边界不仅精度高而且边界平滑；

3.将本发明应用于脑血管的边界跟踪系统中，算法的时间复杂度大大降低，同时该算法获得边界点序列及边界链码，为脑血管形状特征描述提供了数据准备及脑血管识别和理解提供了基础；应用于计算机辅助诊断脑血管病的系统中，提高了计算机判断脑血管病变部位与病变类型的准确性。

附图说明

附图1本发明实施例中基于脑血管图像特征的快速边界跟踪方法流程图；

附图2实施例中一幅图像的3×3大小的区域及Sobel梯度算子模板；

附图3实施例中权值分配示意图；

附图4实施例中带有方向记忆的边界跟踪内部状态集合示意图；

附图5实施例中以状态1-8为起始状态的状态迁移示意图。

具体实施方式

为了更好的理解本发明的技术方案，下面结合附图及实施例对本发明作进一步描述：

实施例：图1为本发明实施的基于脑血管图像特征的快速边界跟踪方法的流程图，数据文件(图片文件)是符合BMP格式的脑血管图片。

方法如下：

(1)脑血管图像的获取 根据边缘提取的要求，通过文件读取模块读取由 硬件设备造影仪摄取的DSA图片文件，并通图像转换模块将其转换为标准的BMP图片。本实施例中取单张脑血管图片，单张图片的分辨率为1024×1024。最后对脑血管图片进行必要的预处理工作，包括平滑和去噪等；

(2)脑血管图像的梯度化 一幅数字图像的一阶倒数是基于各种二维梯度的近似值。图像f(x，y)在位置(x，y)的梯度定义为下列向量：

$\▿f=\left[\begin{array}{c}\mathrm{gx}\\ \mathrm{gy}\end{array}\right]=\left[\begin{array}{c}\frac{\∂f}{\∂x}\\ \frac{\∂f}{\∂y}\end{array}\right]$

梯度向量指向在坐标(x，y)的f最大变化率方向。在边缘检测中，一个重要的量是这个向量的大小，用

f表示，这里，

$\▿F=\mathrm{mag}(\▿f)={[G_x^2+G_y^2]}^{1/2}$

这个量给出了在方向上每增加单位距离后f(x，y)值增大的最大变化率。

就是梯度。图2(a)显示的是一幅3×3大小的区域中的灰度级。得到Z5点处的一阶偏导数我们用Sobel算子，公式如下：

Gx＝(Z₇+2Z₈+Z₉)-(Z₁+2Z₂+Z₃)

和

Gy＝(Z₃+2Z₆+Z₉)-(Z₁+2Z₄+Z₇)

权值2用于通过增加中心点的重要性而实现某种程度的平滑效果。Sobel算子是效果比较好的一种算子，图2(b)和2(c)分别为3×3模板的水平Sobel算子和垂直Sobel算子。本例中图2(b)用所示的3×3模板的Sobel算子(水平Sobel算子对垂直边缘有较强的响应)对脑血管图像进行梯度化处理，可以看出脑血管边界信息的信号分布特征；

(3)确定起始像素点基于梯度算子的八邻域边界跟踪算法在探测过程和跟踪过程中均使用梯度方向作为准则。找到图像经过步骤2得到的图像中梯度值最大点，作为边界跟踪的开始点；

(4)确定下一边界点利用循环程序设计获取下一边界点的位置，本发明采用带有方向记忆的边界跟踪准则。在当前的八邻域跟踪时，不仅考虑其八邻域的梯度大小，还要考虑上一个边界点与当前点的位置关系。图4既是当前点 与其上一个边界点的8种位置关系，其中C为当前点，P为上一个边界点，阴影部分则是跟踪方向。其中标号1-8表示边界跟踪时的八种中间状态。在根据当前边界点和上一个边界点来确定下一边界点的过程中，根据候选边界点的位置重要性不同赋予各个像素不同的权值。

(4-1)选取待测邻接点假设当前状态为图如图4中的状态1，如图3在本例中根据当前边界点C和上一边界点P的位置关系以及脑血管图像的信号分布特征，我们选取x1，x2，x3三点所组成的集合A＝{x1，x2，x3}为下一边界点的候选边界点集合；

(4-2)根据位置信息重要性的不同赋予邻接点不同权值并计算其梯度值如果C与候选跟踪方向点的位置关系分别为垂直、斜角、水平，则赋予权值分别为Q1，Q2，Q3，本例中考虑到脑血管图像的特征，结合实际经验将Q1，Q2，Q3分别取该点梯度值的1/2，1/3和1/4；

