JPH10143648A - 帯状対象を自動摘出するディジタル画像処理方法 - Google Patents

帯状対象を自動摘出するディジタル画像処理方法

Info

Publication number
JPH10143648A
JPH10143648A JP9278484A JP27848497A JPH10143648A JP H10143648 A JPH10143648 A JP H10143648A JP 9278484 A JP9278484 A JP 9278484A JP 27848497 A JP27848497 A JP 27848497A JP H10143648 A JPH10143648 A JP H10143648A
Authority
JP
Japan
Prior art keywords
pixel
image
pixels
boundary
center
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.)
Withdrawn
Application number
JP9278484A
Other languages
English (en)
Inventor
Sherif Makram-Ebeid
マクラム−エベイド シェリフ
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.)
Koninklijke Philips NV
Original Assignee
Philips Electronics NV
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 Philips Electronics NV filed Critical Philips Electronics NV
Publication of JPH10143648A publication Critical patent/JPH10143648A/ja
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • 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
    • G06T2207/10116—X-ray image
    • G06T2207/10121—Fluoroscopy
    • 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
    • G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
    • 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
    • G06T2207/20036—Morphological image processing
    • G06T2207/20044—Skeletonization; Medial axis transform
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Radiography Using Non-Light Waves (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

(57)【要約】 【課題】 本発明は、ディジタル画像の背景に表現され
た実質的に帯状の対象を自動的に摘出するディジタル画
像処理方法の提供を目的とする。 【解決手段】 ディジタル画像から数個のスケールで平
滑化画像を形成し、平滑化画像で対象の境界画素を抽出
し、スケールと比例した半径を有し、別々の境界画素の
組で境界に正接する円の中心と関係し、円の中心と組の
境界画素が実質的に一直線に整列される依存性の測定値
と関係した候補中央画素を抽出し、同一位置に対し依存
性の最大測定値を有する異なる平滑化画像から抽出され
た候補中央画素の第１の選択と、実質的に一直線に整列
された向きに最大強度を局部的に有する残りの候補中央
画素の第２の選択とを用いて中央画素を抽出し、抽出さ
れた中央画素のディジタル画像の追跡により対象のスケ
ルトンを構築する。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は背景に表現された実
質的に帯状の対象を自動的に摘出するディジタル画像処
理方法に係る。更に、本発明は医用画像システムと組み
合わせて上記方法を実施する装置に関する。
【０００２】本発明は、特に、蛍光透視モードを有する
装置を含む動脈造影用システムが設けられているＸ線装
置の分野で使用され得る。
【０００３】
【従来の技術】対象のロバスト性表現用の画像処理方法
は、ブライアン モース(Bryan Morse) 、ステファン
ピザー(Stephen Pizer) 他による刊行物“対象に関連し
たスケールの使用によるロバスト対象表現(Robust Obje
ct Representation Through Object-Relevant Use of a
Scale) ”、104, SPIE, Vol.2167, Image Processing,
1994, pp.104-115 により公知である。
【０００４】引用文献には、フォローアップ（同定、追
跡）するために適当な形式で対象を表現するため、対象
を分離する画像区分法が記載されている。この方法は、
ノイズによる画像劣化の除去、分解能の変化を伴わない
倍率の変化、ぼかし等によってかかる表現を実現するこ
とを目的とする。引用文献は、対象の幅に比例したスケ
ールで測定された対象の中央にある点の場所を表わす
“ＣＯＲＥ”と称される第１の概念を定義する。
【０００５】ある点は、対象が以下の二つの条件を満た
す限り、対象の中央、又は、対象の中央線上にあると考
えられる。第１の条件は、中央点からある距離又は半径
ｒ（半値幅と称される）に少なくとも２個の境界点が必
ず存在することである。第２の条件は、上記半値幅ｒの
向きは境界に対し垂直であることである。上記引用文献
は、パラメータσにより定義される測定のスケールは半
値幅ｒに比例している場合に上記方法を実施する第２の
概念を定義する。
【０００６】上記引用文献の概念“ＣＯＲＥ”は画像の
一方の端から他方の端まで単一のスケールで対象を表現
しない上、所定の対象を対象自体の内部において単一の
スケールで表現しない。ＣＯＲＥの考え方は、スケール
空間内で別個の曲線を形成するスケールの範囲内で対象
を同時に表現する。この区分法のステップは、まず第一
に、 １）多重分解能に亘り画像を記述するスケール空間を生
成するため、種々のスケールで画像を平滑化し、 ２）“境界”と称される第１のファジィ集合を形成し、
適当な演算子を用いて計算される候補境界点の暗影を各
スケールで評価し、 ３）“中央性”と称される第２のファジィ集合を形成
し、全ての候補境界点の組により定義され、上記２通り
の条件に従って多重分解能空間内で計算された中央点の
暗影を評価し、 ４）所謂“中央性”ファジィ集合内で、上記第２のファ
ジィ集合の強度最大値である稜線を検出するサブステッ
プにおいて所謂ＣＯＲＥ要素の計算を必要とする。
【０００７】上記引用文献に記載された方法は、多重分
解能空間内でできる限りファジィ集合概念を保存するた
め、中央点の暗影に通ずる境界点の暗影を利用しなが
ら、ディジタル画像内の対象の中央線の位置測定を行う
必要があり、各計算毎に画像内の現時の点の座標である
２個の空間変数、即ち、検出すべき半径ｒに比例した多
重分解能平滑化フィルタのコアである変数σと、現時の
点に関係した強度変数とを含む。従って、上記の計算は
非ユークリッド幾何で行う必要がある。上記方法は、特
に、所定の特殊形状の対象を表わす画像の区分を行うた
めに利用されない。
【０００８】
【発明が解決しようとする課題】本発明は、ユークリッ
ド幾何で行われ、多量の計算時間を要することなく、少
数の画素に対し簡単なステップを実行することにより、
ディジタル画像の背景に表現された実質的に帯状の対象
を自動的に摘出する問題を解決するディジタル画像処理
方法の提供を目的とする。
【０００９】
【課題を解決するための手段】上記本発明の目的は、 １）ディジタル画像から数通りのスケールで平滑化され
た画像を形成するステップと、平滑化された各画像にお
いて、 ２）対象の境界画素を抽出するステップと、 ３）比例定数ｋによりスケールにリンクされた半径を有
し、一対の明確な境界画素で境界と接する円の中心の位
置と関係し、上記円の中心及び上記一対の境界画素が実
質的に整列されている依存性の程度と関係した候補中央
画素を抽出するステップと、 ４）同じ位置に対し最大の依存性の程度を有する別々の
平滑化された画像から抽出された候補中央画素の第１の
選択、並びに、実質的に整列の方向で最大の強度を局部
的に有する残りの候補中央画素の第２の選択を用いて、
中央画素を抽出するステップと、上記抽出された中央画
素により形成されたディジタル画像において、 ５）対象のスケルトンを構成するため上記抽出された画
素を追跡するステップとを含む方法により達成される。
【００１０】
【発明の実施の形態】以下添付図面を参照して、本発明
の方法及び本発明の方法を実施する装置を詳細に説明す
る。添付図面には、背景上にコントラストをなす帯の形
式の対象が表現されたディジタル画像処理方法の種々の
ステップが詳細に記載されている。上記のステップは、
対象の中央線に関係した画素を自動的に供給し、対象が
背景とより良い対照をなす強調強度レベルと称される強
度レベルを有するディジタル画像を最終的に再生するた
め、画像の対象のスケルトン化を行う。
【００１１】図１から分かるように、ディジタル原画像
Ｊ00は、一例として取り上げたアプリケーションの動脈
造影図である。この動脈造影図は、不均一な背景上に暗
い帯によって表現された著しく変化する径を有する血管
を含む。非常に小径の血管は、識別することが特に困難
である。図１０に示される如く、区分処理の実行後、デ
ィジタル形式である画像ＪR は、均一な背景上にコント
ラストのある強調強度レベルで再生された図１の動脈造
影図の中の動脈系だけを含む。
【００１２】本発明の方法を機能的なブロックの形式で
表わす図２を参照するに、画像処理方法は、好ましく
は、以下に説明する一連のステップを含む。 （１）ディジタル画像Ｊ00の取得 図１に示される如く、ディジタル画像形成手段１００
は、ディジタル化された強度レベルを有する画素の２次
元マトリックスＪ00の形式でディジタル画像を取得す
る。この場合、取得された画像Ｊ00は動脈造影図を表わ
し、血管はより明るい背景上に暗い帯を形成する。
【００１３】取得された画像は、次に、例えば、図２に
示される如くのディジタル画像Ｊ0を供給するため、例
えば、従来のルックアップテーブル法を用いて、強度を
強調するフィルタリング演算１１０を受ける。 （２）多重分解能フィルタリング（１０．１〜１０．
Ｎ） フィルタ処理された画像Ｊ0 は、フィルタリング演算に
より得られたＮ個の平滑化画像Ｊ’1 乃至Ｊ’N の対応
する分解能を定める異なる標準偏差σ1 乃至σ N をもつ
等方性ガウシアン関数の形式のコアを有するＮ段のロー
パスフィルタ１０．１乃至１０．Ｎの系列に通される。
数値Ｎは、例えば、２≦Ｎ≦１００であり、添字ｉは、
１≦ｉ≦Ｎである。Ｎ＝１０の例において、多重分解能
フィルタリングが行われる。標準偏差σ1 乃至σ10によ
り表わされた各コアを有する１０個のガウシアンフィル
タ１０．１乃至１０．１０を画像Ｊ0 全体に通すことに
より、異なる分解能を伴う１０個の平滑化ディジタル画
像Ｊ’1 乃至Ｊ’10を生成する。標準偏差σi は用語
“スケールσi ”で表わされ、対応する画像はＪ’iで
表わされる。
【００１４】系列の中の各画像において、Ｒi ＞σi で
あるＲi と称される半値幅により表わされた単一タイプ
の血管が調べられる。例えば、ｋが定数を表わすとき、
半値幅がＲi ＝ｋσ1 である血管が調べられる。好まし
くは、ｋ＝３、即ち、Ｒi ＝３σi である。係数ｋ及び
スケールσi は、かくして、系列の各画像Ｊ’i で検出
されるべき血管のタイプを定める。上記数値及びスケー
ル値σi は、非常に狭い血管から非常に広い血管までの
全ての血管、或いは、帯状の他の対象が検出され得るよ
うに注意して選択されるべきである。
【００１５】（３）背景摘出 背景摘出ステップ２０．１乃至２０．Ｎは、動脈系に属
していない要素をあらゆる分解能で除去するため、スケ
ールσi で平滑化された各画像Ｊ’i 上で行われる。図
１２の（Ａ）には、平滑化画像Ｊ’i 内の血管と交差す
る画素のラインＬ１に沿った強度Ｉのプロファイルが示
される。この強度プロファイルは、背景に対応する緩や
かな強度変化を伴う部分Ｖa1と、血管に対応する強度ピ
ークを形成知る部分Ｖa2とを表わす。背景の抽出は、平
滑化画像Ｊ’i の全体に亘るラインＬ１の現時の画素Ｐ
（ｘ，ｙ）の周りに中心が置かれたフィルタ２０．ｉの
通過と、ラインＬ１に関する現時の画素Ｐ（ｘ，ｙ）の
左側へ一定の距離Ｄi のところに在る画素Ａの強度ＩA
及び現時の画素Ｐ（ｘ，ｙ）の右側へ同じ距離Ｄi のと
ころに在る画素Ｂの強度ＩB の平均値の形成とを含む。
計算された平均強度は現時の画素Ｐ（ｘ，ｙ）に割り当
てられる。
【００１６】フィルタ２０．ｉの適用は血管に起因する
強度ピークＶa2を除去し、強度レベル部分Ｖa3は血管の
位置に在る背景を形成すべく評価される。このフィルタ
リングステップ２０．ｉは、 Ｄi ＞Ｒi ＝ｋσi 例えば、Ｄi ＞３σi のようにスケールσi で距離値Ｄi を採用する際に実行
される。
【００１７】平滑化画像Ｊ’i 内の血管Ｖa 及びＶb を
概略的に示す図１２の（Ｂ）を参照するに、フィルタリ
ングステップ２０．ｉは、画像Ｊ’i の平面内でπ／Ｐ
間隔で規則的に分配された複数Ｐ個の方向Ｌ1 乃至Ｌp
で行われる。好ましくは、Ｐ＝８であり、フィルタリン
グ演算２０．ｉは、π／８毎の規則的な角度の間隔が設
けられた８方向で行われる。
【００１８】現時の各画素Ｐ（ｘ，ｙ）において、背景
の強度値は、一定のスケールσi でＬ1 からＬp まで方
向を変化させながら評価された全ての値の中の最小値と
して順々に評価される。フィルタリング演算２０．ｉに
より、各スケールσi に対し、例えば、図３に示される
如く評価された背景画像ＪiBG が得られる。次に、一例
として図４に示される如く、対応する平滑化画像Ｊ’i
の強度データから、背景に対し評価され、画像ＪiBG 内
で得られた強度値を減算ステップ３０．ｉを用いて減算
すると共に、計算された強度データを画素に割り当てる
ことにより画像Ｊi が形成される。
【００１９】かくして、種々のスケールσi で、背景が
抜き取られたＮ個の画像Ｊi が得られる。上記背景抽出
方法は、血管が重ね合わされる領域内の欠陥、誤り、又
は、精度不足を生じることがなく、かつ、多量の計算時
間を必要としないので、特に有利である。
【００２０】（４）画像の系列Ｊi 内の対象の境界の抽
出 ステップ４０．ｉは、所定のスケールσi で各画像Ｊi
内で調べられた半径Ｒ i を有する血管の境界を抽出すべ
く行われ、処理されるべき現時の各画素Ｐ（ｘ，ｙ）で
ｘｘ’及びｙｙ’として示される垂直な走査軸方向の画
像Ｊi 内の強度関数の１次微係数の計算による強度勾配
の判定を含む。
【００２１】好ましくは、強度勾配は、“ソーベル(Sov
el) ”フィルタと称される有向フィルタの適用により得
られる。以下、ｘ’ｘ軸に関するフィルタをＳｏｖｅｌ
x で表わし、ｙ’ｙ軸に関するフィルタをＳｏｖｅｌy
で表わす。Ｓｏｖｅｌフィルタの使用は、米国ニュージ
ャージ州07632 、Prentice Hall, Inc. Englewood Clif
fsから発行されたDana H. BalardとCristopher M. Brow
n による一般的な教科書“コンピュータビジョン(Compu
ter Vision) ”、77ページ、6-17行に図3.10Cと共に説
明されている。
【００２２】図１３に示される如く、フィルタＳｏｖｅ
ｌx 及びＳｏｖｅｌy の適用は、現時の画素Ｐ（ｘ，
ｙ）で強度勾配ベクトル
【００２３】
【外１】
【００２４】の軸ｘ’ｘ及びｙ’ｙ方向の夫々の成分
【００２５】
【外２】
【００２６】を生成する。上記成分
【００２７】
【外３】
【００２８】の比の計算は、例えば、基準として与えら
れた軸ｘ’ｘに対してベクトル勾配
【００２９】
【外４】
【００３０】により挟まれた角φの正接の値を供給す
る。成分
【００３１】
【外５】
【００３２】のφ方向への射影の和の計算により、符号
を除く勾配ベクトルの率
【００３３】
【外６】
【００３４】が得られる。かくして、現時の各画素で、
勾配ベクトルが方向角φ及びその率
【００３５】
【外７】
【００３６】により定義される。角φは、Ｍが定数を表
わすとき、刻み幅π／Ｍで実質的に離散化される。例え
ば、定数Ｍは８と一致するように選択され、角の刻み幅
はπ／８と一致する。勾配の率
【００３７】
【外８】
【００３８】と関係した角はφではなく、φの最近傍で
選択された離散的な角Θj である。角の刻み幅がπ／８
であるならば、勾配と関係した角は、以下の値 Θ1 ＝０；Θ2 ＝π／８；Θ3 ＝π／４；Θ4 ＝３π／
８；Θ5 ＝π／２；Θ6 ＝５π／８；Θ7 ＝３π／４；
Θ8 ＝７π／８ を取る。
【００３９】一定スケールσi での画像Ｊi 内の境界の
抽出は、実質的に極値ではない勾配を除去することから
なる。この演算は、画像Ｊi の平面内でπ／Ｑの刻み幅
で規則的に分布した複数Ｑ個の方向で処理された画像Ｊ
i を走査することにより行われる。一例として、Ｑ＝８
が選択される。走査方向は、離散的な角Θ1 乃至Θ8 に
対応する。所定の角方向で近傍に対して最大の勾配を示
す現時の画素は、境界画素として選択され、その強度が
零に設定され、一方、極値ではない勾配を示す画素の強
度は１に設定され、或いは、夫々逆に設定してもよい。
【００４０】他の例としてＱ＝４が選択される。例え
ば、走査方向は離散的な角Θ1 、Θ3、Θ5 、Θ7 に対
応する。角Θ2 及びΘ8 を有する勾配は走査中にΘ1 方
向に投影され、一方、角Θ4 及びΘ6 を有する勾配はΘ
5 方向に射影される。最大勾配を有する現時の画素は上
記の如く、選択され抽出される。画像平面内で規則的に
角度に関して分布した少数の軸に沿った他の走査方法が
実現可能である。走査中に、勾配が上記方向の中で計算
された方向Θ1 乃至ΘMと最も近い一方向に射影され、
勾配射影の最大値に対応する画素は境界画素として選択
される。
【００４１】境界画素の写像と称される２値画像Ｋ
i は、例えば、図５に示される如く、各スケールσi で
このデータに基づいて形成される。 （５）候補中央画素の抽出 （５．１） 候補中央画素の位置測定 各境界画素は、以下の数個の特徴：画像Ｋi 内の座標
ｘ，ｙ、及び、Θ1 からΘM までの方向Θj を有する。
【００４２】方向Θj はπ／Ｍよりも小さい不正確さを
伴う勾配ベクトルの方向である。上記例の場合に、方向
Θj は、π／８よりも小さい不正確さを伴う勾配ベクト
ルの方向であり、勾配ベクトルの角φは±π／８の範囲
内の離散的な方向Θj 上に中心が合わされる。上記特徴
は、ステップ５０．ｉにおいて各ディジタル画像Ｊi に
おける候補中央画素、即ち、帯状対象又は血管の境界か
ら実質的に同じ距離に在る画素の位置測定に利用され
る。
【００４３】このためステップ５０．ｉにおいて、最初
に円Ｃi が図１４の（Ａ）の各画像Ｊi に生成される。
円Ｃi は、中心Ωi と、上記の如くスケールσi とリン
クされた値の半径Ｒi とを有し、上記判定された強度勾
配の離散的な方向Θj に従う離散的な形で向きが定めら
れた線上の中心Ωi から実質的にＲi と等しい距離に配
置された画素Ｐj 、Ｐ’j により形成される。次に、各
画像Ｊi は、例えば、図１４の（Ｂ）に示される如く
ｘ’ｘ軸方向に従来の方法で走査され、上記の円Ｃi の
中心Ωi は位置ｘ，ｙの現時の各画素Ｐ（ｘ，ｙ）に適
用される。離散的な方向Θj の中の一つの線上の円Ｃi
の画素Ｐj 、Ｐ’j と実質的に一致する少なくとも１個
の境界画素Ｅがあるかどうか、並びに、境界画素Ｅ1 と
関係した強度勾配
【００４４】
【外９】
【００４５】の離散的な方向が上記線の方向Θj と実質
的に一致するかどうかが調べられる。かかる境界画素Ｅ
1 は、ｘ，ｙに配置された中心Ωi と半径Ｒi とを有す
る円に対する画素Ｅ1 を含む境界Ｂ1 と正接し第１の線
上に在る。かかる第１の境界画素Ｅ1 が検出されたなら
ば、同一状況下で、第１の境界画素と区別された、離散
的な方向Θj の中の別の方向の線上で円Ｃi の別の画素
と実質的に一致する第２の境界画素Ｅ2 があるか否か、
並びに、この境界画素Ｅ2 と関係した強度勾配
【００４６】
【外１０】
【００４７】の離散的な方向が上記線の方向と一致する
かどうかが調べられる。かかる第２の境界画素Ｅ2 は、
中心Ωi がｘ，ｙに置かれ、半径Ｒi を有する円に対す
る画素Ｅ2 を含む境界Ｂ2 に正接する第２の線上に在
る。境界画素Ｅ1 及びＥ2 は上記条件が満たされるとき
対にされ、更に、両方の点における勾配ベクトルは、処
理されるべき画像Ｊi が明るい背景上の暗い物体により
形成されるか、或いは、その逆により形成されるかに応
じて、中心Ω1 に向かう方向、又は、逆方向のいずれか
である。上記状況下で、点Ｅ1 で第１の境界Ｂ1 と実質
的に正接し、点Ｅ2 で第２の境界Ｂ2 と実質的に正接
し、半径Ｒi を有する円が存在する。
【００４８】かくして、同一画像Ｊi 内、又は、異なる
スケールσi の異なる画像Ｊi 内で、一定の位置ｘ，ｙ
に対応する境界画素Ｅ1 とＥ2 の組を数組決めることが
可能である。上記種々の組に関係する中心Ωi は候補中
央画素Ωipと称される。 （５．２） 依存性の測定 ステップ５０．ｉにおいて、画素の組Ｅ1 、Ｅ2 と実質
的に整列した各候補中央画素Ωipは、依存性の測定値が
割り当てられる。
【００４９】図１４の（Ｂ）及び（Ｃ）を参照するに、
画素の組Ｅ1 、Ｅ2 と関係した強度勾配の離散化された
方向ΘE1とΘE2との間に形成された角と、この角の２等
分線であり、離散化された方向ΘE1とΘE2との間の半分
の角Δψの測定値を決定する候補中央画素Ωipと関係し
た特別扱いの離散的な方向ψh とが定義される。添字ｈ
は、ｊとリンクした離散化定数である。候補中央画素Ω
ipと関係した依存性の測定値は、画素の組Ｅ1 、Ｅ2 に
関係した二つの強度勾配値の中の小さい方と、半分の角
Δψの正弦の値との積により与えられる。この依存性の
測定値は、半分の角Δψの正弦の値が１に近づくと共に
大きくなる。これは、半分の角Δψがπ／２に近づくこ
と、即ち、図１４の（Ｃ）に記載されているように候補
中央画素が画素の組Ｅ1 、Ｅ2 と一直線状の関係に近づ
く場合に対応する。
【００５０】候補中央画素Ωipの位置に関係するデータ
及び関係した依存性の測定値は、かくして抽出され、記
憶される。対応する各画素Ωipは、対象の中央画素の情
報の候補である。最良の候補を選択する必要がある。候
補中央画素Ωipにより形成された画像Ｊ0 の初期スケー
ルでのディジタル画像Ｊp は図６に示されている。 （６）中央画素の抽出 （６．１） 等方性選択 ステップ６０．ｉにおいて、境界画素Ｅ1 、Ｅ2 の異な
る組と関係し、かつ、異なる依存性の組と関係する数通
りの候補中央画素が、同一画像Ｊi 内又は異なるスケー
ルの異なる画像Ｊi 内で同一の所定位置ｘ，ｙに存在す
るか否かが調べられる。最初の同一画像Ｊi 内の場合
に、最良の候補を保存するため所謂等方性選択が行われ
る。この選択は、画像Ｊi 内の位置ｘ，ｙを占め、依存
性の最大測定値を有する候補中央画素の一つを決定し、
同一画像Ｊi 内の同一位置の他の候補中央画素を削除す
ることにより行われる。更に、別の画像Ｊ1 乃至ＪM か
ら抽出された同一位置ｘ，ｙの候補中央画素に対し依存
性の最大測定値を有する候補中央画素が選択され得る。
この場合、２Ｒi 以外、即ち、２Ｒi よりも大きいか又
は小さい直径を有する対象を検出する方が好ましく、こ
れは、特に、対象が重なり合う場合に重要である。残り
の候補中央画素は図７に示される如くのディジタル画像
ＪISO を形成する。
【００５１】（６．２） 異方性選択 残りの候補中央画素は依存性の最大測定値を有するの
で、関連した組Ｅ1 、Ｅ 2 の画素と実質的に一直線に整
列する。残りの候補中央画素は異なる位置を有する。ス
テップ７０において、所謂異方性選択が行われる。この
ため、画像は特別扱いの方向ψh に対し垂直に延在する
直線に沿って走査される。候補中央画素ΩiPは、その強
度が上記の半径Ｒi 以下の大きさのウィンドウ内の近傍
に関して最大であるならば、中央画素ΩiMとして選択さ
れる。
【００５２】図８に示されたディジタル画像ＪMED は、
帯又は血管の形で対象の中央画素Ω iMとして選択され、
全ての画像Ｊi から抽出された全ての画素と共に画像Ｊ
0 のスケールで再生される。 （７）対象のスケルトンを形成するための中央画素の追
跡 前のステップ中に対象の中央画素として抽出された画素
は、開始中央画素から始めると共に隣接した画素を判定
することにより対象のスケルトンを形成するため、ステ
ップ８０において画像ＪMED 内で連結される。
【００５３】抽出された中央画素ΩiMは、画像ＪMED 及
び中央画素が抽出された画像Ｊi 内で確定された以下の
特徴：画像ＪMED 内での位置ｘ，ｙと、画像ＪMED 内で
の初期強度と、中央画素と関連があり、平滑化画像Ｊi
内で決定された特別扱いの方向ψh と、中央画素が抽出
された平滑化画像Ｊi のスケールσi とを有する。
【００５４】図１５を参照するに、画像ＪMED は従来の
方法で走査される。開始中央画素に対し、スケルトンの
前方画素及び後方画素を形成するため、最良の近傍が他
の中央画素から調べられる。このため、探索角±σψ、
例えば、±π／８は、特別扱いの方向ψh の周りで予め
決められ、最良の近傍は、方向ψh の周りに角±σψを
形成する直線ψ’とψ”との間で形成された区分状ゾー
ン内で探される。上記区分状ゾーン内で、最大探索距離
ｄ、例えば、ｄ＝１５画素が予め決められる。開始画素
に最も近い強度を有する前方及び後方画素は、区分状ゾ
ーン内並びに距離範囲内で探索される。更に、一定のス
ケールσi で平滑化された同一画像から抽出された中央
画素だけではなく、最近傍にある平滑化された他の画像
から抽出された中央画素も連結を許される。例えば、１
乃至２個の大きい又は小さいスケールで平滑化された画
像から抽出された中央画素が最良の近傍として認められ
ることが予め決定される。
【００５５】近傍画素と称される最良の前方画素又は後
方画素であるべく検出された中央画素ΩiMは、当該中央
画素に付け加えられる。一方で最良の前方画素、他方で
最良の後方画素が連続的に探索されるので、ディジタル
画像ＪMED に基づいて、中央画素、即ち、対象の境界か
ら等距離にある画素により構成された対象のスケルトン
を形成する画素の連結が形成される。所定の連結に対
し、更なる前方画素又は後方画素が検出されないなら
ば、連結は終了され、他の連結が開始画素として作用す
る他の中央画素から開始される。その結果として、異な
る対象のスケルトンは、図９の画像ＪSKによって示され
る如く、相互に独立して抽出される。
【００５６】例えば、以下のアプリケーションに対し、
連続的な系列の個数ｑは中央画素の連結の各画素に依
る。 （８）アプリケーション （８．１） 画像内での対象の再生 このアプリケーションの場合に、種々のスケールσi と
関係し、中心がスケルトンの画素により形成された半径
Ｒi の異なる円の表面を上記中心の強度に割り当てるこ
とにより統合し、帯状対象を再生するため補助ステップ
８０が実行される。
【００５７】このようにして図１０に示されたディジタ
ル画像ＪR が得られ、極大強度の画素が中央画素ΩiMと
して選択され、最終的にスケルトン画素として選択され
るので、画像の中の対象は強調された強度を有する。こ
の画像は、適当なシステムで表示又は記録される。スケ
ルトンの各画素に関係する所定数のデータが記憶され
る。記憶されるデータは、データの個数ｑと、画素が抽
出された画像のスケールに対応する円の半径Ｒi とから
なる。
【００５８】（８．２） 画像からの妨害性対象の除去 上記方法によれば、追跡された画素から非常に遠くにあ
る特別扱いの方向ψhを有し、同一対象の一部を形成し
ない前方画素又は後方画素を除去する上記追跡方法によ
りスケルトンの画素が判定されるので、対象は別々に抽
出される。従って、重なり合う二つの対象は、別々の対
象として検出され、単一対象として検出され得ない。
【００５９】この特徴は画像から妨害性対象を除去する
演算８１により利用される。肺気腫の検査のための胸部
動脈造影図において、帯状の対象である肋骨は、径の大
きさが異なっていても同じく帯状の血管の検査を阻害す
る問題が生じる。肋骨により形成された対象は、肋骨に
対応した径を有する帯状対象の摘出により除去される。
【００６０】（８．３） 狭窄又は動脈瘤の検出 他のアプリケーションにおいて、スケルトンの画素の個
数“ｑ”の関数としての半径Ｒi の変化曲線は、図１６
に示される如く、対象の径の急激な変化を容易に検出し
得る演算８２により生成される。狭窄に対応する急激な
収縮、或いは、動脈瘤に対応する対象の径の急激な増大
は、かかる曲線上で検出され得る。対象は独立に検出さ
れるので、径の増大は所定の対象の動脈瘤に関係し、対
象の重なり合いによるものではないことが合理的に保証
される。
【００６１】これは、重なり合い又は相互に遮る二つの
対象を分離し得ない区分方法により得られる結果とは異
なる。
【００６２】
【実施例】図１７には、ディジタルＸ線撮影システムの
一例が示されている。ディジタルＸ線撮影システムは、
Ｘ線源１と、患者を収容する移動台２と、マイクロプロ
セッサを含むディジタル画像処理システム５にデータを
供給する撮像管４に接続された画像増倍器３とからな
る。ディジタル画像処理システム５は、複数の出力を有
し、その中の一つの出力６はＸ線撮影画像又は強度画像
を表示するモニタ７に接続される。
【００６３】ディジタル化されたＸ線撮影画像は、８ビ
ット又は１０ビットで符号化された５１２×５１２又は
１０２４×１０２４画素からなる。各画素は、２５６又
は１０２４の強度レベルを有する。例えば、画像の暗い
領域は低強度レベルを有し、明るい領域は高強度レベル
を有する。ディジタル化された画像は蛍光透視モードで
得られる。本発明は、特に、動脈造影画像の処理に使用
することが可能である。
【００６４】上記ディジタル画像処理方法の種々のステ
ップ及び演算は、ディジタル画像処理システム５におい
て実施される。データは記憶ゾーン（図示しない）に記
憶され、必要に応じてモニタ７に表示される。記録手段
（図示しない）を使用しても構わない。
【００６５】
【発明の効果】本発明の方法によれば多数の利点が得ら
れる。本発明によれば、計算は一つずつ処理された均一
の画像内で行われる。上記の計算は簡単であり、計算時
間は短い。この方法は、複雑な動脈造影図における血管
の抽出及び識別と、動脈造影図における狭窄又は動脈瘤
の記述と、肺気腫の検出のため肺の動脈造影図を検査す
る際に障害物を形成する肋骨のように血管の幅とは異な
る幅を有する既知の帯状の形状をなす対象の除去とに適
用され得る。
【図面の簡単な説明】
【図１】ディジタル原画像Ｊ00を示す図である。
【図２】フィルタ処理された画像Ｊ0 を示す図である。
【図３】スケールσi で平滑化されたディジタル背景評
価画像ＪiBG を表わす図である。
【図４】スケールσi で平滑化され、背景が抽出された
ディジタル画像Ｊi を表わす図である。
【図５】境界画素のスケールσi で平滑化された２値写
像Ｋi を表わす図である。
【図６】中央画素のスケールσi で平滑化されたディジ
タル画像Ｊimedを表わす図である。
【図７】等方性選択により選択された中央画素のスケー
ルσi で平滑化されたディジタル画像ＪISO を表わす図
である。
【図８】非等方性又は横方向選択により選択された中央
画素のスケールσi で平滑化されたディジタル画像Ｊ
LAT を表わす図である。
【図９】対象のスケルトンを得るため追跡により連結さ
れた中央画素のディジタル画像ＪSKを表わす図である。
【図１０】中央画素と関係した円の表面の統合により原
画像のスケールで再生されたディジタル画像ＪR を表わ
す図である。
【図１１】本発明の方法を表わす機能的なブロック図で
ある。
【図１２】（Ａ）及び（Ｂ）は、所定のスケールσi で
別々の演算子に従って背景を抽出するステップを説明す
る図である。
【図１３】所定のスケールσi で境界を抽出するステッ
プを説明する図である。
【図１４】（Ａ）は所定のスケールσi で候補中央画素
を探索するステップにおける半径Ｒi の円の生成を示
し、（Ｂ）及び（Ｃ）は、夫々、等方性選択サブステッ
プを実行するための境界画素の第１の対と関係した所定
の位置での第１の候補中央画素の抽出、及び、境界画素
の第２の対と関係した同一の位置での第２の候補中央画
素の抽出を示し、（Ｄ）は中央画素を供給するため候補
中央画素の横方向選択を行うサブステップを示す図であ
る。
【図１５】スケルトンの画素を与える中央画素追跡ステ
ップを示す図である。
【図１６】対象のスケルトンに沿って対象の半径の変化
を調べるステップを示す図である。
【図１７】ディジタル画像の形成用の医用Ｘ線装置を表
わす図である。
【符号の説明】
１ Ｘ線源 ２ 移動台 ３ 画像増倍器 ４ 撮像管 ５ ディジタル画像処理システム ６ 出力 ７ モニタ １０．１，．．，１０．Ｎ ローパスフィルタ ２０．１，．．，２０．Ｎ 背景抽出 ３０．ｉ 減算 ４０．ｉ 境界抽出 ５０．ｉ 位置測定 ６０．ｉ 等方性選択 ７０ 異方性選択 ８０ スケルトン形成 ８１ 妨害性対象除去 ８２ 対象の径の変化の検出 １００ ディジタル画像形成 １１０ フィルタリング演算

Claims (11)

    【特許請求の範囲】
  1. 【請求項１】 背景上に表わされた実質的に帯状の対象
    を自動的に摘出するディジタル画像処理方法であって、 １）ディジタル画像（Ｊ0 ）から数個のスケール
    （σi ）で平滑化画像（Ｊi）を形成するステップと、 各平滑化画像（Ｊ1 ）において、 ２）対象の境界画素を抽出するステップと、 ３）比例定数（ｋ）により上記スケール（σi ）に関係
    付けられた半径（Ｒi）を有し、別々の境界画素
    （Ｅ1 ，Ｅ2 ）の組で境界に正接する円の中心（Ωi）
    と関係し、かつ、上記円の中心（Ωi ）と上記組の境界
    画素が実質的に一直線に整列される依存性の測定値と関
    係した潜在的中央画素（ΩiP）を抽出するステップと、 ４）同一位置に対し依存性の最大測定値を有する異なる
    平滑化画像から抽出された候補中央画素の第１の選択、
    並びに、実質的に一直線に整列された向きに最大強度を
    局部的に有する残りの候補中央画素の第２の選択を用い
    て、中央画素（ΩiM）を抽出するステップと、 抽出された中央画素により形成されたディジタル画像
    （ＪMED ）において、 ５）対象のスケルトンを構築するため抽出された中央画
    素を追跡するステップとにより対象をスケルトン化する
    処理を含む方法。
  2. 【請求項２】 上記ステップ２）は、画素に関係した強
    度勾配の値が上記強度勾配の離散化された方向
    （Θ1 ．．．ΘM ）において局所的に最大であるとき、
    該画素を対象の境界画素として抽出する段階を含み、 上記ステップ３）は、勾配の離散化された向きと実質的
    に一致する正接線上で実質的に上記円上に在る別々の境
    界画素（Ｅ1 ，Ｅ2 ）の組が存在するならば、上記円の
    中心（Ωi ）の位置（ｘ，ｙ）と関係し、かつ、上記組
    の境界画素の強度勾配の最小値と、対応する勾配の離散
    化された向きの間の半分の角の正弦の値との積により形
    成された依存性の測定値と関係した候補中央画素
    （ΩiP）を抽出する段階と、 上記異なる平滑化画像（Ｊi ）内の組と同じ位置（ｘ，
    ｙ）と関係した同数の候補中央画素を抽出する段階とを
    含む請求項１記載の方法。
  3. 【請求項３】 上記ステップ４）は、 上記依存性の測定値を構成する積が最大値である画素と
    して、上記異なる平滑化画像（Ｊi ）内の同じ位置にあ
    る数個の候補中央画素の中から第１の候補中央画素を選
    択する段階と、 中央画素と関係した組の境界画素（Ｅ1 ，Ｅ2 ）の勾配
    の離散化された向き（Θj ）の間の角の２等分線の離散
    的な向き（ψh ）に垂直な方向で考慮された最大強度を
    示す画素として、残りの候補中央画素の中から第２の中
    央画素を選択する段階とを有する請求項２記載の方法。
  4. 【請求項４】 抽出された中央画素を追跡する上記ステ
    ップ５）は、抽出された各中央画素を、 ディジタル画像（ＪMED ）内の位置と、 ディジタル画像（ＪMED ）内の強度と、 上記中央画素が抽出された上記平滑化画像（Ｊi ）のス
    ケール（σi ）と、 上記境界画素（Ｅ1 ，Ｅ2 ）の組が抽出された平滑化画
    像（Ｊi ）内で関連付けられた上記組の２個の境界画素
    （Ｅ1 ，Ｅ2 ）の勾配の離散化された向き（Θ j ）の間
    の角の２等分線の離散的な向きにより形成された特別扱
    いの向き（ψh）とを含む特徴に関係付ける段階と、 抽出された中央画素の位置に基づいて、所定の範囲内に
    収まる距離（ｄ）、強度（Ｉ）、スケール（σi ）及び
    特別扱いの向き（ψh ）に関する特徴を有し、抽出され
    た中央画素として定義された隣接する中央画素を判定
    し、隣接する画素を一つずつ連結する段階とを含む請求
    項３記載の方法。
  5. 【請求項５】 上記ステップ３）は、 現時の画素（Ｐ（ｘ，ｙ））に在る中心（Ωi ）を有
    し、平滑化画像（Ｊi ）のスケール（σi ）に比例した
    上記半径（Ｒi ）と実質的に一致する一定の距離で上記
    中心の周りに配置され、上記境界画素の強度勾配と関係
    した離散化された向き（Θ1 ．．．ΘM ）の線上に配置
    された画素により形成される円を生成する段階と、 上記円を平滑化画像全体に適用し、 候補中央画素（ΩiP）を形成する中央画素（Ωi ）と関
    係した境界画素（Ｅ1，Ｅ2 ）の組を形成するため、上
    記円の画素と実質的に一致し、上記円の対応する半径と
    実質的に一致する離散的な勾配方向（ΘE1）を有する第
    １の境界画素（Ｅ1 ）を探索し、 上記第１の境界画素（Ｅ1 ）が検出されたならば、上記
    円の別の画素と実質的に一致し、上記円の対応する半径
    と実質的に一致する離散的な勾配方向（ΘE2）を有する
    第１の境界画素（Ｅ2 ）を探索する段階とを有する請求
    項２乃至４のうちいずれか１項記載の方法。
  6. 【請求項６】 上記境界画素を抽出するステップ２）
    は、 強度勾配方向を判定し、 スケール（σi ）が当該平滑化画像平面内でπ／Ｍ間隔
    で角度的に分配されている複数の向き（Θ1 乃至ΘM ）
    に上記方向を離散化し、 画素が境界画素として検出され、上記判定された離散的
    な勾配方向で局所的に考慮された勾配の値が最大である
    ならば該画素が最終的に抽出されるという条件により構
    成された境界画素の抽出の判定規準を適用する段階を有
    する請求項２乃至５のうちいずれか１項記載の方法。
  7. 【請求項７】 上記第２の中央画素を選択するステップ
    ４）は、 上記候補中央画素（ΩiP）と関係した特別扱いの向き
    （ψh ）を形成する２等分線の離散化された向きを判定
    し、 上記特別扱いの向きと垂直に当該平滑化画像を走査し、 上記円の半径（Ｒi ）以下の幅を有するウィンドウ内で
    上記向きに極端な強度をなす中央画素を選択する段階を
    含む請求項６記載の方法。
  8. 【請求項８】 スケール（σi ）と関連づけられた異な
    る半径（Ｒi ）を有し、スケルトンの画素を中心として
    有する円の表面を上記中心の強度に割り当てることによ
    り統合し、帯状の対象を再生するステップを更に含む請
    求項１乃至７のうちいずれか１項記載の方法。
  9. 【請求項９】 スケルトンの連続的な各画素が割り当て
    られた系列の個数（ｑ）の関数として半径（Ｒi ）の変
    化を調べることにより、帯状の対象の径の変化を判定す
    るステップを更に含む請求項１乃至８のうちいずれか１
    項記載の方法。
  10. 【請求項１０】 境界画素を抽出するステップの前に平
    滑化された画像に関して行われる背景を摘出するステッ
    プを更に含み、 上記背景を摘出するステップは、 規則的にπ／Ｐ間隔で角度的に向きが定められ、各フィ
    ルタが現時の画素の両側で平滑化画像内の血管の半径
    （Ｒi ）よりも大きい距離（Ｄi ）に在る画素の平均強
    度を定め上記平均強度を上記現時の画素に割り当てるＰ
    個のフィルタのグループを、平滑化画像の画素に適用す
    る段階と、 各画素に上記フィルタのグループにより定められた強度
    の中で最低強度が割り当てられる背景画像（ＪiBG ）を
    形成する段階と、 上記平滑化画像内の背景を取り除く段階とを有する請求
    項１乃至９のうちいずれか１項記載の方法。
  11. 【請求項１１】 ディジタル画像を捉えるシステムと、 上記ディジタル画像へのアクセスと、上記捉えられた画
    像及び処理された画像を表示するシステムへのアクセス
    とを有する画像処理システムとにより構成され、背景上
    に帯状の対象を表わすディジタル医用画像を処理する医
    用システムの装置において、 請求項１乃至１０のうちいずれか１項記載の方法を実施
    するマイクロプロセッサが上記画像処理システムに設け
    られている装置。
JP9278484A 1996-10-16 1997-10-13 帯状対象を自動摘出するディジタル画像処理方法 Withdrawn JPH10143648A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR9612631 1996-10-16
FR9612631 1996-10-16

Publications (1)

Publication Number Publication Date
JPH10143648A true JPH10143648A (ja) 1998-05-29

Family

ID=9496730

Family Applications (1)

Application Number Title Priority Date Filing Date
JP9278484A Withdrawn JPH10143648A (ja) 1996-10-16 1997-10-13 帯状対象を自動摘出するディジタル画像処理方法

Country Status (4)

Country Link
US (1) US6134353A (ja)
EP (1) EP0840252B1 (ja)
JP (1) JPH10143648A (ja)
DE (1) DE69724906T2 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012011303A1 (ja) 2010-07-21 2012-01-26 オリンパスメディカルシステムズ株式会社 画像処理装置及び画像処理方法

Families Citing this family (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6786420B1 (en) 1997-07-15 2004-09-07 Silverbrook Research Pty. Ltd. Data distribution mechanism in the form of ink dots on cards
US6618117B2 (en) 1997-07-12 2003-09-09 Silverbrook Research Pty Ltd Image sensing apparatus including a microcontroller
US6624848B1 (en) 1997-07-15 2003-09-23 Silverbrook Research Pty Ltd Cascading image modification using multiple digital cameras incorporating image processing
AUPO850597A0 (en) 1997-08-11 1997-09-04 Silverbrook Research Pty Ltd Image processing method and apparatus (art01a)
AUPO802797A0 (en) 1997-07-15 1997-08-07 Silverbrook Research Pty Ltd Image processing method and apparatus (ART54)
US6879341B1 (en) 1997-07-15 2005-04-12 Silverbrook Research Pty Ltd Digital camera system containing a VLIW vector processor
US6948794B2 (en) 1997-07-15 2005-09-27 Silverbrook Reserach Pty Ltd Printhead re-capping assembly for a print and demand digital camera system
US7110024B1 (en) 1997-07-15 2006-09-19 Silverbrook Research Pty Ltd Digital camera system having motion deblurring means
US6985207B2 (en) 1997-07-15 2006-01-10 Silverbrook Research Pty Ltd Photographic prints having magnetically recordable media
AUPO801897A0 (en) * 1997-07-15 1997-08-07 Silverbrook Research Pty Ltd Image processing method and apparatus (ART24)
US6690419B1 (en) 1997-07-15 2004-02-10 Silverbrook Research Pty Ltd Utilising eye detection methods for image processing in a digital image camera
FR2779548B1 (fr) * 1998-06-05 2000-11-10 Thomson Csf Procede de suivi dynamique de l'evolution de milieux deformables, et de prediction de leur evolution
US6393159B1 (en) * 1998-06-29 2002-05-21 The Regents Of The University Of California Multiscale characterization and analysis of shapes
AUPP702098A0 (en) 1998-11-09 1998-12-03 Silverbrook Research Pty Ltd Image creation method and apparatus (ART73)
DE69922317D1 (de) 1998-09-29 2005-01-05 Koninkl Philips Electronics Nv Bildverarbeitungsverfahren für medizinische Ultraschall-Abbildungen der Knochenstruktur, und ein Gerät für rechnerunterstützte Chirurgie
AUPQ056099A0 (en) 1999-05-25 1999-06-17 Silverbrook Research Pty Ltd A method and apparatus (pprint01)
WO2001031583A1 (en) 1999-10-26 2001-05-03 Koninklijke Philips Electronics N.V. Image processing method, system and apparatus for noise reduction in an image sequence representing a threadlike structure
AU2002233178A1 (en) * 2001-02-26 2002-10-03 Visible Diagnostic Method of detecting and segmenting characteristics areas in a picture, and use of the method
US6912309B2 (en) * 2003-03-06 2005-06-28 Lockheed Martin Corporation Method and system for identifying objects in an image
US7983446B2 (en) * 2003-07-18 2011-07-19 Lockheed Martin Corporation Method and apparatus for automatic object identification
US7873195B2 (en) * 2004-09-22 2011-01-18 Koninklijke Philips Electronics N.V. Conformal segmentation of organs in medical images
US7343032B2 (en) * 2005-09-01 2008-03-11 Fujifilm Corporation Method and apparatus for automatic and dynamic vessel detection
US7953266B2 (en) * 2007-02-06 2011-05-31 Siemens Medical Solutions Usa, Inc. Robust vessel tree modeling
TWI353778B (en) * 2007-12-21 2011-12-01 Ind Tech Res Inst Moving object detection apparatus and method
JP4636146B2 (ja) * 2008-09-05 2011-02-23 ソニー株式会社 画像処理方法、画像処理装置、プログラム及び画像処理システム
WO2011008906A1 (en) * 2009-07-15 2011-01-20 Mayo Foundation For Medical Education And Research Computer-aided detection (cad) of intracranial aneurysms
EP2309450B1 (en) 2009-09-21 2016-04-06 Orcamp AB Method for characterizing a blood vessel
CN101976336A (zh) * 2010-10-21 2011-02-16 西北工业大学 一种基于模糊增强和曲面拟合的图像边缘特征提取方法
US8848996B2 (en) * 2012-02-17 2014-09-30 Siemens Medical Solutions Usa, Inc. System for suppressing vascular structure in medical images
US9320486B2 (en) * 2012-11-14 2016-04-26 Siemens Medical Solutions Usa, Inc. System for viewing vasculature and perfuse tissue

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2623642B1 (fr) * 1987-11-23 1990-03-09 Thomson Rech Procede de segmentation d'images angiographiques vasculaires par suivi vectoriel d'axes et detection de contours asservie
US5539838A (en) * 1990-09-14 1996-07-23 Fuji Photo Film Co., Ltd. Abnormal pattern detecting apparatus pattern finding aparatus and liner pattern width calculating apparatus
FR2708166A1 (fr) * 1993-07-22 1995-01-27 Philips Laboratoire Electroniq Procédé de traitement d'images numérisées pour la détection automatique de sténoses.
FR2733336A1 (fr) * 1995-04-20 1996-10-25 Philips Electronique Lab Procede et dispositif de traitement d'images pour la detection automatique d'objets dans des images numerisees

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012011303A1 (ja) 2010-07-21 2012-01-26 オリンパスメディカルシステムズ株式会社 画像処理装置及び画像処理方法
US8306301B2 (en) 2010-07-21 2012-11-06 Olympus Medical Systems Corp. Image processing apparatus and image processing method

Also Published As

Publication number Publication date
DE69724906D1 (de) 2003-10-23
US6134353A (en) 2000-10-17
DE69724906T2 (de) 2004-07-22
EP0840252B1 (fr) 2003-09-17
EP0840252A1 (fr) 1998-05-06

Similar Documents

Publication Publication Date Title
JPH10143648A (ja) 帯状対象を自動摘出するディジタル画像処理方法
US7860290B2 (en) Three-dimensional (3D) modeling of coronary arteries
US5768405A (en) Digital image processing method for local determination of the center and the width of objects in the form of contrasting bands on a background
US7574026B2 (en) Method for the 3d modeling of a tubular structure
US8050481B2 (en) Method and apparatus for small pulmonary nodule computer aided diagnosis from computed tomography scans
Saha et al. Topomorphologic separation of fused isointensity objects via multiscale opening: Separating arteries and veins in 3-D pulmonary CT
US20020094112A1 (en) Image processing method including a chaining step, and medical imaging apparatus including means for carrying out this method
US8588501B2 (en) Automatic pose initialization for accurate 2-D/3-D registration applied to abdominal aortic aneurysm endovascular repair
JPH0852127A (ja) 対象の輪郭上に位置するキー点を自動的に検出するための画像処理方法及び装置
Karssemeijer et al. Recognition of organs in CT-image sequences: a model guided approach
Chang et al. Methods for detection of left ventricular edges
US7298879B2 (en) Computer-aided detection of lung nodules
CN115439453A (zh) 一种脊椎椎体定位方法、装置、电子设备及存储介质
JPH11259650A (ja) ノイズを含む多次元画像を処理する方法及び医用映像化装置
JP4408863B2 (ja) 医用画像処理装置及び方法
Blondel et al. Automatic trinocular 3D reconstruction of coronary artery centerlines from rotational X-ray angiography
US9536314B2 (en) Image reconstruction
Koh et al. Automatic spinal canal detection in lumbar MR images in the sagittal view using dynamic programming
CN113989178A (zh) 基于自监督学习的cta图像血管分割与平扫图像预测
JP2004516875A (ja) 検査される物体の体積表示を有するデータセットを解析する方法
Florin et al. Automatic heart peripheral vessels segmentation based on a normal MIP ray casting technique
JP6642048B2 (ja) 医療画像表示システム、医療画像表示プログラム及び医療画像表示方法
CN114998582A (zh) 一种冠脉血管的分割方法、装置及存储介质
Smets et al. A knowledge-based system for the 3D reconstruction and representation of the cerebral blood vessels from a pair of stereoscopic angiograms
Bouma et al. Evaluation of segmentation algorithms for intravascular ultrasound images

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20041012

A761 Written withdrawal of application

Free format text: JAPANESE INTERMEDIATE CODE: A761

Effective date: 20071203

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20071214