CN1839760A - 宽景成像处理方法 - Google Patents
宽景成像处理方法 Download PDFInfo
- Publication number
- CN1839760A CN1839760A CNA2005100339079A CN200510033907A CN1839760A CN 1839760 A CN1839760 A CN 1839760A CN A2005100339079 A CNA2005100339079 A CN A2005100339079A CN 200510033907 A CN200510033907 A CN 200510033907A CN 1839760 A CN1839760 A CN 1839760A
- Authority
- CN
- China
- Prior art keywords
- splicing
- image
- image processing
- processing method
- point
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/223—Analysis of motion using block-matching
- G06T7/238—Analysis of motion using block-matching using non-full search, e.g. three-step search
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
-
- 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
- G06T2207/10132—Ultrasound image
-
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/16—Image acquisition using multiple overlapping images; Image stitching
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
一种宽景成像处理方法,用于将实时获取或者存储在介质中的图像序列,利用前后两帧图像数据相关性最大,依次将单帧图像不断拼接扩展成宽景图。该方法包括步骤:读取图像序列,先初始化配准图和拼接图;将第i帧图像Fi分割成若干子区域;求该帧图像相对配准图的运动向量;拟合所述运动向量来计算变换系数;根据所述变换系数将Fi拼接到当前拼接图,更新配准图;继续自适应取下一帧图,直到拼接结束,输出当前拼接图为结果图。另外,系统拼接Fi图像时,还可以采用过滤选取特征点,及过滤选取所述特征点有效运动向量的双过滤架构来降低配准误差。采用本发明方法,可以既快又准地完成宽景成像,图像可靠性尤其能满足超声医疗诊断的极高要求。
Description
技术领域 本发明涉及图像数据处理或产生,特别是涉及将多幅二维图像拼接成单幅图像的数据处理或产生方法。
背景技术 “宽景成像”是指将一系列通过探头在同一平面内移动获取的二维图像拼接为一幅连续图像。因为有较大的数据处理量,该技术一般利用高速处理器或计算机来重建所述单幅图像,并且越来越广泛地被运用于较小探头对较大对象的数据拾取领域,例如微小探头对指纹的采集。尤其在医学超声成像领域,以辅助医疗诊断为目的,对该技术有着更高的要求和广泛需要。
以超声仪器为例,由于超声的无害性、方便性以及可靠性,超声透视已经成为医生观察人体内部组织部位、诊断病患的常用辅助手段,医生通过操作放在人体皮肤表面的探头,可以得到体内对应部位的超声图像。然而,一般探头的扫描面积有限,从而限制医生可看到的单帧超声图像大小,当单帧图像无法显示该部位全景时,医生不得不来回移动探头以观察该部位的不同区域。于是,当需测区域无法位于一幅图像内时,还不能利用一般超声都具有的测量功能对该区域大小进行直接测量。运用宽景成像技术,将所述医生在同一平面来回扫描产生的一系列图像,利用图像间的相关性,将所述图像序列拼接成一幅“加长”了的超声图像,同时也便于测量较大对象区域,这就是目前解决探头景深局限的较佳方法。
上述宽景成像中的图像拼接概念很早就有了,在超声仪器由单扫描线M超发展到B超的过程中,就有人把一系列的扫描线拼接起来组成一幅二维图像,接着,又有人提出组合扫描(compound B-Scanner)的概念,将B超探头固定于一条限制探头在一平面内移动的机械臂上,实时记录探头的当前位置信息,利用该信息把探头在移动过程中获取的系列图像拼接成一幅图像。所述组合扫描方法因为使用机械臂而极其不便,而且机械臂对于现代手持式超声探头没有实际意义,所以在图像拼接领域没有继续发展。最近十年,针对手持式超声探头图像拼接的各种宽景成像技术不断被提出来。
总的来说,宽景成像包括配准与拼接两大部分。配准包括计算图像间的相对偏移量(offx,offy)以及相对旋转角度θ,可以将它们合起来成为变换系数(offx,offy,θ),一个变换系数就确定了两幅图像之间的一个几何变换。拼接是指通过变换系数将两幅图像合并为一幅图像的过程。许多专利对拼接过程都描述得比较少,一般认为获得正确宽景图像的关键步骤在于配准。
被用来计算偏移量的方法包括SAD(Sum of Absolute Difference,绝对差值之总和)。通常先把一幅图像分割为多个部分,对每一部分选择在另一幅图中与该部分对应的一个区域,再依据这两相对部分每个位置的数据计算SAD值,SAD值最小的那个区域的位置就是该部分的最匹配位置,从而通过所述两相对部分位置的相对关系计算得到偏移量。有的技术也采用SAD方法来计算旋转角度,与计算偏移量类似,将图像在一个角度范围内根据某个设定的步进间距进行旋转,每次旋转则与另一幅图通过SAD方法计算相似度,SAD值最小的那个旋转位置就是所求的旋转角度。
除了使用SAD方法外,还可以使用MLS(最小二乘法)方法来计算偏移量或旋转角度,并通过局域偏移量估计出变换系数。Siemens公司专利US 5,566,674以及GE公司专利US6,605,042 B2均使用了MLS方法。
下面对Siemens公司专利US 5,566,674作一介绍。
该专利方法主要包括以下步骤:
a)将第n帧Fn分割成若干区域;
b)使用SAD方法求局域运动向量;
c)使用模糊逻辑对局域运动向量进行修正,得到最终的局域运动向量;
d)使用最小二乘法计算全局运动向量与旋转角度,即变换系数;
e)将Fn拼接到前n-1帧拼接起来的宽景图中生成新的拼接图;
f)锐化图像;
g)n=n+1,如果第n帧存在,则返回到步骤a),否则输出拼接图为结果图。
具体是:把第n帧图像分成许多小的图像区域,其中第i个子区域称为n(i),在当前拼接图中确定一个搜索区域,然后令n(i)在该搜索区域内移动,在移动过程中,依据对应位置内每个点的数据计算SAD值,MSAD(Minimum SAD,即SAD值最小)的位置被认为是n(i)的最好匹配,该位置与区域n(i)原始位置的偏移即为区域的局部偏移向量。区域SAD的计算方法如下:
其中,l,k为区域n(i)的大小,X,Y分别表示区域n(i)内各点和该点在搜索区域内对应点的灰度值,m,n为搜索区域内任意一点的横、纵坐标。这样,对应于SADm,n取得最小值的(m,n)点,即为当前拼接图中该搜索区域内对应第n帧区域n(i)的最好匹配,由此来确定区域n(i)的局部偏移向量v(i)。
为了保证局部偏移向量的正确性,步骤c中使用了模糊逻辑对该向量进行修正,具体是,对模糊逻辑输入两个参数来评价当前局域偏移向量的正确性,并输出权值,根据权值对所述局域偏移量与历史偏移向量加权平均。其中,第一个参数是MSAD与SAD平均值之差,用来判断MSAD的可靠程度;第二个参数是当前偏移向量v(i)与前一时刻偏移向量h(i)之间的偏差。经过对每个初始局域偏移量的修正,得到了最终的局域偏移量。GE公司专利US 6,605,042B2则缺少修正该向量的步骤。
