CN111461961B - 一种oct血管图像错位矫正方法 - Google Patents

一种oct血管图像错位矫正方法 Download PDF

Info

Publication number
CN111461961B
CN111461961B CN202010229224.5A CN202010229224A CN111461961B CN 111461961 B CN111461961 B CN 111461961B CN 202010229224 A CN202010229224 A CN 202010229224A CN 111461961 B CN111461961 B CN 111461961B
Authority
CN
China
Prior art keywords
image
matched
template
blood vessel
region
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.)
Active
Application number
CN202010229224.5A
Other languages
English (en)
Other versions
CN111461961A (zh
Inventor
曾亚光
曾兴晖
唐艳红
李晓雯
麦浩基
李晓
陈允照
刘桐生
韩定安
熊红莲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Foshan Linguistic Technology Co ltd
Original Assignee
Foshan Linguistic Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Foshan Linguistic Technology Co ltd filed Critical Foshan Linguistic Technology Co ltd
Priority to CN202010229224.5A priority Critical patent/CN111461961B/zh
Publication of CN111461961A publication Critical patent/CN111461961A/zh
Application granted granted Critical
Publication of CN111461961B publication Critical patent/CN111461961B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
    • G06T3/153—Transformations for image registration, e.g. adjusting or mapping for alignment of images using elastic snapping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Eye Examination Apparatus (AREA)

Abstract

本发明公开一种OCT血管图像错位矫正方法，包括：对血管出现预处理；基于傅里叶公式和欧氏距离变换式对图像进行移位矫正；通过相干去噪法去除噪声；本发明实现对血管图像进行错位矫正，抑制相关噪声，提高视网膜血管成像数据的质量，矫正算法效率高、图像质量优异、鲁棒性强，效率高；本发明可用于血管图像错位矫正。