(4-3)得到梯度值最大点作为下一边界点例如C和P的方向关系如图3，则其下一个边界点的选择依据为取MAX(G1q1，G2q2，G3q3)的值所对应的像素点，其中G1，G2，G3分别为候选跟踪点x1，x2，x3的梯度，q1＝1/3×G1，q2＝1/4×G2，q3＝1/3×G3；

(5)状态转换判断当前边界点是否为起始点，若当前点不是起始点，则根据下述推理准则进行状态的转换。

如图5(a)所示，若当前状态为1，当MAX(G1q1，G2q2，G3q3)值所对应的最大像素点为点1时，则状态按箭头1所示转换为状态2。当MAX(G1q1，G2q2，G3q3)值所对应的最大像素点为点2时，则状态按箭头2所示转换为状态1。当MAX(G1q1，G2q2，G3q3)值所对应的最大像素点为点3时，则状态按箭头3所示转换为状态8。

若当前状态为2-8时，状态的迁移示意图见图5(b-h)。

各状态迁移情况如表1所示。

表1

若当前边界点不是起始点时，转至步骤(4)，若当前边界点为起始点，则转至步骤(6)；

(6)显示脑血管图像的边缘图像将得到的所有边界点重新绘制成一幅图像，即为所需的最终图像；

上述具体实施方式中，对单幅脑血管图像进行边界提取。其中P为上一个边界点，C为当前边界点。权值Q1，Q2，Q3分别取值为1/2，1/3和1/4。这是根据图像位置的信息的重要性而确定的经验值。

Claims (4)

1.一种利用快速边界跟踪实现脑血管图像识别的方法，首先获取所需识别的原始脑血管图像并进行预处理，然后对脑血管图像作梯度化处理，将梯度化后图像中梯度值最大的像素点作为起始像素点，进行边界点跟踪判断，最后将得到的所有边界点重新绘制成一幅图像，即为所需的处理后的脑血管图像；其特征在于：所述边界点跟踪判断方法为，在确定起始像素点后，按下列步骤处理：

(1)选取候选边界点，首次选择时，选择起始像素点周围相邻的8个点为候选边界点，否则，选择当前点周围相邻点中远离上一边界点的3个点为候选边界点；

(2)将各候选边界点的梯度分别乘以对应的权值，获得梯度比较值，所述权值的设定条件为，当前点垂直方向上的相邻点的权值＞当前点斜角方向上的相邻点的权值＞当前点水平方向上的相邻点的权值；

(3)梯度比较值最大的候选边界点即为下一边界点；

(4)取下一边界点作为当前点，判断其是否为起始像素点，如果不是，重复上述步骤(1)至(4)，以获取其它边界点；

(5)上述获得的所有边界点的集合，即为脑血管的边界点，由此完成边界点的跟踪判断。

2.根据权利要求1所述的利用快速边界跟踪实现脑血管图像识别的方法，其特征在于：所述步骤(2)中的权值设定为，当前点垂直方向上的相邻点的权值为1/2，当前点斜角方向上的相邻点的权值为1/3，当前点水平方向上的相邻点的权值为1/4。

3.根据权利要求1所述的利用快速边界跟踪实现脑血管图像识别的方法，其特征在于：所述步骤(1)中，当前点周围相邻点中远离上一边界点的3个点的选择方式为下列8种情形之一：

①上一边界点在当前点的左侧，选择当前点右上、右、右下3个相邻点；

②上一边界点在当前点的左下，选择当前点的上、右上、右3个相邻点；

③上一边界点在当前点的下方，选择当前点左上、上、右上3个相邻点；

④上一边界点在当前点的右下，选择当前点左、左上、上3个相邻点；

⑤上一边界点在当前点的右方，选择当前点左上、左、左下3个相邻点；

⑥上一边界点在当前点的右上，选择当前点左、左下、下3个相邻点；

⑦上一边界点在当前点的上方，选择当前点左下、下、右下3个相邻点；

⑧上一边界点在当前点的左上，选择当前点下、右下、右3个相邻点。

4.根据权利要求1所述的利用快速边界跟踪实现脑血管图像识别的方法，其特征在于：所述原始脑血管图像的获取通过读取模块经造影仪获得，采用BMP格式存储，所述预处理包括平滑和去噪。

Images