实际采用的数学模型F(x)的函数类型往往与实验物理背景以及数据实际分布有关,一般含有某些待定参数。最小二乘法就是依据实验数据估计参数的重要工具,它是依据试验获得的一组离散数据来估计F(x)中参数的最优值,该最优值使得模型与实际获得的数据的误差总和为最小。在所述两款相关专利中均使用了最小二乘法,利用它通过局域偏移量来计算全局偏移量与旋转角度。
在拼接阶段(步骤e),US 5,566,674使用加权平均来计算重叠部分的灰度值。加权的计算为:
SC(n)=((1-m)·(SC(n-1))+(m·Input(n))
其中SC(n-1)为前n-1帧拼接成的宽景图像,Input(n)为第n帧图像。权值m依赖于图像序号与扫描速度。
由于在拼接过程有个重复加权的过程,因此拼接后,对图像进行一次锐化,即对拼接图作高通滤波。
上述现有技术的缺点主要存在于下述几方面:
a)使用SAD方法计算图像间的旋转角度:该方法需要事先确定旋转范围与每次旋转角度的步进间隔,但是该角度步进间隔难以确定,间隔小了会使计算量增加,速度减慢;间隔大了会使计算精确度降低,因为准确的旋转角度可能会在两个计算角度之间。
b)使用拼接图进行配准:从理论上讲,相关性最大的应该是前后两个图像,而拼接图的像素灰度值一般经过了一定的处理计算,这样,使用拼接图与第n帧图进行配准的结果准确度会比使用第n-1帧图进行配准的差。
c)顺序使用图像序列的每一帧图进行配准与拼接:以四帧图像序列F1,F2,F3,F4为例,取函数D(Fi,Fj)表示使用MLS计算出来的Fi与Fj两帧图X方向偏移,假设D(F1,F2)=1.6,D(F2,F3)=3.8,D(F3,F4)=2.5,D(F1,F4)=8.5,为阐述简单起见,设拼接使用整数偏移量,则每两帧进行计算得到的D(F1,F4)因取整而致的误差有1.1个像素(即0.4+0.2+0.5),但直接取F1与F4进行拼接的误差只有0.5。因此,该顺序处理不利于减少误差,另一方面,将降低成像速度。
d)依据图像分割后的区域内各点数据直接利用SAD计算偏移:对于图像存在大块梯度变化不明显的面积时,该方法将减低计算结果的准确性。
e)尤其是GE公司专利US 6,605,042 B2,直接使用SAD计算的局域偏移量以MLS计算变换系数:实验证明,由于超声图像噪声以及组织运动等因素影响,并不是所有区域计算出来的偏移量均正确,因此该变换系数可能不准确并导致最终拼接图出现极大异常。
发明内容 本发明要解决的技术问题是针对上述现有技术的不足,而提出一种宽景成像处理方法,能将一系列局部图像以较快的速度通过拼接重建成宽景图像,并且所述拼接的宽景图像具有较高的准确度,特别是能满足医疗超声设备用于疾病诊断的极高要求。
为解决上述技术问题,本发明的基本构思为:处理系统宽景成像的基础是一系列通过时间顺序排列的图像,一般前后两帧图像的数据相关性最大,即存在有较大的重叠区域,在以第一帧图像为基础,依次将选择出来的单帧图像不断拼接扩展成宽景图的过程中,可以建立配准图和拼接图,分别用于Fi图像配准时计算变换系数和拼接Fi图像产生输出图像;并且,处理系统根据当前的状态(过快、过慢或配准无效等情况)自适应地调整图像顺序的提取间隔,来保证处理的迅速被执行,提高系统速度与成像可靠性。另外,处理系统拼接Fi图像时,还可以针对图像数据变化的特点,通过阈值过滤来选取特征点,以及通过指标参数过滤所述特征点的运动向量来降低配准误差,也能同时提高计算结果的速度和准确性。
作为实现本发明构思的第一种技术方案是,提供一种宽景成像处理方法,用于将实时获取的或者存储在介质中的图像序列生成目标图像,取图像顺序数i=1、2、3、……;Δ为图像顺序的提取间隔,步骤是,
A.取图像序列,初始化配准图和拼接图为第一帧图像;i=2,Δ=1;
B.将第i帧图像Fi分割成若干子区域;
C.求该帧图像相对配准图的运动向量;
D.根据对所述运动向量的拟合来计算变换系数;
E.根据所述变换系数将Fi拼接到当前拼接图;并用Fi来设置或拼接配准图;
F.i=i+Δ,如果第i帧存在,则返回到步骤B,否则输出当前拼接图为结果图。
上述方案中,在步骤C之后还包括步骤
C2.根据所述运动向量,判定Fi的平移量在控制范围内,则继续步骤D;否则,通过i=i-Δ将i值复原后,在Δ的取值范围内调整Δ,再执行i=i+Δ,继续步骤B。
上述方案中,所述步骤C包括执行步骤:
a.Fi图像上选取若干特征点;
b.查找所述各特征点在当前配准图上的对应点;
c.计算所述各特征点-对应点点对的运动向量。
上述方案中,所述步骤b包括执行步骤:
①.在Fi确定所述特征点的模板,它是一个包括以该特征点为中心的邻近点集合区域;
②.在当前配准图中确定一个搜索区域;
③.在所述搜索区域内通过相似度计算确定所述特征点的对应点,它是与模板等大小、并且相似度最大的邻域的中心点。
上述方案中,所述步骤E中,单帧图像Fi与当前拼接图拼接时,是采取部分重叠区域加权平均法;配准图的拼接是根据变换系数将该单帧图像Fi直接镶嵌到当前配准图。
作为实现本发明构思的第二技术方案是,提供一种宽景成像处理方法,用于将实时获取的或者存储在介质中的图像序列生成目标图像,取图像顺序数i=1、2、3、……;步骤是,
A.取图像序列,初始化拼接图为第一帧图像;i=2;
B.查找第i帧图像Fi的特征点;
C.求该帧图像的有效运动向量;若该运动向量数量不足,则继续步骤F;
D.根据对所述运动向量的拟合来计算变换系数;
E.根据所述变换系数将Fi拼接到当前拼接图;
F.i=i+1,如果第i帧存在,则返回到步骤B,否则输出当前拼接图为结果图。
上述方案中,所述步骤B包括执行步骤:
a.取该图像Fi的中间部分进行区域划分;
b.从Fi图像的各子区域中过滤选出有效子区域;
c.在每个有效子区域中选择特征点。
采用上述技术方案,均可以既快又准地将实时获取的图像序列或者存储在介质中的图像序列生成目标图像,并且所述生成的宽景目标图像的准确度尤其能满足超声设备医疗诊断的极高要求。
附图说明 图1是宽景成像系统硬件结构方框图
图2是宽景成像方法处理过程示意图
图3是选取特征点的过程示意图
图4是计算对应点的过程示意图
图5是搜索区域示意图
图6是拼接过程分部示意图
具体实施方式 下面,结合附图所示之最佳实施例进一步阐述本发明。
图1是本发明实施例宽景成像系统方框图,该系统包括超声波成像装置1和工作站装置2。探头11向受测肌体组织发射超声波,以及接收从所述受测肌体组织反射回来的超声回波;该回波信号进入波束合成器12,而完成聚焦延时、加权和通道求和后输出的信号由检测器13检出;该检测器13将信号送给D.S.C数字信号变换器14完成坐标变换,最后送给显示器16显示单帧图像。超声波成像装置1内主控制器10完成上述过程的所有控制。专业人员将探头11在受测肌体组织的皮肤表面连续平滑移动,可以获得一系列的单帧图像,这些图像实时显示于显示器16的同时,也可以通过采集卡被保存到工作站装置2的内存21中。所述内存21存储的内容包括图像序列数据211,还包括宽景处理程序212;在中央处理器20的控制下,系统执行该程序212可以将图像序列211合成一幅宽景图像并送往工作站显示器25显示。另外,系统也可以调用保存于外部存储器22中的图像序列到内存21中进行宽景成像。
以上述基于硬件的宽景成像系统为例,图2描述了该系统从图像序列211生成宽景图像的大致流程。下面结合该流程描述本发明方法。
取图像顺序数i=1、2、3、……;Δ为图像顺序的提取间隔,本发明方法的第一实施例
包括步骤:
A.取图像序列,初始化配准图和拼接图为第一帧图像;i=2,Δ=1;
B.将第i帧图像Fi分割成若干子区域;
C.求该帧图像相对配准图的运动向量;
D.根据对所述运动向量的拟合来计算变换系数;
E.根据所述变换系数将Fi拼接到当前拼接图;并用Fi来设置或拼接配准图;
F.i=i+Δ,如果第i帧存在,则返回到步骤B,否则输出当前拼接图为结果图。
上述步骤涉及两个主要过程,即配准过程和拼接过程。前者用于求取变换系数,后者用于拼接拼接图或配准图。其中步骤E中,拼接图是单帧图像Fi与当前拼接图加权平均得到的;配准图可以是直接用Fi设置的一帧比较图像,也可以是根据变换系数将Fi直接镶嵌到当前配准图而得到的拼接扩展图,后者具有更广的适用场合。这样,保证使用SAD方法求后续帧图像的运动向量时能充分利用前后帧图像数据的相关性,而生成的拼接图又能充分考虑到数据的过渡性。这些具体过程,将在后面的介绍中予以详述。
由于实际应用中,图像序列相邻两帧图像的间隔很短,所以数据相关性很大,要是对所有的图像都一一计算变换系数,一方面因变换系数很小系统容易积累误差,另一方面系统的处理速度慢。为此,考虑提高速度与正确度起见,可以自适应调整图像间隔Δ来提取拼接图像。所述调整必须根据帧图像的实际宽度、每行像素数、扫描速度、采集速度等因素而定。以特定图像宽度下的一种情况为例:设单帧图像宽度为35.4mm,每行像素数为233,采集速度为19f/s,扫描速度是10mm/s,则相邻两帧图像的数据间隔为:像素数/单帧图像宽度*扫描速度/采集速度=3.46个像素,若要对每帧图像计算变换系数的话,则101帧图像需要进行100次对3.46的四舍五入;若调整图像顺序提取间隔Δ为2,则只需50次对6.92的四舍五入;可见误差会大大减少,同时处理速度也会大大提高。
由此,本实施例超声设备采用自适应间隔方案,并考虑:一)如果计算出来的平移速度过快,超出临界值,则调小间隔;二)如果计算出来的平移速度过慢,超出临界值,则调大间隔;三)如果计算出来的平移量在正常值范围内,则控制图像间隔使平移量保持在该优选范围内。一般可以设置所述图像间隔Δ范围为1~15。所以,在步骤C之后还包括步骤
C2.根据所述运动向量,判定Fi的平移量在控制范围内,则继续步骤D;否则,通过i=i-Δ将i值复原后,在Δ的取值范围内调整Δ,再执行i=i+Δ,继续步骤B。其中,所述平移量控制范围可以设定为1~100个像素点。
步骤C中计算运动向量可以使用子区域的全部数据。为了避免较大的计算量和减小某些平滑区域造成的运动向量计算误差,所述计算运动向量还可以使用子区域内的特征点(即,图像中一些比较大值点或其它明显特征点)。在后一方式中,划分子区域的目的是为了进行质量过滤,以及选取可以分散在图像不同部分的特征点。选取了Fi子区域中的一些特征点后,系统再以这些特征点在配准图中的对应点来求这些特征点的运动向量。
步骤B中子区域26的尺寸将影响到后续计算的准确性和速度,太大会使特征点太少,不利计算;太小会增加计算量。本实施例取子区域26大小为32*32。因为超声图像噪声的影响比较大,尤其对图像匀质组织部分的影响更突出,为了计算Fi与配准图的变换系数,求取正确运动向量尤为重要,因为对图像区域中比较突出的点求取对应点较为精确,所以,我们选取Fi中比较突出的部分作为特征点,再通过对特征点求取对应点来计算运动向量。
为进一步提高计算速度和准确度,特征点28的选择可以如图3过程所示。可以在划分子区域后,先从中通过过滤选出有效子区域:即,将图像中平滑组织区域或者灰度过暗子区域(这些区域一方面影响偏移量计算而影响变换系数的精确性,另一方面增加处理数据量而降低计算速度)滤除掉。过滤27可以使用各种各样的指标,比如平均灰度,或者求取的边界梯度等等;可以包括多种过滤方法,其目的都是为了去除不容易得到精确运动向量的图像区域,保留特征突出的图像区域,因已有技术可鉴,不在此赘述。
得到有效区域后就可以选取区域的特征点求取对应点。步骤C中使用特征点来计算运动向量时,就涉及该执行步骤:查找各特征点28的对应点。如图4所示,我们先在浮动图Fi内,取以特征点为中心的一个邻近点集合区域30作为模板,然后在当前配准图(或前n-1帧图像拼成的拼接图)中确定一个搜索区域29’,将该区域中一个以每个像素为中心进行移动的、且与模板同大小的邻域30’与模板一起进行相似度计算,相似度最大时邻域30’的中心点确定为所述特征点的对应点。此后,步骤C通过特征点-对应点点对坐标计算就可以得到该特征点的运动向量(offx,offy)31。上述计算相似度的方法可以有许多种,包括根据向量内积来计算的CrossCorrelation(交叉相关)法,根据向量差来计算的SAD法,及其它;因其属于现有技术,不在此赘述。
上述求取对应点的过程中,搜索区域29’的大小对计算速度影响很大,若太大,无疑会增加正确选取对应点的机率,但是会增大计算量;太小,则正确选取对应点的机率变小。为了正确得到对应点的同时兼顾控制计算量,很有必要通过预测来确定合适的搜索区域。下面结合图5来阐述该预测方法:
以本实施例搜索图在当前配准图内确定搜索区域为例,由于配准图的拼接是直接把浮动
图Fi覆盖到相应位置,因此,搜索的过程实际上是Fi与上一帧浮动图Fi-1之间计算相似度的过程,设左右图分别是上一帧浮动图15’和当前浮动图15。在拼接过程中,系统可以记录上一浮动图的准确位置。假设当前浮动图中点P(x,y)在上一浮动图中对应点为P1,上一帧浮动图Fi-1的偏移向量31’为(pre_offx,pre_offy),则搜索区域定义为[x+pre_offx+XLft,x+pre_offx+XRgt]*[y+pre_offy-Dy,y+pre_offy+Dy]
其中Dy=γ,Y为一常数,ScanDirection表示图像拼接图像时的总方向,true表示向着X坐标轴的正方向拼接,false表示向着X坐标轴的负方向拼接。系统根据扫描方向,设置使顺扫描方向上搜索的像素比反方向更多,即μ<v,均为预测值。由于探头平移时在Y方向上往往移动较小,所以,γ也相应较小。
实际探头在Y方向往往存在移动,因此在计算特征点的对应点时,往往在确定所述特征点的模板30之前,需要让浮动图旋转一定角度,才能更好的与配准图进行对应。理论上,旋转角度若刚好等于实际应该旋转的角度,则计算的对应点最准确。因此,本实施例还使用上两帧拼接浮动图来预测旋转角度σ:
其中α为前一浮动图的旋转角度,β为再前一浮动图的旋转角度;ε为误差因子,按经验值来设定,可以减少计算误差。
为了进一步降低所述步骤C中SAD法计算运动向量的误差,还可以执行我们双过滤架构的第二次过滤,即对所述运动向量进行过滤,也就是进一步过滤包括特征点及其对应点的点对。主要是去除一些找错了的对应点对,是“修剪”性质的过滤,即把一些偏离运动向量集合的个体去掉。同样可以有许多方法来实现集合内的过滤,比如聚类(对数据进行聚类以去除离中心最远的点)法,包括模糊C均值算法(见参考文献1)。所述过滤还可以使用各种经验指标来判定去除不合格运动向量。
步骤D中对所述运动向量的拟合方法包括最小二乘法,SAD方法,或其它现有方法。
上述步骤C~D过程中,可能会出现无法得到有效变换系数的情况,包括如下:
情况1:单帧图像质量不可靠,没有进行MLS计算;该情况出现在所述配准过程中的两次过滤,过滤选取特征点和过滤运动向量。如果两次过滤后有效特征点-对应点点对(运动向量)的数目小于设定量(有可能是Fi相对前一图像平移量过大,或其它因素造成的相关性太差),则该帧图像不进行最后的拼接。
情况2:MLS计算出来的变换系数偏移量异常(过快/过慢);其原因可能是因为输入数据的问题(前后帧不连贯),也可能是因为上述预测设置的间隔不准确,太大,则计算出来的运动向量偏大;太小,运动向量也会偏小。
针对以上任何情况,该帧图像将不进行后续拼接(即步骤E),转而执行返回过程,将状态调回到处理该帧前的开始状态,同时自适应调节图像顺序的提取间隔,再进行另外一帧的计算处理。
当连续出现若干次包括情况1在内不进行后续拼接的情况,系统可以认为该图像序列的该部分图像质量不佳,从而停止计算余下的帧,可以输出当前的拼接图为结果图,并显示中断信息。我们可以设定次数为不超过五。
步骤E中,可以采取部分重叠区域加权平均法拼接单帧图像Fi到当前拼接图,需要考虑浮动图是从拼接图的左边还是右边进行拼接。这里以图7所示的从X坐标轴正方向(即拼接图右边)进行拼接为例,假设浮动图宽度为wFlt,将该图(依拼接方向)从右至左分为I,II,III三部分。对于I部分,宽度为wFlt·ω1,可以直接用各像素值来设定拼接图中该像素对应位置点数值(灰度值)。对于II部分,宽度为wFlt·ω2,设该部分在浮动图中的横坐标范围为[XBegin,XEnd],可以使用各像素值与拼接图中该像素对应位置点的灰度值的加权平均,来赋值予该对应点。设浮动图各像素灰度值为GFlt,当前拼接图对应点原灰度值为GScp,则新拼接图中该对应点的灰度值Gray为
Gray=GFlt*weight+GScp*(1-weight)
其中weight为权值,可以用计算公式确定如下:
weight=0.8*(x-XBegin)/(XEnd-XBegin)+0.1 其中x∈[XBegin,XEnd],即weight取值从左边界由最小值0.1线性递增到右边界的最大值0.9。
对于III部分,宽度为wFlt·ω3,是与当前拼接图重叠的部分,可以保留拼接图中各对应该部分的像素点的灰度值。
其中ω1+ω2+ω3=1,经过上述拼接,可以使图像在拼接部分连续过渡,显得更加平滑。进一步说,ω1表示浮动图有多大范围是直接镶嵌在新拼接图中,ω3表示新拼接图中有多大范围像素是直接从原拼接图而来(浮动图与原拼接图的重叠部分),ω2表示浮动图与原拼接图重叠部分的过渡区域大小,因此,ω2不宜太大,否则会使生成的宽景图像过多地被加权平均,导致图像模糊细节丢失;但ω2也不宜太小,否则会使新拼接图上浮动图与原拼接图交接处出现不连续迹象。
本发明方法的第二实施例包括步骤:
A.取图像序列,初始化拼接图为第一帧图像;i=2;
B.查找第i帧图像Fi的特征点;
C.求该帧图像的有效运动向量;若该运动向量数量不足,则继续步骤F;
D.根据对所述运动向量的拟合来计算变换系数;
E.根据所述变换系数将Fi拼接到当前拼接图;
F.i=i+1,如果第i帧存在,则返回到步骤B,否则输出当前拼接图为结果图。
所述步骤B包括执行步骤:
a.取该图像Fi的中间部分进行区域划分;
b.从Fi图像的各子区域中过滤选出有效子区域;
c.在每个有效子区域中选择特征点。
其中求取有效运动向量方法,以及特征点等内容因在第一实施例中已作说明,不再赘述。
Claims (15)
1.一种宽景成像处理方法,用于将实时获取的或者存储在介质中的图像序列生成目标图像,取图像顺序数I=1、2、3、……;Δ为图像顺序的提取间隔,其特征在于,包括步骤:
A.取图像序列,初始化配准图和拼接图为第一帧图像;i=2,Δ=1;
B.将第i帧图像Fi分割成若干子区域;
C.求该帧图像相对配准图的运动向量;
D.根据对所述运动向量的拟合来计算变换系数;
E.根据所述变换系数将Fi拼接到当前拼接图;并用Fi来设置或拼接配准图;
F.i=i+Δ,如果第i帧存在,则返回到步骤B,否则输出当前拼接图为结果图。
2.根据权利要求1所述的宽景成像处理方法,其特征在于,在步骤C之后还包括步骤:
C2.根据所述运动向量,判定Fi的平移量在控制范围内,则继续步骤D;否则,通过i=i-Δ将i值复原后,在Δ的取值范围内调整Δ,再执行i=i+Δ,继续步骤B。
3.根据权利要求2所述的宽景成像处理方法,其特征在于:
所述平移量控制范围可以设定为1~100个像素点。
4.根据权利要求1所述的宽景成像处理方法,其特征在于,在所述步骤B之后还包括步骤
B2.从Fi图像的各子区域中通过过滤选出有效子区域。
5.根据权利要求1所述的宽景成像处理方法,其特征在于,所述步骤C包括执行步骤:
a.Fi图像上选取若干特征点;
b.查找所述各特征点在当前配准图上的对应点;
c.计算所述各特征点-对应点点对的运动向量。
6.根据权利要求5所述的宽景成像处理方法,其特征在于,所述步骤b包括执行步骤:
①在Fi确定所述特征点的模板(30),它是一个包括以该特征点为中心的邻近点集合区域;
②当前配准图中确定一个搜索区域(29’);
③所述搜索区域内通过相似度计算确定所述特征点的对应点,它是与模板等大小、并且相似度最大的邻域(30’)的中心点。
7.根据权利要求6所述的宽景成像处理方法,其特征在于,所述步骤②中搜索区域(29’)
根据预测定义为:
[x+pre_offx+XLft,x+pre_offx+XRgt]*[y+pre_offy-Dy,y+pre_offy+Dy]
其中(x,y)为对应特征点坐标,(pre_offx,pre_offy)是前一帧图像的偏移向量;ScanDirection表示图像拼接图像时的总方向,true表示向着X坐标轴的正方向拼接,false表示向着X坐标轴的负方向拼接;Dy=γ,γ为一常数,μ<v,均为预测值。
8.根据权利要求6所述的宽景成像处理方法,其特征在于,
在执行所述步骤①之前,先将浮动图Fi旋转一定角度,该角度根据预测定义为:
9.根据权利要求5所述的宽景成像处理方法,其特征在于,还包括步骤
d.对运动向量进行过滤选择出有效运动向量。
10.根据权利要求1或9所述的宽景成像处理方法,其特征在于,
所述计算得到的变换系数偏移量异常,或者经过滤选择后的有效运动向量的数目小于设定数,则该帧图像不进行后续拼接步骤;系统将状态调回到处理该帧前的开始状态,同时调整图像的提取间隔Δ,进行另外一帧的计算处理;
当连续出现若干次图像不进行后续拼接的情况,系统输出当前拼接图为结果图,并显示中断信息。
11.根据权利要求1所述的宽景成像处理方法,其特征在于,
所述步骤E中,单帧图像Fi与当前拼接图拼接时,是采取部分重叠区域加权平均法;
配准图的拼接是根据变换系数将该单帧图像Fi直接镶嵌到当前配准图。
12.根据权利要求11所述的宽景成像处理方法,其特征在于,所述部分重叠区域加权平均法包括步骤:
i.Fi宽度为wFlt,将该图依拼接方向分为宽度分别为wFlt·ω1、wFlt·ω2、wFlt·ω3的三部分;其中ω1+ω2+ω3=1;
ii.对于第一部分,直接用各像素值来设定拼接图中该像素对应位置点数值;对于第三部分,保留拼接图中各对应该部分的像素点的值;对于第二部分,新拼接图中该对应点的值Gray为
Gray=GFlt*weight+GScp*(1-weight)其中,设GFlt为Fi各像素值,GScp为当前拼接图对应点原值,weight为权值。
13.根据权利要求12所述的宽景成像处理方法,其特征在于,
权值weight为0.1~0.9,具体变化为
weight=0.8*(x-XBegin)/(XEnd-XBegin)+0.1
其中x∈[XBegin,XEnd],[XBegin,XEnd]为Fi第二部分的横坐标范围。
14.一种宽景成像处理方法,用于将实时获取的或者存储在介质中的图像序列生成目标图像,取图像顺序数i=1、2、3、……;其特征在于,包括步骤:
A.取图像序列,初始化拼接图为第一帧图像;i=2;
B.查找第i帧图像Fi的特征点;
C.求该帧图像的有效运动向量;若该运动向量数量不足,则继续步骤F;
D.根据对所述运动向量的拟合来计算变换系数;
E.根据所述变换系数将Fi拼接到当前拼接图;
F.i=i+1,如果第i帧存在,则返回到步骤B,否则输出当前拼接图为结果图。
15.根据权利要求14所述的宽景成像处理方法,其特征在于,
所述步骤B包括执行步骤:
a.取该图像Fi的中间部分进行区域划分;
b.从Fi图像的各子区域中过滤选出有效子区域;
c.在每个有效子区域中选择特征点。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2005100339079A CN100455266C (zh) | 2005-03-29 | 2005-03-29 | 宽景成像处理方法 |
US11/316,440 US7565019B2 (en) | 2005-03-29 | 2005-12-22 | Method of volume-panorama imaging processing |
US12/506,980 US7844130B2 (en) | 2005-03-29 | 2009-07-21 | Method of volume-panorama imaging processing |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2005100339079A CN100455266C (zh) | 2005-03-29 | 2005-03-29 | 宽景成像处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1839760A true CN1839760A (zh) | 2006-10-04 |
CN100455266C CN100455266C (zh) | 2009-01-28 |
Family
ID=37029082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2005100339079A Active CN100455266C (zh) | 2005-03-29 | 2005-03-29 | 宽景成像处理方法 |
Country Status (2)
Country | Link |
---|---|
US (2) | US7565019B2 (zh) |
CN (1) | CN100455266C (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101254120B (zh) * | 2008-03-17 | 2010-09-08 | 北京好望角图像技术有限公司 | 实时超声宽视野成像方法 |
CN101909165A (zh) * | 2010-07-29 | 2010-12-08 | 哈尔滨工业大学 | 一种基于混合测度的视频数据宽景成像方法 |
CN102166122A (zh) * | 2011-04-29 | 2011-08-31 | 华南理工大学 | 一种蛇形轨迹超声宽景成像方法 |
CN102274045A (zh) * | 2011-05-27 | 2011-12-14 | 华南理工大学 | 一种并行的实时医学超声宽景成像方法 |
CN102274042A (zh) * | 2010-06-08 | 2011-12-14 | 深圳迈瑞生物医疗电子股份有限公司 | 图像配准方法、宽景成像方法、超声成像方法及其系统 |
CN102283675A (zh) * | 2011-05-27 | 2011-12-21 | 华南理工大学 | 一种医学超声宽景成像中的旋转判断及误差纠正方法 |
CN101394571B (zh) * | 2007-09-21 | 2012-02-08 | 台湾新力国际股份有限公司 | 快速动态接图点搜寻方法 |
CN102034231B (zh) * | 2009-09-25 | 2012-06-06 | 汉王科技股份有限公司 | 图像序列配准方法 |
CN101739674B (zh) * | 2008-11-19 | 2012-10-03 | 深圳迈瑞生物医疗电子股份有限公司 | 影像序列自动拼接方法与装置以及拼接系统 |
CN101455576B (zh) * | 2007-12-12 | 2012-10-10 | 深圳迈瑞生物医疗电子股份有限公司 | 超声宽景成像的方法、装置与系统 |
CN103312968A (zh) * | 2012-03-08 | 2013-09-18 | 卡西欧计算机株式会社 | 图像解析装置、图像处理装置、以及图像解析方法 |
CN104376563A (zh) * | 2014-11-21 | 2015-02-25 | 深圳市理邦精密仪器股份有限公司 | 一种超声宽景成像的处理方法及装置 |
CN104427242A (zh) * | 2013-09-10 | 2015-03-18 | 联想(北京)有限公司 | 图像拼接方法、装置及电子设备 |
CN104586417A (zh) * | 2013-10-31 | 2015-05-06 | 塞弗拉合作社 | 用于增大锥束计算机层析成像获取中的视场的方法和设备 |
CN105738477A (zh) * | 2016-02-24 | 2016-07-06 | 飞依诺科技(苏州)有限公司 | 超声扫描的宽景成像方法及装置 |
CN105982696A (zh) * | 2015-02-06 | 2016-10-05 | 无锡触典科技有限公司 | 实时宽景超声成像装置及方法 |
CN107016695A (zh) * | 2017-04-13 | 2017-08-04 | 首都师范大学 | 一种亚像素级影像配准方法及系统 |
TWI619080B (zh) * | 2015-02-13 | 2018-03-21 | 比亞迪股份有限公司 | 指紋重疊區域面積的計算方法及電子裝置 |
CN111493931A (zh) * | 2019-08-01 | 2020-08-07 | 深圳迈瑞生物医疗电子股份有限公司 | 一种超声成像方法及设备、计算机可读存储介质 |
WO2023206994A1 (zh) * | 2022-04-24 | 2023-11-02 | 南京麦澜德医疗科技股份有限公司 | 一种超声宽景成像方法 |
Families Citing this family (47)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100455266C (zh) * | 2005-03-29 | 2009-01-28 | 深圳迈瑞生物医疗电子股份有限公司 | 宽景成像处理方法 |
US8743137B2 (en) * | 2006-04-10 | 2014-06-03 | Edgenet, Inc. | Method for electronic color matching |
KR101264804B1 (ko) * | 2006-08-16 | 2013-05-15 | 삼성전자주식회사 | 최적의 촬영위치를 알릴 수 있는 파노라마 촬영 방법 및장치 |
US8512241B2 (en) | 2006-09-06 | 2013-08-20 | Innurvation, Inc. | Methods and systems for acoustic data transmission |
US20080165278A1 (en) * | 2007-01-04 | 2008-07-10 | Sony Corporation | Human visual system based motion detection/estimation for video deinterlacing |
US8331725B2 (en) * | 2007-01-12 | 2012-12-11 | Qualcomm Incorporated | Panoramic imaging techniques |
US20080212687A1 (en) * | 2007-03-02 | 2008-09-04 | Sony Corporation And Sony Electronics Inc. | High accurate subspace extension of phase correlation for global motion estimation |
US8553758B2 (en) * | 2007-03-02 | 2013-10-08 | Sony Corporation | Motion parameter engine for true motion |
CN101527034B (zh) | 2008-03-07 | 2013-01-23 | 深圳迈瑞生物医疗电子股份有限公司 | 自适应帧相关的方法和装置 |
US8617058B2 (en) * | 2008-07-09 | 2013-12-31 | Innurvation, Inc. | Displaying image data from a scanner capsule |
US8144766B2 (en) * | 2008-07-16 | 2012-03-27 | Sony Corporation | Simple next search position selection for motion estimation iterative search |
US8094714B2 (en) * | 2008-07-16 | 2012-01-10 | Sony Corporation | Speculative start point selection for motion estimation iterative search |
US8072504B2 (en) * | 2008-08-27 | 2011-12-06 | Micron Technology, Inc. | Method and system for aiding user alignment for capturing partially overlapping digital images |
US7830005B2 (en) * | 2008-11-12 | 2010-11-09 | Mediatek Inc. | Bond pad array for complex IC |
US9088714B2 (en) | 2011-05-17 | 2015-07-21 | Apple Inc. | Intelligent image blending for panoramic photography |
US8600194B2 (en) * | 2011-05-17 | 2013-12-03 | Apple Inc. | Positional sensor-assisted image registration for panoramic photography |
US9762794B2 (en) | 2011-05-17 | 2017-09-12 | Apple Inc. | Positional sensor-assisted perspective correction for panoramic photography |
US8957944B2 (en) | 2011-05-17 | 2015-02-17 | Apple Inc. | Positional sensor-assisted motion filtering for panoramic photography |
US9247133B2 (en) | 2011-06-01 | 2016-01-26 | Apple Inc. | Image registration using sliding registration windows |
KR101783000B1 (ko) * | 2011-07-19 | 2017-09-28 | 삼성전자주식회사 | 복수의 3차원 볼륨 영상들을 이용하여 3차원 볼륨 파노라마 영상 생성 방법 및 장치 |
KR101880634B1 (ko) * | 2011-08-09 | 2018-08-16 | 삼성전자주식회사 | 3차원 볼륨 파노라마 영상 생성 방법 및 장치 |
US10306140B2 (en) | 2012-06-06 | 2019-05-28 | Apple Inc. | Motion adaptive image slice selection |
US8902335B2 (en) | 2012-06-06 | 2014-12-02 | Apple Inc. | Image blending operations |
US9098922B2 (en) | 2012-06-06 | 2015-08-04 | Apple Inc. | Adaptive image blending operations |
TWI483711B (zh) * | 2012-07-10 | 2015-05-11 | Univ Nat Taiwan | Tumor detection system and method of breast ultrasound image |
US9442723B2 (en) * | 2012-12-28 | 2016-09-13 | Intel Corporation | Method and apparatus for integral image computation instructions |
US9832378B2 (en) | 2013-06-06 | 2017-11-28 | Apple Inc. | Exposure mapping and dynamic thresholding for blending of multiple images using floating exposure |
TWI520095B (zh) | 2013-10-21 | 2016-02-01 | 財團法人工業技術研究院 | 影像索引方法、影像索引裝置及電腦可讀取媒體 |
CN104367343B (zh) * | 2014-11-21 | 2016-08-24 | 深圳市理邦精密仪器股份有限公司 | 一种超声宽景成像的处理方法及系统 |
KR101797042B1 (ko) * | 2015-05-15 | 2017-11-13 | 삼성전자주식회사 | 의료 영상 합성 방법 및 장치 |
CN105976320A (zh) * | 2016-05-06 | 2016-09-28 | 安徽伟合电子科技有限公司 | 一种图像拼接方法 |
CN106056537B (zh) * | 2016-05-20 | 2019-05-17 | 东软医疗系统股份有限公司 | 一种医学图像拼接方法及装置 |
CN107123092B (zh) * | 2017-04-28 | 2021-10-12 | 远峰科技股份有限公司 | 一种实时切换全景图像视角的方法和装置 |
JP6545229B2 (ja) * | 2017-08-23 | 2019-07-17 | キヤノン株式会社 | 画像処理装置、撮像装置、画像処理装置の制御方法およびプログラム |
CN109509146B (zh) * | 2017-09-15 | 2023-03-24 | 腾讯科技(深圳)有限公司 | 图像拼接方法及装置、存储介质 |
CN108230245B (zh) * | 2017-12-26 | 2021-06-11 | 中国科学院深圳先进技术研究院 | 图像拼接方法、图像拼接装置及电子设备 |
CN109996069B (zh) | 2018-01-03 | 2021-12-10 | 华为技术有限公司 | 视频图像编解码方法及设备 |
KR101946577B1 (ko) * | 2018-07-05 | 2019-02-11 | 삼성전자주식회사 | 3차원 볼륨 파노라마 영상 생성 방법 및 장치 |
CN111951158B (zh) * | 2019-05-16 | 2024-04-12 | 杭州海康威视数字技术股份有限公司 | 一种无人机航拍图像拼接中断的恢复方法、装置和存储介质 |
CN112184544B (zh) * | 2019-07-04 | 2023-08-04 | 杭州海康威视数字技术股份有限公司 | 图像拼接的方法和装置 |
CN111083438B (zh) * | 2019-12-04 | 2021-05-25 | 广东康云科技有限公司 | 基于视频融合的无人巡检方法、系统、装置和存储介质 |
CN112386282B (zh) * | 2020-11-13 | 2022-08-26 | 声泰特(成都)科技有限公司 | 一种超声自动容积扫描成像方法与系统 |
CN113284049A (zh) * | 2021-06-02 | 2021-08-20 | 武汉纺织大学 | 基于图像清晰感知算法的图像拼接算法 |
CN114995219B (zh) * | 2022-05-19 | 2024-06-04 | 福州大学 | 基于arm系统的多孔径快速拼接成像控制系统 |
CN115147623A (zh) * | 2022-06-13 | 2022-10-04 | 网易有道信息技术(北京)有限公司 | 目标图像的获取方法及相关设备 |
CN116071244B (zh) * | 2023-04-03 | 2023-07-14 | 苏州秉理科技有限公司 | 大量图像拼接校正方法、系统、装置、介质 |
CN116643393B (zh) * | 2023-07-27 | 2023-10-27 | 南京木木西里科技有限公司 | 基于显微图像偏转的处理方法及系统 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE69327220T2 (de) * | 1992-10-09 | 2000-06-21 | Sony Corp., Tokio/Tokyo | Erzeugung und Aufzeichnung von Bildern |
US5588067A (en) * | 1993-02-19 | 1996-12-24 | Peterson; Fred M. | Motion detection and image acquisition apparatus and method of detecting the motion of and acquiring an image of an object |
US5782766A (en) * | 1995-03-31 | 1998-07-21 | Siemens Medical Systems, Inc. | Method and apparatus for generating and displaying panoramic ultrasound images |
US5575286A (en) * | 1995-03-31 | 1996-11-19 | Siemens Medical Systems, Inc. | Method and apparatus for generating large compound ultrasound image |
US5566674A (en) * | 1995-06-30 | 1996-10-22 | Siemens Medical Systems, Inc. | Method and apparatus for reducing ultrasound image shadowing and speckle |
US6159152A (en) * | 1998-10-26 | 2000-12-12 | Acuson Corporation | Medical diagnostic ultrasound system and method for multiple image registration |
JP3645727B2 (ja) * | 1999-01-28 | 2005-05-11 | 株式会社日立製作所 | 超音波診断装置およびパノラマ画像を合成するプログラムおよびその記録媒体 |
US6442289B1 (en) * | 1999-06-30 | 2002-08-27 | Koninklijke Philips Electronics N.V. | Extended field of view ultrasonic diagnostic imaging |
US7556733B2 (en) * | 2001-06-15 | 2009-07-07 | Mds Analytical Technologies (Us) Inc. | Low volume filtration column devices and methods of filtering therewith |
US7127090B2 (en) * | 2001-07-30 | 2006-10-24 | Accuimage Diagnostics Corp | Methods and systems for combining a plurality of radiographic images |
US6605042B2 (en) * | 2001-08-10 | 2003-08-12 | Ge Medical Systems Global Technology Company, Llc | Method and apparatus for rotation registration of extended field of view ultrasound images |
KR20030059399A (ko) * | 2001-12-29 | 2003-07-10 | 엘지전자 주식회사 | 모자이크 영상 생성장치 및 방법과 모자이크 영상 기반동영상 재생방법 |
KR100677142B1 (ko) * | 2004-08-13 | 2007-02-02 | 경희대학교 산학협력단 | 파노라마 영상의 움직임 추정 및 보상 |
US7623682B2 (en) * | 2004-08-13 | 2009-11-24 | Samsung Electronics Co., Ltd. | Method and device for motion estimation and compensation for panorama image |
CN100455266C (zh) * | 2005-03-29 | 2009-01-28 | 深圳迈瑞生物医疗电子股份有限公司 | 宽景成像处理方法 |
KR100866230B1 (ko) * | 2007-04-12 | 2008-10-30 | 삼성전자주식회사 | 파노라마 사진 촬영 방법 |
-
2005
- 2005-03-29 CN CNB2005100339079A patent/CN100455266C/zh active Active
- 2005-12-22 US US11/316,440 patent/US7565019B2/en active Active
-
2009
- 2009-07-21 US US12/506,980 patent/US7844130B2/en active Active
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101394571B (zh) * | 2007-09-21 | 2012-02-08 | 台湾新力国际股份有限公司 | 快速动态接图点搜寻方法 |
CN101455576B (zh) * | 2007-12-12 | 2012-10-10 | 深圳迈瑞生物医疗电子股份有限公司 | 超声宽景成像的方法、装置与系统 |
CN101254120B (zh) * | 2008-03-17 | 2010-09-08 | 北京好望角图像技术有限公司 | 实时超声宽视野成像方法 |
CN101739674B (zh) * | 2008-11-19 | 2012-10-03 | 深圳迈瑞生物医疗电子股份有限公司 | 影像序列自动拼接方法与装置以及拼接系统 |
CN102034231B (zh) * | 2009-09-25 | 2012-06-06 | 汉王科技股份有限公司 | 图像序列配准方法 |
CN102274042B (zh) * | 2010-06-08 | 2013-09-04 | 深圳迈瑞生物医疗电子股份有限公司 | 图像配准方法、宽景成像方法、超声成像方法及其系统 |
US8457435B2 (en) | 2010-06-08 | 2013-06-04 | Shenzhen Mindray Bio-Medical Electronics Co., Ltd | Methods and systems for extended ultrasound imaging |
CN102274042A (zh) * | 2010-06-08 | 2011-12-14 | 深圳迈瑞生物医疗电子股份有限公司 | 图像配准方法、宽景成像方法、超声成像方法及其系统 |
CN101909165B (zh) * | 2010-07-29 | 2011-10-19 | 哈尔滨工业大学 | 一种基于混合测度的视频数据宽景成像方法 |
CN101909165A (zh) * | 2010-07-29 | 2010-12-08 | 哈尔滨工业大学 | 一种基于混合测度的视频数据宽景成像方法 |
CN102166122A (zh) * | 2011-04-29 | 2011-08-31 | 华南理工大学 | 一种蛇形轨迹超声宽景成像方法 |
CN102283675A (zh) * | 2011-05-27 | 2011-12-21 | 华南理工大学 | 一种医学超声宽景成像中的旋转判断及误差纠正方法 |
CN102274045A (zh) * | 2011-05-27 | 2011-12-14 | 华南理工大学 | 一种并行的实时医学超声宽景成像方法 |
CN102274045B (zh) * | 2011-05-27 | 2013-07-24 | 华南理工大学 | 一种并行的实时医学超声宽景成像方法 |
CN103312968A (zh) * | 2012-03-08 | 2013-09-18 | 卡西欧计算机株式会社 | 图像解析装置、图像处理装置、以及图像解析方法 |
CN104427242A (zh) * | 2013-09-10 | 2015-03-18 | 联想(北京)有限公司 | 图像拼接方法、装置及电子设备 |
CN104586417A (zh) * | 2013-10-31 | 2015-05-06 | 塞弗拉合作社 | 用于增大锥束计算机层析成像获取中的视场的方法和设备 |
CN104586417B (zh) * | 2013-10-31 | 2019-08-30 | 塞弗拉合作社 | 增大锥束计算机层析成像获取中的视场的方法和成像设备 |
CN104376563B (zh) * | 2014-11-21 | 2018-03-09 | 深圳市理邦精密仪器股份有限公司 | 一种超声宽景成像的处理方法及装置 |
CN104376563A (zh) * | 2014-11-21 | 2015-02-25 | 深圳市理邦精密仪器股份有限公司 | 一种超声宽景成像的处理方法及装置 |
CN105982696B (zh) * | 2015-02-06 | 2019-01-11 | 无锡触典科技有限公司 | 实时宽景超声成像装置及方法 |
CN105982696A (zh) * | 2015-02-06 | 2016-10-05 | 无锡触典科技有限公司 | 实时宽景超声成像装置及方法 |
TWI619080B (zh) * | 2015-02-13 | 2018-03-21 | 比亞迪股份有限公司 | 指紋重疊區域面積的計算方法及電子裝置 |
CN105738477B (zh) * | 2016-02-24 | 2018-08-17 | 飞依诺科技(苏州)有限公司 | 超声扫描的宽景成像方法及装置 |
CN105738477A (zh) * | 2016-02-24 | 2016-07-06 | 飞依诺科技(苏州)有限公司 | 超声扫描的宽景成像方法及装置 |
CN107016695A (zh) * | 2017-04-13 | 2017-08-04 | 首都师范大学 | 一种亚像素级影像配准方法及系统 |
CN107016695B (zh) * | 2017-04-13 | 2019-09-17 | 首都师范大学 | 一种亚像素级影像配准方法及系统 |
CN111493931A (zh) * | 2019-08-01 | 2020-08-07 | 深圳迈瑞生物医疗电子股份有限公司 | 一种超声成像方法及设备、计算机可读存储介质 |
WO2023206994A1 (zh) * | 2022-04-24 | 2023-11-02 | 南京麦澜德医疗科技股份有限公司 | 一种超声宽景成像方法 |
Also Published As
Publication number | Publication date |
---|---|
US20060239571A1 (en) | 2006-10-26 |
US20090303833A1 (en) | 2009-12-10 |
CN100455266C (zh) | 2009-01-28 |
US7565019B2 (en) | 2009-07-21 |
US7844130B2 (en) | 2010-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1839760A (zh) | 宽景成像处理方法 | |
CN109840913B (zh) | 一种乳腺x线图像中肿块分割的方法和系统 | |
US20150133784A1 (en) | Three-dimensional ultrasound reconstruction with confidence information | |
WO2017036231A1 (zh) | 从光学相干断层图像获取视网膜结构的方法及其系统 | |
US9659390B2 (en) | Tomosynthesis reconstruction with rib suppression | |
Tang et al. | Tongue contour tracking in dynamic ultrasound via higher-order MRFs and efficient fusion moves | |
CN102509114A (zh) | 基于改进的结构相似度的图像配准方法 | |
CN111091616A (zh) | 一种三维超声图像的重建方法及装置 | |
CN1513421A (zh) | 超声波诊断装置 | |
CN112785632B (zh) | 基于epid的图像引导放疗中dr和drr影像跨模态自动配准方法 | |
CN116958217B (zh) | 一种mri与ct多模态3d自动配准方法及装置 | |
US7430323B2 (en) | Method and apparatus for 4-dimensional image warping | |
Wen et al. | An adaptive kernel regression method for 3D ultrasound reconstruction using speckle prior and parallel GPU implementation | |
CN117115184A (zh) | 一种医疗图像分割模型的训练方法、分割方法及相关产品 | |
JP4877243B2 (ja) | 対応点探索装置および該方法 | |
CN112386282B (zh) | 一种超声自动容积扫描成像方法与系统 | |
US20240164755A1 (en) | Method and system for cross-referencing of two-dimensional (2d) ultrasound scans of a tissue volume | |
JP2005354201A (ja) | 画像処理装置及び画像処理方法 | |
JP2004167109A (ja) | 3次元計測方法、3次元計測システム、画像処理装置、及びコンピュータプログラム | |
CN116228570A (zh) | 一种基于bm3d模型的乳腺超声图像去噪方法 | |
CN101048800A (zh) | 在图像序列中进行运动校正的方法及系统 | |
CN110969694B (zh) | 无约束式扫描和基于体素的三维实时骨骼成像方法 | |
CN114332278A (zh) | 一种基于深度学习的octa图像运动矫正方法 | |
CN1212586C (zh) | 基于广义模糊梯度矢量流场的医学序列图像运动估计方法 | |
US20080137928A1 (en) | Method and System for Registering CT Data Sets |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20061004 Assignee: Shenzhen Mindray Animal Medical Technology Co.,Ltd. Assignor: SHENZHEN MINDRAY BIO-MEDICAL ELECTRONICS Co.,Ltd. Contract record no.: X2022440020009 Denomination of invention: Wide field imaging processing method Granted publication date: 20090128 License type: Common License Record date: 20220804 |