Description

一种OCT血管图像错位矫正方法
技术领域
本发明涉及光学图像处理技术领域，尤其涉及一种OCT血管图像错位矫正方法。
背景技术
医学领域及生物研究领域常通过对诸多微血管功能参数反应病理机制进行研究，通过微血管的特征进行临床诊断。医学图像作为微血管功能参数反应病理机制分析的重要辅助工具被广泛运用于医学诊断中。然而，医学图像处理与分析一直是数字图像处理领域的研究热点和难点，医学图像研究的缓慢发展成为了制约医学发展的重要因素。
随着人口基数的增长、人口结构向老龄化的急剧转变、电子产品的广泛应用，与眼睛相关的疾病越来越普遍。OCT成像是通过光学仪器直接观测人体结构、血管最方便、最便捷的途径之一，凭着无损性、无射线、低刺激性、廉价性的优点被广泛应用到眼科疾病的各项诊断当中。然而，眼科OCT系统在采集视网膜血管成像数据时，采集过程中并没有对诊断者进行强迫的固定，而是让诊断者在一个比较轻松自然的状态。由于人眼的飘逸以及头部的不自然运动极易引起扫描出的血管图像发生错位，使采集到的视网膜血管图像数据图像错位。同时OCT仪器采集视网膜血管造影图像数据会因相机上的传感器材料属性、工作环境、电子元器件和电路结构等影响使视网膜血管造影图像产生不良像素和大量噪声，镜头和折射匹配容器表面杂质导致该图像出现坏像素甚至伪影区域。低质量的视网膜血管图像数据图像增加了诊断难度，严重影响医生的诊断准确率。现有技术不能满足对血管图像进行错位矫正，抑制相关噪声同时保证视网膜血管成像数据的质量。
发明内容
本发明的目的在于提出一种OCT血管图像错位矫正方法及系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
为解决上述技术问题所采用的技术方案：一种OCT血管图像错位矫正方法，所述方法包括以下步骤：
S100、接收OCT仪器采集的视网膜血管数据图像，对图像进行均值滤波处理，得到数字图像，均值滤波函数满足下式：
Figure BDA0002428719040000021
其中，f(x,y)函数表示在坐标(x,y)的函数，Sxy表示大小为m×n的矩形窗口，算术平均值表示窗口Sxy中被处理图像g(s,t)的平均值；
S200、通过一维傅里叶变换处理数字图像，将图像的灰度分布函数转为频率分布函数，得到频率分布图，留取低频信号，过滤高频信号；再使用傅里叶逆变换重新在数字图像上映射图像的低频信号；
其中，一维傅里叶变换和傅里叶逆变换公式分别为：
Figure BDA0002428719040000031
Figure BDA0002428719040000032
其中，u为频域变量；2π为周期；
对低频信号图的每一行数值进行相加，并对每行数值的和进行比较，选取并标记出数值最大的前三行，识别出图像错位的位置；
S300、选取模板图像，取模板区域；在模板图像相邻图像发生错位的位置选取错位相对应模板图像和相邻图像两侧图像的左边三分之一处为起始点，依次按设置间距往右选取若干块与模板区域相同大小的像素区域作为待匹配区域；计算模板区域与每块待匹配区域的欧氏距离，保存各对应区域的欧式距离、模板与待匹配区域的列位置信息，进行欧式距离数值大小比较，欧氏距离越小相似度越大，选出和最小的待匹配区域；调出对应的列位置差信息，对待匹配区域的血管图像进行移位矫正；欧氏距离表达式为：
Figure BDA0002428719040000033
其中A为模板区域，B为待匹配区域，d(A,B)为模板区域与待匹配区域的欧氏距离，ai与bi为各区域对应列的像素值；
S400、通过相干去噪法去除移位矫正后的图像上残留的相干噪声。
作为一种优选的实施方案，步骤S300中，选取待匹配区域数为20块。
本发明的有益效果：本发明对血管出现预处理，基于傅里叶公式和欧氏距离变换式对图像进行移位矫正，同时通过相干去噪法去除噪声，实现对血管图像进行错位矫正，抑制相关噪声，提高视网膜血管成像数据的质量，矫正算法效率高、图像质量优异、鲁棒性强，效率高。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是本发明提供的一种OCT血管图像错位矫正方法的方法流程图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
请参照图1，一种OCT血管图像错位矫正方法，包括以下步骤：
S100、接收OCT仪器采集的视网膜血管数据图像，对图像进行均值滤波处理，得到数字图像，均值滤波函数满足下式：
Figure BDA0002428719040000051
其中，f(x,y)函数表示在坐标(x,y)的函数，Sxy表示大小为m×n的矩形窗口，算术平均值表示窗口Sxy中被处理图像g(s,t)的平均值。
OCT仪器采集视网膜血管数据时会因相机上的传感器材料属性、工作环境、电子元器件和电路结构等影响使视网膜血管数据图像产生不良像素和大量噪声。因此，图像错位矫正拼接前，先对图像进行均值滤波处理，平滑图像，减少图像噪声数量，提高图像质量。
S200、通过一维傅里叶变换处理数字图像，将图像的灰度分布函数转为频率分布函数，得到频率分布图，留取低频信号，过滤高频信号；再使用傅里叶逆变换重新在数字图像上映射图像的低频信号。
频域反映了图像在空域灰度变化剧烈程度，也就是图像的能量分布区域。对图像而言，图像的噪点大部分和附近的像素点在图像上梯度变化较快，因此反映在频域上是高频分量；图像的主要信息能量与灰度平缓变化部分则为低频分量。使用傅里叶变换来观察图像，可以将图像从灰度分布转化到频率分布上来观察图像的特征。
其中，一维傅里叶变换和傅里叶逆变换公式分别为：
Figure BDA0002428719040000061
Figure BDA0002428719040000062
其中，u为频域变量；2π为周期；
对低频信号图的每一行数值进行相加，并对每行数值的和进行比较，选取并标记出数值最大的前三行，识别出图像错位的位置。
S300、选取模板图像，取模板区域；在模板图像相邻图像发生错位的位置选取错位相对应模板图像和相邻图像两侧图像的左边三分之一处为起始点，依次按设置间距往右选取若干块与模板区域相同大小的像素区域作为待匹配区域；计算模板区域与每块待匹配区域的欧氏距离，保存各对应区域的欧式距离、模板与待匹配区域的列位置信息，进行欧式距离数值大小比较，欧氏距离越小相似度越大，选出和最小的待匹配区域；调出对应的列位置差信息，对待匹配区域的血管图像进行移位矫正；欧氏距离表达式为：
Figure BDA0002428719040000063
其中A为模板区域，B为待匹配区域，d(A,B)为模板区域与待匹配区域的欧氏距离，ai与bi为各区域对应列的像素值。
优选地，模板图像列方向长度为300，在模板图像相邻图像发生错位的位置选取错位相对应模板图像和相邻图像两侧图像的左边第101列为起始点，依次按间距为1往右选取20块与模板区域相同大小的像素区域作为待匹配区域。
S400、通过相干去噪法去除移位矫正后的图像上残留的相干噪声。
通过相干去噪法去除移位矫正后的图像上残留的相干噪声的实现形式有多种多样，其中常见的实现形式的基本思路为：通过相干滤波去除相干噪声，即通过滤除两个信号中的相关部分而达到去噪目的的滤波方法。
本发明对血管出现预处理，基于傅里叶公式和欧氏距离变换式对图像进行移位矫正，同时通过相干去噪法去除噪声，实现对血管图像进行错位矫正，抑制相关噪声，提高视网膜血管成像数据的质量，矫正算法效率高、图像质量优异、鲁棒性强，效率高。
上面结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施例，在所述技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (2)

1.一种OCT血管图像错位矫正方法，其特征在于：所述方法包括以下步骤：
S100、接收OCT仪器采集的视网膜血管数据图像，对视网膜血管数据图像进行均值滤波处理，得到数字图像，均值滤波函数满足下式：
Figure FDA0003771586960000011
其中，f(x,y)函数表示均值滤波函数，Sxy表示大小为m×n的矩形窗口，算术平均值表示窗口Sxy中被处理的视网膜血管数据图像g(s,t)的平均值；
S200、通过一维傅里叶变换处理数字图像，将数字图像的灰度分布函数转为频率分布函数，得到频率分布图，留取低频信号，过滤高频信号；再使用傅里叶逆变换重新在数字图像上映射数字图像的低频信号；
其中，一维傅里叶变换和傅里叶逆变换公式分别为：
Figure FDA0003771586960000012
Figure FDA0003771586960000013
其中，u为频域变量；2π为周期；
对低频信号图的每一行数值进行相加，并对每行数值的和进行比较，选取并标记出数值最大的前三行，识别出视网膜血管数据图像错位的位置；
S300、选取模板图像，取模板区域；在模板图像的相邻图像发生错位的位置选取错位相对应的模板图像的相邻图像的两侧图像的左边三分之一处为起始点，依次按设置间距往右选取若干块与模板区域相同大小的像素区域作为待匹配区域；计算模板区域与每块待匹配区域的欧氏距离，保存每块待匹配区域的欧式距离、模板区域与待匹配区域的列位置信息，进行欧式距离数值大小比较，欧氏距离越小相似度越大，选出欧式距离最小的待匹配区域；调出模板区域与欧氏距离最小的待匹配区域的列位置差信息，对待匹配区域的视网膜血管数据图像进行移位矫正；欧氏距离表达式为：
Figure FDA0003771586960000021
其中A为模板区域，B为待匹配区域，d(A,B)为模板区域与待匹配区域的欧氏距离，ai、bi分别为模块区域、待匹配区域对应列的像素值；
S400、通过相干去噪法去除移位矫正后的视网膜血管数据图像上残留的相干噪声。
2.根据权利要求1所述的一种OCT血管图像错位矫正方法，其特征在于，包括：步骤S300中，选取待匹配区域数为20块。
CN202010229224.5A 2020-03-27 2020-03-27 一种oct血管图像错位矫正方法 Active CN111461961B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010229224.5A CN111461961B (zh) 2020-03-27 2020-03-27 一种oct血管图像错位矫正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010229224.5A CN111461961B (zh) 2020-03-27 2020-03-27 一种oct血管图像错位矫正方法

Publications (2)

Publication Number Publication Date
CN111461961A CN111461961A (zh) 2020-07-28
CN111461961B true CN111461961B (zh) 2022-10-21

Family

ID=71683534

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010229224.5A Active CN111461961B (zh) 2020-03-27 2020-03-27 一种oct血管图像错位矫正方法

Country Status (1)

Country Link
CN (1) CN111461961B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112330547B (zh) * 2020-10-12 2024-04-30 佛山科学技术学院 一种针对oct视网膜图像消除血管阴影的滤波方法
CN112509095B (zh) * 2021-02-07 2021-05-07 南京景三医疗科技有限公司 一种oct图像错位校正方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101660945B (zh) * 2008-08-27 2013-02-20 中国科学院光电技术研究所 快速图像重构方法
CN103295200B (zh) * 2013-05-29 2016-08-10 深圳大学 数字图像配准方法及装置、数字减影图像矫正方法及设备
CN104237167B (zh) * 2013-09-09 2016-09-28 深圳市斯尔顿科技有限公司 扫描装置扫描oct断层图像失真的校正方法及系统
CN104463789A (zh) * 2013-09-12 2015-03-25 广东福地新视野光电技术有限公司 一种校正光学相干断层扫描图像边缘线的方法和装置
CN104146681B (zh) * 2014-08-15 2015-11-18 深圳市斯尔顿科技有限公司 一种眼底视网膜oct图像校正方法
DE102014224638A1 (de) * 2014-12-02 2016-06-02 Olympus Soft Imaging Solutions Gmbh Digitales Bilderfassungssystem und Verfahren zur Fehlerkorrektur in einem solchen System
WO2017178059A1 (en) * 2016-04-14 2017-10-19 Universität Bern Automatic assessment of time-resolved oct images for selective retina therapy
US10327635B2 (en) * 2016-05-03 2019-06-25 Oregon Health & Science University Systems and methods to compensate for reflectance variation in OCT angiography
US10426331B2 (en) * 2016-07-20 2019-10-01 Oregon Health & Science University Automated quantification of nonperfusion in the retina using optical coherence tomography angiography
CN107862661B (zh) * 2017-11-06 2019-11-29 郑州轻工业学院 一种光学相干层析成像系统图像校正方法
RU2692220C1 (ru) * 2018-12-13 2019-06-21 Федеральное государственное бюджетное образовательное учреждение высшего образования "Тамбовский государственный технический университет" (ФГБОУ ВО "ТГТУ") Способ цветового доплеровского картирования в эндоскопической оптической когерентной томографии
CN110487313B (zh) * 2019-08-02 2021-04-16 哈尔滨工业大学 光频域反射技术中光源扫频非线性自校正方法

Also Published As

Publication number Publication date
CN111461961A (zh) 2020-07-28

Similar Documents

Publication Publication Date Title
US10168526B2 (en) Cell contour formation apparatus and method of the same, and non-transitory computer readable storage medium storing a cell contour formation program
US9124775B2 (en) Information processing apparatus, information processing method, program, and imaging apparatus including optical microscope
US7324660B2 (en) Image position matching apparatus and image processing apparatus
US20200367853A1 (en) Apparatus for ai-based automatic ultrasound diagnosis of liver steatosis and remote medical diagnosis method using the same
CN111461961B (zh) 一种oct血管图像错位矫正方法
CN108186051B (zh) 一种从超声图像中自动测量胎儿双顶径长度的图像处理方法及处理系统
US20050259864A1 (en) Four-dimensional imaging of periodically moving objects via post-acquisition synchronization of nongated slice-sequences
CN108378869B (zh) 一种从超声图像中自动测量胎儿头围长度的图像处理方法及处理系统
AU2003277051A1 (en) Methods and systems for correcting image misalignment
JP2007282857A (ja) 内視鏡挿入方向検出装置及び内視鏡挿入方向検出方法
CN101384210A (zh) 图像分析装置
KR102383857B1 (ko) 콥 각도 측정 방법 및 시스템, 콥 각도 측정 프로그램
CN115311309A (zh) 一种用于核磁共振图像的病灶识别提取方法与系统
CN109377473B (zh) 一种定位目标取脉点的方法及装置
CN111861989A (zh) 一种脑中线检测方法、系统、终端及存储介质
CN104732520A (zh) 一种胸部数字影像的心胸比测量算法及系统
CN113052844B (zh) 肠道内窥镜观察视频中图像的处理方法、装置及存储介质
CN107977973B (zh) 一种获取医疗诊断图像中限束器照射野边界的方法及装置
CN107529962B (zh) 图像处理装置、图像处理方法和记录介质
CN115511979A (zh) 一种基于灰度变换的内窥镜主板控制系统
CN113679327B (zh) 内镜检查图像采集方法及装置
CN114663424A (zh) 基于边云协同的内窥镜视频辅助诊断的方法、系统、设备及介质
CN110033466B (zh) 一种基于多灰度级的冠脉拉直图像分割边界确定方法
CN115187507A (zh) 一种基于热成像技术的心率和呼吸率检测系统及方法
CN114792296A (zh) 一种核磁共振图像与超声图像融合方法与系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20210518

Address after: 528000 No.21, 422, 4th floor, block C, F2 complex building, No.21, B District, Sanshui central science and Technology Industrial Zone, Sanshui District, Foshan City, Guangdong Province

Applicant after: Foshan Linguistic Technology Co.,Ltd.

Address before: No.33 Guangyun Road, Shishan town, Nanhai District, Foshan City, Guangdong Province

Applicant before: FOSHAN University

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant