CN103295200A - 数字图像配准方法及装置、数字减影图像矫正方法及设备 - Google Patents
数字图像配准方法及装置、数字减影图像矫正方法及设备 Download PDFInfo
- Publication number
- CN103295200A CN103295200A CN201310207401XA CN201310207401A CN103295200A CN 103295200 A CN103295200 A CN 103295200A CN 201310207401X A CN201310207401X A CN 201310207401XA CN 201310207401 A CN201310207401 A CN 201310207401A CN 103295200 A CN103295200 A CN 103295200A
- Authority
- CN
- China
- Prior art keywords
- image
- template window
- blood vessel
- digital
- subtraction image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种数字图像配准方法及装置、数字减影图像校正矫正方法及设备。其中在数字图像配准方法包括以下步骤:分别对盈片图像、蒙片图像和减影图像取对应的模板窗口;根据模板窗口中的血管特性将模板窗口分为含血管模板窗口和不含血管模板窗口;对于不含血管模板窗口,基于图像质量评价进行相似性测度。这样,既可以保证有效消除血管区域的运动伪影,又能够在非血管区域消除运动噪声的同时,得到矫正算法或图像配准的性能评价指标,从而实现对减影图像质量和矫正方法性能的客观评价。
Description
技术领域
本发明涉及医学图像处理技术领域,尤其涉及一种数字图像配准方法及装置、数字减影图像矫正方法及设备。
背景技术
数字减影血管造影术(DSA:Digital Subtraction Angiography)是把计算机数字化能力与常规X线成像和透视装置结合起来的一种血管造影检查方法。在血管造影之前,先拍摄一张检查部位的X光片,称为蒙片(Mask Image),图1a示出了蒙片的示例图;之后经动脉或静脉注射造影剂,再拍一张同一部位血管造影的X光片,称为盈片(Live Image),图1b示出了盈片的示例图。蒙片和盈片相减可得到一幅清晰的、造影剂标识出来的血管图像,称为减影图像(Subtraction Image),图1c示出了减影图片的示例图,上述相减可采用公式(1)进行:
S(x,y)=L(x,y)–M(x,y);(x,y)∈[W,H] (1)
其中,[W,H]分别代表蒙片M(x,y)、盈片L(x,y)及减影S(x,y)的宽度和高度。
理想情况下减影中仅包含血管信息,然而,实际操作中,由于病人在不同拍摄时刻会发生不自主移位,如呼吸、吞咽、心跳等,减影中不可避免将出现运动伪影。DSA的数字图像配准技术用于解决如何有效消除运动伪影问题。目前普遍采用块匹配法,因为在现有技术条件下,该方法能够用硬件实现,既可以满足实时性,又能够达到一定的精度。
其工作原理是,首先分别选取蒙片图像和盈片图像对应的模板窗口,具体而言,以盈片象素L(x,y)为中心,获取w×w大小的模板窗口,w为像素数,可根据需要选择适合的w值;以蒙片象素M(x,y)为中心,获取同样大小的模板窗口;根据两个模板窗口内灰度信息计算相似程度,称为相似性测度(Similarity Measure);将蒙片模板以M(x,y)为中心平移,计算不同位移处相似性测度,对应最大值位置即最佳匹配位置M(x’,y’)。
在上述图像配准过程中,需要对盈片的所有象素进行重复模板匹配操作,这将花费大量时间。通常,仅在盈片上选取一系列控制点进行模板匹配,利用找到的运动位移构造运动矢量场,其它象素运动位移通过插值计算得到。另外,在图像配准过程中选择有效的相似性测度是DSA矫正最关键的一环,对矫正结果影响很大。常用的相似性测度包括归一化互相关(NCC:Normalized crosscorrelation),差值平方和(SSD:Sum of squared differences),差值直方图能量(EHD:Energy of histogram of differences)等。
进一步地,矫正后减影与原减影图像的客观质量比较,通常采用主观方式进行。即由观察者根据减影图的血管清晰程度及伪影消除程度,判断出矫正算法是否有效,以及减影图像质量是否有显著改善。
具体而言,图像质量评价(IQA:Image quality assessment)方法在许多领域都得到广泛应用。例如,图像编码与通信领域,IQA指标可以用来指导整个网络压缩、传输、接收过程。显然,客观IQA指标应当与主观评分保持高度一致。通常,退化图像总是和它的参考图像做比较。通过特征提取,各个特征间的差异被合并,从而构造出IQA指标。这种原始图像和失真图像全部信息都可用的图像质量评价称为全参考型(FR:Full-Reference)IQA,是目前较为成熟、应用较为广泛的图像质量评价方法。
然而,在DSA技术中,数字减影血管造影图像的蒙盈片由于盈片血管的存在,内容有较大区别,无法直接套用图像质量评价领域较为成熟的评价准则进行质量评估。因此通常只能采用主观方式进行图像质量评价,无法通过客观方法进行更为精准的图像质量评价。
现有DSA技术中的数字减影图像矫正技术主要采用模板匹配法。虽然模板匹配技术在原理上也无法完全消除独立复杂运动伪影,但与传统的光流场矫正技术相比,它具有更强的健壮性,只要能找到合适的对灰度变化不敏感的相似性测度即可。现以基于加权直方图相似性测度的DSA矫正方法[1]为例,对现有典型数字减影图像矫正方法进行说明。该方法包括控制点选取、相似性测度确定、匹配搜索、空间变换与插值等步骤,图2示出了该数字减影图像矫正方法的示例流程图。
如图2所示,在该数字减影图像矫正方法中,首先在盈片上选定控制点,选取控制点应遵循两条原则:(1)尽可能多地消除运动噪声;(2)尽量提高血管区域减影质量。在原则(1)指引下,应在最有可能发生形变的蒙片边缘选取控制点;在原则(2)指引下,应对包含血管的盈片而非蒙片作边缘检测。事实上,两条原则并不矛盾,通过对减影图像作边缘检测可得到统一。直接减影中既包含全部血管信息,又包含蒙盈片相减的运动伪影,对其进行边缘检测得到的控制点能够最大程度地满足原则(1)和(2)的要求。利用抗噪性强、边缘定位准确的Canny边缘检测器分别对蒙片、盈片和减影图像进行处理。对于上述控制点选取策略,图3a示出了基于边缘检测获得控制点的蒙片示意图,图3b示出了基于边缘检测获得控制点的盈片示意图,以及图3c示出了基于边缘检测获得控制点的减影示意图。
比较图3a、3b、3c发现,图3c既包含血管边缘,在其上选取控制点能够最大程度地提高血管区域匹配精确度;又去除了曝光区边缘伪形变区域,更准确地携带了运动噪声信息,有助于提取出真正的运动伪影,是最佳控制点候选区域。
在相似性测度中通常可采用EHD测度,大多数情况下,EHD测度无论模板窗口是否包含血管及存在噪声,均能找到正确的运动位移量,且运算量较小,被认为具有很强的鲁棒性。其定义如下:
大多数情况下,EHD测度都能找到正确的运动位移.然而,如果模板内形变较剧烈,或包含血管特别丰富,也可能发生匹配时直方图能量小于不匹配时能量的极端情况。为进一步加强EHD测度抗噪声性能,提高匹配准确率,提出一种基于差值加权直方图能量的相似性测度(EWHD)测度,定义如下:
其中,M是加权直方图像素总数,ng(rg)是取值为g的象素加权个数和,定义为:
其中,W代表蒙片模板,大小为w×w,rg=||(xg,yg)-(x0,y0)||代表灰度值为g的象素(xg,yg)距离W中心(x0,y0)的欧氏距离,参数A为常数,代表加权幅度,实验中设以保证(xg,yg)的加权个数取值范围在之间。
图4a示出了模板窗口中不含血管时的减影图像,图4b为图4a中的减影图像的匹配时直方图,图4c为图4a中的减影图像的不匹配时直方图,图4d为图4a中的减影图像的匹配时加权直方图,图4e为图4a中的减影图像的不匹配时加权直方图。图5a示出了模板窗口中含血管时的减影图像,图5b为图5a中的减影图像的匹配时直方图,图5c为图5a中的减影图像的不匹配时直方图,图5d为图5a中的减影图像的匹配时加权直方图,图5e为图5a中的减影图像的不匹配时加权直方图。
统计减影图像象素加权个数的原因是,距离模板中心越近的象素,距离相邻控制点越远,受到相邻区域运动噪声影响越小,其灰度值对于运动位移的正确计算意义越大。因此,采用象素(xg,yg)距中心点距离rg的倒数对象素个数进行加权,距离越近,加权值越大。加权个数和ng(rg)比象素个数ng包含更多运动噪声信息,最佳匹配时和不匹配时的能量值距离被加权放大,可在一定程度提高EHD测度抗噪声性能。
比较图4b和4d可证实以上分析。在模板不包含血管情况下,当蒙盈片模板匹配时,主峰比主峰略窄略高,说明其能量向峰值聚集并得到加强;图4c和4e中,当蒙盈片模板不匹配时,包络虽然比包络有同样量级的压缩和升高,但其能量加强量显然小于匹配时能量加强量,能量值距离变大。同理,比较图5b和5d可知,模板内包含血管情况下,匹配时血管的加入使主峰比主峰略宽略低,一部分函数值由代表背景的主峰流向代表血管的次峰,主峰减弱,次峰加强,总能量略有下降;而在图5c和5e中,不匹配时血管对包络影响并不大,包络与包络相比有同样量级的拉伸和降低,能量减小量大于匹配时能量减小量,能量值距离也变大。因此,各种情况下,EWHD相似性测度均有效放大了匹配和不匹配位置的能量差值,提高了抗干扰能力,表现出较优的抗噪声性能。
在寻找匹配相关点过程中,通常采用在水平、垂直两个方向平移盈片模板窗口的方法搜索最佳匹配位置。模板窗口形状为矩形,平移幅度为1个像素。搜索模板窗口的大小对搜索过程有显著影响。一方面,减小搜索模板窗口可以提高配准速度;另一方面,增大搜索模板窗口可以避免相似性尺度MEHD(d)陷入局部极小点,提高配准的准确性。大多数情况下,模板窗口大小为50×50像素能够保证得到良好的减影图像质量及可接受的配准速度。
搜索到所有控制点的最佳匹配相关点后,还需进行空间变换和灰度插值。考虑到既要满足较好的减影图像质量,又要消耗较少的计算时间,分别选用基于拉伸空间变换算法和双线性插值算法完成配准。
对于客观性能评价准则,可利用蒙盈片归一化互相关系数作为矫正结果客观度量,定义如下:
其中,W代表蒙盈片图像范围。
实验发现,MNCC对度量矫正效果有一定的指导意义。但对于减影图像细节的变化,MNCC难以精确体现。因此,对矫正效果的判断,需结合MNCC值与实际减影图像主观评价值共同进行。
从以上分析可以看出,现有方案在评价减影图像质量时,采用主观判断与客观MNCC值相结合的方式。其中,主观评价方法受观察者、实验环境、心理因素等影响,其评价结果可信度受到争议;而选用归一化互相关系数作为辅助的客观评价指标,根据图像质量评价领域近年来的研究成果,这类指标与图像的感知质量符合度较低,其客观性、权威性都有待商榷。
发明内容
本发明要解决的技术问题在于针对现有技术中无法客观评价减影图像的缺陷,提供一种数字图像配准方法及装置、数字减影图像矫正方法及设备。
本发明解决其技术问题所采用的技术方案是:依据本发明的一方面,提供了一种用于数字减影图像矫正的数字图像配准方法,所述方法包括步骤:
分别对盈片图像、蒙片图像和减影图像取对应的模板窗口;
根据所述模板窗口中的血管特性将所述模板窗口分为含血管模板窗口和不含血管模板窗口;
对于所述不含血管模板窗口,基于图像质量评价进行相似性测度。
在依据本发明实施例所述的用于数字减影图像矫正的数字图像配准方法中,在步骤对于所述不含血管模板窗口,基于图像质量评价进行相似性测度中,
将所述不含血管模板窗口中的蒙片和盈片的质量一致性指标作为所述相似性测度。
在依据本发明实施例所述的用于数字减影图像矫正的数字图像配准方法中,采用以下步骤获得所述蒙片和盈片的质量一致性指标:
设置所述不含血管模板窗口中的蒙片子区域为参考图像,盈片子区域为失真图像;
以所述参考图像为基准,采用图像信息对所述盈片子区域进行图像质量评价,以获得所述质量一致性指标。
在依据本发明实施例所述的用于数字减影图像矫正的数字图像配准方法中,所述图像信息包括亮度信息、对比度信息和结构信息。
在依据本发明实施例所述的用于数字减影图像矫正的数字图像配准方法中,对于所述含血管模板窗口,采用基于差值加权直方图能量的相似度测度方法进行相似性测度。
在依据本发明实施例所述的用于数字减影图像矫正的数字图像配准方法中,所述步骤根据所述模板窗口中的血管特性将所述模板窗口分为含血管模板窗口和不含血管模板窗口,进一步包括步骤:
将所述模板窗口中的减影图像进行二值化;
选取其中灰度值大于零的像素作为血管像素;
将所述血管像素占总像素的比例与预设的阈值比例进行比较,如果大于所述阈值比例,则确定所述模板窗口为含血管模板窗口,否则确定所述模板窗口为不含血管窗口。
在依据本发明实施例所述的用于数字减影图像矫正的数字图像配准方法中,所述阈值比例为20%。
本发明还提供了一种数字减影图像矫正方法,所述数字减影图像矫正方法包括上述任意的数字图像配准方法。
本发明还提供了一种用于数字减影图像矫正的数字图像配准装置,包括:
模板窗口获取模块,用于分别对盈片图像、蒙片图像和减影图像取对应的模板窗口;
血管排除模块,用于根据所述模板窗口中的血管特性将所述模板窗口分为含血管模板窗口和不含血管模板窗口;
相似性测度模块,用于对所述不含血管模板窗口,基于图像质量评价进行相似性测度。
本发明还提供了一种数字减影图像矫正设备,所述数字减影图像矫正装置包括上述的数字图像配准装置。
本发明产生的有益效果是:根据图像区域中的血管特性选择各自对应的相似性测度方法,当图像区域中不含血管时,选用基于图像质量评价的相似性测度方法。这样,既可以保证有效消除血管区域的运动伪影,又能够在非血管区域消除运动噪声的同时,得到矫正算法或图像配准的性能评价指标,即蒙盈片质量一致性指标,从而实现对减影图像的客观评价。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1a示出了蒙片的示例图;
图1b示出了盈片的示例图;
图1c示出了减影图片的示例图;
图2示出了该数字减影图像矫正方法的示例流程图;
图3a示出了基于边缘检测获得控制点的蒙片示意图;
图3b示出了基于边缘检测获得控制点的盈片示意图;
图3c示出了基于边缘检测获得控制点的减影示意图;
图4a示出了模板窗口中不含血管时的减影图像;
图4b为图4a中的减影图像的匹配时直方图;
图4c为图4a中的减影图像的不匹配时直方图;
图4d为图4a中的减影图像的匹配时加权直方图;
图4e为图4a中的减影图像的不匹配时加权直方图;
图5a示出了模板窗口中含血管时的减影图像;
图5b为图5a中的减影图像的匹配时直方图;
图5c为图5a中的减影图像的不匹配时直方图;
图5d为图5a中的减影图像的匹配时加权直方图;
图5e为图5a中的减影图像的不匹配时加权直方图;
图6示出了依据本发明实施例的用于数字减影图像矫正的数字图像配准方法的流程图;
图7示出了SSIM算法的逻辑框图;
图8示出了依据本发明实施例的数字减影图像矫正的数字图像配准装置的逻辑框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
图6示出了依据本发明实施例的用于数字减影图像矫正的数字图像配准方法的流程图,下面将按步骤描述该数字图像配准方法。
S100、分别对盈片图像、蒙片图像和减影图像取对应的模板窗口。具体而言,可以盈片图像的象素L(x,y)为中心,获取w×w大小的模板窗口,w为像素数,可根据需要选择适合的w值;随后,以蒙片图像的象素M(x,y)为中心,获取同样大小的模板窗口;并以蒙片图像的象素H(x,y)为中心,获取同样大小的模板窗口。与此同时,在DSA技术中,减影图像由盈片图像和蒙片图像获得,因此三个像素中心点L(x,y)、M(x,y)和H(x,y)一一对应,相应地,三个图像各自的模板窗口也一一对应。
S200、根据模板窗口中的血管特性将模板窗口分为含血管模板窗口和不含血管模板窗口。具体而言,可预先将模板窗口中的减影图像进行二值化,选取其中灰度值大于零的像素作为血管像素,其它像素作为血管排除像素。随后,将血管像素占总像素的比例与预设的阈值比例进行比较,如果大于阈值比例,则确定模板窗口为含血管模板窗口,否则确定模板窗口为不含血管窗口。例如,可设置阈值为20%,当血管像素占总像素的比例大于或等于20%时,可认为该模板窗口为不含血管模板窗口,反之则认为该模板窗口为含血管模板窗口。当然,该阈值仅用作举例,并不是对本发明的限制,可根据具体的图像选择适合的阈值。
另外,应当注意的是,虽然是采用模板窗口中的减影图像来判断模板窗口是否为不含血管模板窗口,但是一旦确定该模板窗口为不含血管模板窗口,则不论对于哪种图像,该模板出口均为不含血管模板窗口。
S300、判断模板窗口是否为不含血模板窗口,如果是,则进入步骤S400,否则进入步骤S500。
S400、对于不含血管模板窗口,基于图像质量评价进行相似性测度。其中,将不含血管模板窗口中的蒙片和盈片的质量一致性指标作为相似性测度。例如,当模板窗口内的血管像素很少时,可以认为该区域相当于无血管区域。此时,若蒙片和盈片间不存在运动位移,则两幅图像应一模一样。从图像质量评价角度,可设该不含血管模板窗口中蒙片子区域为参考图像,对应的盈片子区域为失真图像(也可称之为待评价图像)。这样,对盈片子区域进行图像质量评价,得到的质量一致性指标即可作为该区域蒙盈片相似性测度。其值越高,图像质量越好(运动噪声越少),相似度越高。
进一步地,在上述图像质量评价过程中,可以参考图像为基准,采用图像信息对盈片子区域进行图像质量评价,以获得质量一致性指标。例如,可选用全参考型图像质量评价领域接受度最广的结构相似度(SSIM:Structuresimilarity)准则作为相似性测度,当然,其它FR IQA准则亦可作为替换测度。SSIM算法将图像信息分成亮度信息、对比度信息和结构信息三部分,在空域中对原始图像和待评价图像分块计算各部分的局部失真,并通过取均值的方法得到对整幅图像的失真度度量,其中,图7示出了上述SSIM算法的逻辑框图。
SSIM算法使用图像的局部平均灰度μx,μy来估计亮度失真,使用局部标准差σx,σy来估计对比度失真,使用图像局部标准差的相关系数来估计结构失真,最后将三部分联合起来构成图像的相似性度量,定义如下:
SSIM(x,y)=[l(x,y)]α·[c(x,y)]β·[s(x,y)]γ (10)
其中,x,y分别代表参考图像与退化图像,μx,μy分别代表参考图像与退化图像的灰度均值,σx,σy分别代表参考图像与退化图像的灰度标准差,K1,K2代表远小于1的常数,C1,C2,C3代表为避免除以零导致算法不稳定而增设的常数,α,β,γ代表调整各系数比例的常数。
实际应用中,图像被分成8×8的子块,图像整体结构相似度被定义为所有子块图像SSIM系数的均值,其取值范围为[0,1]。
S500、对于含血管模板窗口,采用对血管不敏感的相似度策略,例如,基于差值直方图能量的相似性测度方法或基于差值加权直方图能量的相似度测度方法进行相似性测度。当然,基于EHD或EWHD的相似性测度方法仅用作举例,并不是对本发明的限制。
从以上可以看出,在依据本发明实施例的数字图像配准方法中,根据图像区域中的血管特性选择各自对应的相似性测度方法,当图像区域中含有血管时,选择常见的对血管不敏感的相似性测度方法,而对于不含血管的图像区域,则选用基于图像质量评价的相似性测度方法。这样,既可以保证有效消除血管区域的运动伪影,又能够在非血管区域消除运动噪声的同时,得到矫正算法或图像配准的性能评价指标,即蒙盈片质量一致性指标,从而实现对减影图像的客观评价。例如,运动矫正结束后,需对矫正减影图和原始减影图进行客观质量评价,比较其性能。此时,仍然采用血管排除模板及分块处理思路,仅对非血管子区域进行图像质量评价,最后取其均值进行比较。这样,利用矫正过程中的相似性测度值评估减影图像质量,使矫正与评估合而为一。
在依据本发明实施例的数字减影图像矫正方法中,包括控制点提取、以上依据本发明任意实施例的数字图像配准方法、匹配搜索、空间变换域插值等步骤。
图8示出了依据本发明实施例的数字减影图像矫正的数字图像配准装置的逻辑框图,可采用该装置实施上述数字图像配准方法,因此,此处部分或全部引用以上关于数字图像配准方法的描述。
如图8所示,该装置包括模板窗口获取模块、血管排除模块以及相似性测度模块。其中,模板窗口获取模块可分别对盈片图像、蒙片图像和减影图像取对应的模板窗口;血管排除模块可根据模板窗口中的血管特性将模板窗口分为含血管模板窗口和不含血管模板窗口;相似性测度模块可对不含血管模板窗口,基于图像质量评价进行相似性测度。
依据本发明实施例的数字减影图像矫正设备包括上述数字图像配准装置,并可实施上述数字减影图像矫正方法。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
参考文献:
[1]储颖,糜华,纪震,“基于加权直方图的数字减影图像矫正算法,”电子学报,vol.36,no.7,pp.1344-1348,2008年7月。
Claims (10)
1.一种用于数字减影图像矫正的数字图像配准方法,其特征在于,所述方法包括步骤:
分别对盈片图像、蒙片图像和减影图像取对应的模板窗口;
根据所述模板窗口中的血管特性将所述模板窗口分为含血管模板窗口和不含血管模板窗口;
对于所述不含血管模板窗口,基于图像质量评价进行相似性测度。
2.根据权利要求1所述的用于数字减影图像矫正的数字图像配准方法,其特征在于,在步骤对于所述不含血管模板窗口,基于图像质量评价进行相似性测度中,
将所述不含血管模板窗口中的蒙片和盈片的质量一致性指标作为所述相似性测度。
3.根据权利要求2所述的用于数字减影图像矫正的数字图像配准方法,其特征在于,采用以下步骤获得所述蒙片和盈片的质量一致性指标:
设置所述不含血管模板窗口中的蒙片子区域为参考图像,盈片子区域为失真图像;
以所述参考图像为基准,采用图像信息对所述盈片子区域进行图像质量评价,以获得所述质量一致性指标。
4.根据权利要求3所述的用于数字减影图像矫正的数字图像配准方法,其特征在于,所述图像信息包括亮度信息、对比度信息和结构信息。
5.根据权利要求1所述的用于数字减影图像矫正的数字图像配准方法,其特征在于,对于所述含血管模板窗口,采用基于差值加权直方图能量的相似度测度方法进行相似性测度。
6.根据权利要求1所述的用于数字减影图像矫正的数字图像配准方法,其特征在于,所述步骤根据所述模板窗口中的血管特性将所述模板窗口分为含血管模板窗口和不含血管模板窗口,进一步包括步骤:
将所述模板窗口中的减影图像进行二值化;
选取其中灰度值大于零的像素作为血管像素;
将所述血管像素占总像素的比例与预设的阈值比例进行比较,如果大于所述阈值比例,则确定所述模板窗口为含血管模板窗口,否则确定所述模板窗口为不含血管窗口。
7.根据权利要求6所述的用于数字减影图像矫正的数字图像配准方法,其特征在于,所述阈值比例为20%。
8.一种数字减影图像矫正方法,其特征在于,所述数字减影图像矫正方法包括权利要求1-7中任一项所述的数字图像配准方法。
9.一种用于数字减影图像矫正的数字图像配准装置,其特征在于,包括:
模板窗口获取模块,用于分别对盈片图像、蒙片图像和减影图像取对应的模板窗口;
血管排除模块,用于根据所述模板窗口中的血管特性将所述模板窗口分为含血管模板窗口和不含血管模板窗口;
相似性测度模块,用于对所述不含血管模板窗口,基于图像质量评价进行相似性测度。
10.一种数字减影图像矫正设备,其特征在于,所述数字减影图像矫正装置包括权利要求9所述的数字图像配准装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310207401.XA CN103295200B (zh) | 2013-05-29 | 2013-05-29 | 数字图像配准方法及装置、数字减影图像矫正方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310207401.XA CN103295200B (zh) | 2013-05-29 | 2013-05-29 | 数字图像配准方法及装置、数字减影图像矫正方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103295200A true CN103295200A (zh) | 2013-09-11 |
CN103295200B CN103295200B (zh) | 2016-08-10 |
Family
ID=49096007
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310207401.XA Active CN103295200B (zh) | 2013-05-29 | 2013-05-29 | 数字图像配准方法及装置、数字减影图像矫正方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103295200B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103761716A (zh) * | 2014-01-25 | 2014-04-30 | 深圳市恩普电子技术有限公司 | 超声系统中的自适应伪差去除方法及系统 |
CN105005998A (zh) * | 2015-08-05 | 2015-10-28 | 大连理工大学 | 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 |
CN106228561A (zh) * | 2016-07-29 | 2016-12-14 | 上海联影医疗科技有限公司 | 血管提取方法 |
CN107437238A (zh) * | 2016-05-25 | 2017-12-05 | 上海联影医疗科技有限公司 | 一种图像分块自适应递归降噪方法及装置 |
US10357218B2 (en) | 2016-06-30 | 2019-07-23 | Shanghai United Imaging Healthcare Co., Ltd. | Methods and systems for extracting blood vessel |
CN110428415A (zh) * | 2019-08-05 | 2019-11-08 | 上海联影医疗科技有限公司 | 医学图像的质量评估方法、装置、设备及存储介质 |
CN110455222A (zh) * | 2019-07-31 | 2019-11-15 | 中山大学 | 一种高精度旋转角测量方法、装置及设备 |
CN110870776A (zh) * | 2018-08-31 | 2020-03-10 | 西门子医疗有限公司 | 用于三维数字减影血管造影图像的方法和装置 |
CN111461961A (zh) * | 2020-03-27 | 2020-07-28 | 佛山科学技术学院 | 一种oct血管图像错位矫正方法 |
CN111854617A (zh) * | 2020-07-31 | 2020-10-30 | 江门建滔高科技有限公司 | 一种基于机器视觉的微型钻头尺寸检测方法 |
CN112668621A (zh) * | 2020-12-22 | 2021-04-16 | 南京航空航天大学 | 一种基于跨源图像翻译的图像质量评价方法及系统 |
CN113538419A (zh) * | 2021-08-30 | 2021-10-22 | 上海联影医疗科技股份有限公司 | 一种图像处理方法和系统 |
WO2024002110A1 (en) * | 2022-06-27 | 2024-01-04 | Shanghai United Imaging Healthcare Co., Ltd. | Methods and systems for determining image control point |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4377938B2 (ja) * | 2007-12-17 | 2009-12-02 | 富士フイルム株式会社 | 画像処理方法および画像処理装置 |
CN101822545A (zh) * | 2010-05-11 | 2010-09-08 | 河南大学 | 一种数字减影血管造影运动伪影消除方法及其系统 |
-
2013
- 2013-05-29 CN CN201310207401.XA patent/CN103295200B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4377938B2 (ja) * | 2007-12-17 | 2009-12-02 | 富士フイルム株式会社 | 画像処理方法および画像処理装置 |
CN101822545A (zh) * | 2010-05-11 | 2010-09-08 | 河南大学 | 一种数字减影血管造影运动伪影消除方法及其系统 |
Non-Patent Citations (2)
Title |
---|
储颖等: "基于加权直方图的数字减影图像矫正算法", 《电子学报》 * |
段影影等: "医学图像质量评价中的梯度加权SSIM", 《计算机工程与应用》 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103761716A (zh) * | 2014-01-25 | 2014-04-30 | 深圳市恩普电子技术有限公司 | 超声系统中的自适应伪差去除方法及系统 |
CN105005998A (zh) * | 2015-08-05 | 2015-10-28 | 大连理工大学 | 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 |
CN105005998B (zh) * | 2015-08-05 | 2018-01-09 | 大连理工大学 | 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 |
CN107437238B (zh) * | 2016-05-25 | 2020-11-24 | 上海联影医疗科技股份有限公司 | 一种图像分块自适应递归降噪方法及装置 |
CN107437238A (zh) * | 2016-05-25 | 2017-12-05 | 上海联影医疗科技有限公司 | 一种图像分块自适应递归降噪方法及装置 |
US10357218B2 (en) | 2016-06-30 | 2019-07-23 | Shanghai United Imaging Healthcare Co., Ltd. | Methods and systems for extracting blood vessel |
US11344273B2 (en) | 2016-06-30 | 2022-05-31 | Shanghai United Imaging Healthcare Co., Ltd. | Methods and systems for extracting blood vessel |
CN106228561B (zh) * | 2016-07-29 | 2019-04-23 | 上海联影医疗科技有限公司 | 血管提取方法 |
CN106228561A (zh) * | 2016-07-29 | 2016-12-14 | 上海联影医疗科技有限公司 | 血管提取方法 |
CN110870776A (zh) * | 2018-08-31 | 2020-03-10 | 西门子医疗有限公司 | 用于三维数字减影血管造影图像的方法和装置 |
CN110870776B (zh) * | 2018-08-31 | 2023-08-25 | 西门子医疗有限公司 | 用于三维数字减影血管造影图像的方法和装置 |
CN110455222A (zh) * | 2019-07-31 | 2019-11-15 | 中山大学 | 一种高精度旋转角测量方法、装置及设备 |
CN110455222B (zh) * | 2019-07-31 | 2021-04-27 | 中山大学 | 一种高精度旋转角测量方法、装置及设备 |
CN110428415B (zh) * | 2019-08-05 | 2022-05-13 | 上海联影医疗科技股份有限公司 | 医学图像的质量评估方法、装置、设备及存储介质 |
CN110428415A (zh) * | 2019-08-05 | 2019-11-08 | 上海联影医疗科技有限公司 | 医学图像的质量评估方法、装置、设备及存储介质 |
CN111461961A (zh) * | 2020-03-27 | 2020-07-28 | 佛山科学技术学院 | 一种oct血管图像错位矫正方法 |
CN111854617A (zh) * | 2020-07-31 | 2020-10-30 | 江门建滔高科技有限公司 | 一种基于机器视觉的微型钻头尺寸检测方法 |
CN112668621A (zh) * | 2020-12-22 | 2021-04-16 | 南京航空航天大学 | 一种基于跨源图像翻译的图像质量评价方法及系统 |
CN112668621B (zh) * | 2020-12-22 | 2023-04-18 | 南京航空航天大学 | 一种基于跨源图像翻译的图像质量评价方法及系统 |
CN113538419A (zh) * | 2021-08-30 | 2021-10-22 | 上海联影医疗科技股份有限公司 | 一种图像处理方法和系统 |
CN113538419B (zh) * | 2021-08-30 | 2023-04-21 | 上海联影医疗科技股份有限公司 | 一种图像处理方法和系统 |
WO2024002110A1 (en) * | 2022-06-27 | 2024-01-04 | Shanghai United Imaging Healthcare Co., Ltd. | Methods and systems for determining image control point |
Also Published As
Publication number | Publication date |
---|---|
CN103295200B (zh) | 2016-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103295200A (zh) | 数字图像配准方法及装置、数字减影图像矫正方法及设备 | |
CN106874949B (zh) | 基于红外图像的运动成像平台运动目标检测方法及系统 | |
US7756299B2 (en) | Face region estimating device, face region estimating method, and face region estimating program | |
CN109285179A (zh) | 一种基于多特征融合的运动目标跟踪方法 | |
US10004448B2 (en) | Osteoporosis diagnostic support apparatus | |
CN103606132A (zh) | 基于空域和时域联合滤波的多帧数字图像去噪方法 | |
CN103886586A (zh) | 一种基于互信息和梯度信息结合的医学图像配准方法 | |
CN106296613B (zh) | 一种基于dr机器的双能量减影方法 | |
KR20120136813A (ko) | 영상 처리 장치 및 방법 | |
CN103702015A (zh) | 一种近红外条件下人脸图像采集系统的曝光控制方法 | |
CN106488122A (zh) | 一种基于改进Sobel算子的动态自动调焦算法 | |
CN102113900B (zh) | 彩色血流动态帧相关方法和装置 | |
CN109782414A (zh) | 一种基于无参考结构清晰度的自动调焦方法 | |
CN108830856B (zh) | 一种基于时间序列sd-oct视网膜图像的ga自动分割方法 | |
CN109886195B (zh) | 基于深度相机近红外单色灰度图的皮肤识别方法 | |
CN101976436A (zh) | 一种基于差分图修正的像素级多聚焦图像融合方法 | |
CN112085717B (zh) | 一种用于腹腔镜手术的视频预测方法及其系统 | |
CN107197121A (zh) | 一种基于舰载设备的电子稳像方法 | |
CN107622475A (zh) | 图像拼接中的灰度校正方法 | |
US20020106118A1 (en) | Detection of ribcage boundary from digital chest image | |
CN115375733A (zh) | 基于视频和点云数据的雪车雪橇三维滑行轨迹提取方法 | |
US8073191B2 (en) | Method and system for correcting butting artifacts in X-ray images | |
CN106447664A (zh) | 确定匹配点对的方法及图像获取方法 | |
CN107403448B (zh) | 代价函数生成方法和代价函数生成装置 | |
CN104200460B (zh) | 基于图像特征和互信息的图像配准方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |