用于在三維體積圖像中檢測對象的設(shè)備和方法
【專利摘要】公開了一種用于在三維體積圖像中檢測對象的方法和設(shè)備，所述設(shè)備包括：切片采樣單元，被配置為對三維體積圖像進(jìn)行采樣以獲得多個二維圖像；檢測單元，被配置為從切片采樣單元采樣獲得的多個二維圖像中的每個二維圖像檢測二維感興趣區(qū)域；組合單元，被配置為使用檢測單元檢測出的二維感興趣區(qū)域來組合三維感興趣區(qū)域；分割單元，被配置為對三維感興趣區(qū)域進(jìn)行三維分割，以提取目標(biāo)對象。
【專利說明】用于在三維體積圖像中檢測對象的設(shè)備和方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種圖像處理設(shè)備和方法，更具體地講，涉及一種用于在三維（3D)體 積圖像中檢測對象的設(shè)備和方法。

【背景技術(shù)】
[0002] 幾乎所有的3D計(jì)算機(jī)輔助診斷（CAD)系統(tǒng)都被設(shè)計(jì)用于在高質(zhì)量、高分辨率的3D 模態(tài)醫(yī)學(xué)圖像(諸如CT和MRI圖像）中檢測目標(biāo)對象。大多數(shù)的現(xiàn)有檢測方法直接應(yīng)用于 3D圖像來檢測3D對象或3D邊界區(qū)域。然而，由于3D體積圖像通常具有較大的數(shù)據(jù)量，掃 描整個體積圖像非常昂貴，因此大多數(shù)現(xiàn)有的檢測方法都使用簡單的圖像特征和模型來進(jìn) 行檢測，這可能影響檢測結(jié)果的準(zhǔn)確度。
[0003] 現(xiàn)有檢測方法可以被分為三類：基于形態(tài)匹配的直方圖、基于模板的和基于Harr 樣特征的方法。其中，第一類檢測方法僅對高質(zhì)量的3D圖像有效，因此適用范圍很窄；第二 類方法需要事先了解目標(biāo)對象的模板，但是對于外觀多樣的目標(biāo)物質(zhì)很難事先了解模板， 因此，這種方法也不適用；第三種方法只能有效監(jiān)測特征簡單的高質(zhì)量圖像，當(dāng)用于檢測具 有多種類型、特征復(fù)雜的目標(biāo)個體時，這類方法也不適用。
[0004] 此外，迫切需要一種新的具有廣泛適用性的檢測方法，以滿足檢測非高畫質(zhì)、外觀 多樣、特征復(fù)雜的目標(biāo)對象的實(shí)際需求。


【發(fā)明內(nèi)容】

[0005] 根據(jù)本發(fā)明的一方面，提供了一種用于在三維體積圖像中檢測對象的設(shè)備，包括： 切片采樣單元，被配置為對三維體積圖像進(jìn)行采樣以獲得多個二維圖像；檢測單元，被配置 為從切片采樣單元采樣獲得的多個二維圖像中的每個二維圖像檢測二維感興趣區(qū)域；組合 單元，被配置為使用檢測單元檢測出的二維感興趣區(qū)域來組合三維感興趣區(qū)域；分割單元， 被配置為對三維感興趣區(qū)域進(jìn)行三維分割，以提取目標(biāo)對象。
[0006] 所述設(shè)備還可包括：第一排序單元，被配置為當(dāng)組合單元組合出多個三維感興趣 區(qū)域時，計(jì)算指示每個三維感興趣區(qū)域是目標(biāo)對象所在區(qū)域的概率的得分，對三維感興趣 區(qū)域的得分進(jìn)行排序，并選擇得分超過預(yù)定分?jǐn)?shù)的三維感興趣區(qū)域提供給分割單元。
[0007] 所述設(shè)備還可包括：第二排序單元，被配置為當(dāng)分割單元提取出多個目標(biāo)對象時， 計(jì)算指示每個目標(biāo)對象是所關(guān)心的目標(biāo)對象的概率的得分，對所述多個目標(biāo)對象的得分進(jìn) 行排序，并將得分超過預(yù)定分?jǐn)?shù)的目標(biāo)對象確定為所關(guān)心的目標(biāo)對象。
[0008] 所述檢測單元可被配置為使用MSER算法、E-SVM算法和DPM算法中的一個或多個 在二維圖像中檢測二維感興趣區(qū)域。
[0009] 所述組合單元可計(jì)算檢測單元檢測出的二維感興趣區(qū)域之間的重合度或者特征 相似度，依據(jù)計(jì)算出的重合度或特征相似度對二維感興趣區(qū)域進(jìn)行分組，并將屬于相同組 的多個二維感興趣區(qū)域組合為一個三維感興趣區(qū)域。進(jìn)一步的，所述組合單元可將檢測單 元檢測出的每個二維感興趣區(qū)域視為無向圖中的一個頂點(diǎn)，確定每個頂點(diǎn)與其他頂點(diǎn)之間 的權(quán)重，連通所述無向圖中權(quán)重大于O的所有頂點(diǎn)對以形成帶權(quán)重的無向圖，并對帶權(quán)重 的無向圖進(jìn)行劃分以獲得一個或多個強(qiáng)連通分量。每個強(qiáng)連通分量中包括的頂點(diǎn)所代表的 二維感興趣區(qū)域可被組合為一個三維感興趣區(qū)域。兩個頂點(diǎn)之間的權(quán)重可指所述兩個頂點(diǎn) 代表的兩個二維感興趣區(qū)域的重合度或特征相似度。
[0010] 對于使用特定算法檢測出的任意兩個頂點(diǎn)Rm(i)和Rn(j)，在組合單元中可使用下 面的等式（1)來計(jì)算代表所述兩個二維感興趣區(qū)域的兩個頂點(diǎn)之間的權(quán)重：

【權(quán)利要求】
1. 一種用于在三維體積圖像中檢測對象的設(shè)備，包括： 切片采樣單元，被配置為對三維體積圖像進(jìn)行采樣以獲得多個二維圖像； 檢測單元，被配置為從切片采樣單元采樣獲得的多個二維圖像中的每個二維圖像檢測 二維感興趣區(qū)域； 組合單元，被配置為使用檢測單元檢測出的二維感興趣區(qū)域來組合三維感興趣區(qū)域； 分割單元，被配置為對三維感興趣區(qū)域進(jìn)行三維分割，以提取目標(biāo)對象。
2. 如權(quán)利要求1所述的設(shè)備，還包括： 第一排序單元，被配置為當(dāng)組合單元組合出多個三維感興趣區(qū)域時，計(jì)算指示每個三 維感興趣區(qū)域是目標(biāo)對象所在區(qū)域的概率的得分，對三維感興趣區(qū)域的得分進(jìn)行排序，并 選擇得分超過預(yù)定分?jǐn)?shù)的三維感興趣區(qū)域提供給分割單元。
3. 如權(quán)利要求1或2所述的設(shè)備，還包括： 第二排序單元，被配置為當(dāng)分割單元提取出多個目標(biāo)對象時，計(jì)算指示每個目標(biāo)對象 是所關(guān)心的目標(biāo)對象的概率的得分，對所述多個目標(biāo)對象的得分進(jìn)行排序，并將得分超過 預(yù)定分?jǐn)?shù)的目標(biāo)對象確定為所關(guān)心的目標(biāo)對象。
4. 如權(quán)利要求1所述的設(shè)備，其中，所述組合單元計(jì)算檢測單元檢測出的二維感興趣 區(qū)域之間的重合度或者特征相似度，依據(jù)計(jì)算出的重合度或特征相似度對二維感興趣區(qū)域 進(jìn)行分組，并將屬于相同組的多個二維感興趣區(qū)域組合為一個三維感興趣區(qū)域。
5. 如權(quán)利要求4所述的設(shè)備，其中，所述組合單元將檢測單元檢測出的每個二維感興 趣區(qū)域視為無向圖的一個頂點(diǎn)，確定每個頂點(diǎn)與其他頂點(diǎn)之間的權(quán)重，連通所述無向圖中 權(quán)重大于O的所有頂點(diǎn)對以形成帶權(quán)重的無向圖，并對帶權(quán)重的無向圖進(jìn)行劃分以獲得一 個或多個強(qiáng)連通分量，其中，每個強(qiáng)連通分量中包括的頂點(diǎn)所代表的二維感興趣區(qū)域被組 合為一個三維感興趣區(qū)域，其中，兩個頂點(diǎn)之間的權(quán)重是指所述兩個頂點(diǎn)代表的兩個二維 感興趣區(qū)域的重合度或特征相似度。
6. 如權(quán)利要求5所述的設(shè)備，其中，對于使用特定算法檢測出的任意兩個頂點(diǎn)(i)和 Rn(j)，在組合單元中使用下面的等式（1)來計(jì)算代表所述兩個二維感興趣區(qū)域的兩個頂點(diǎn) 之間的權(quán)重：
Rn(j)指示檢測單元使用所述特定算法對切片采樣單元采樣獲得的第η個二維圖像In 進(jìn)行檢測而獲得的第j個二維感興趣區(qū)域，Rm (i)指示檢測單元使用所述特定算法對切片采 樣單元采樣獲得的第m個二維圖像Im進(jìn)行檢測而獲得的第i個二維感興趣區(qū)域，Λ是用于 控制兩個二維感興趣區(qū)域的連通性的閾值，Jaccard函數(shù)用于計(jì)算可連通的二維感興趣區(qū) 域的重合度。
7. 如權(quán)利要求5所述的設(shè)備，其中，組合單元使用輪廓特征、紋理特征、位置特征中的 一種特征來計(jì)算使用特定算法檢測出的任意兩個二維感興趣區(qū)域之間的特征相似度，并將 計(jì)算出的特征相似度確定為無向圖中代表所述任意兩個二維感興趣區(qū)域的兩個頂點(diǎn)之間 的權(quán)重。
8. 如權(quán)利要求5所述的設(shè)備，其中，使用Tarjan算法對所述帶權(quán)重的無向圖進(jìn)行劃分 以獲得一個或多個強(qiáng)連通分量。
9. 如權(quán)利要求2所述的設(shè)備，其中，第一排序單元使用支持向量機(jī)或機(jī)器學(xué)習(xí)來計(jì)算 每個三維感興趣區(qū)域是目標(biāo)對象所在區(qū)域的概率的得分。
10. 如權(quán)利要求3所述的設(shè)備，其中，第二排序單元使用支持向量機(jī)或機(jī)器學(xué)習(xí)來計(jì)算 每個目標(biāo)對象是所關(guān)心的目標(biāo)對象的概率的得分。
11. 如權(quán)利要求1所述的設(shè)備，還包括： 插值單元，被配置為對三維感興趣區(qū)域進(jìn)行插值，以在三維體積圖像中形成連續(xù)的三 維感興趣區(qū)域。
12. -種用于在三維體積圖像中檢測對象的方法，所述方法包括： (a) 對三維體積圖像進(jìn)行采樣以獲得多個二維圖像； (b) 從采樣獲得的多個二維圖像中的每個二維圖像檢測二維感興趣區(qū)域； (c) 使用檢測出的二維感興趣區(qū)域來組合三維感興趣區(qū)域； (d) 對三維感興趣區(qū)域進(jìn)行三維分割，以提取目標(biāo)對象。
13. 如權(quán)利要求12所述的方法，步驟（c)還包括： 當(dāng)組合出多個三維感興趣區(qū)域時，計(jì)算指示每個三維感興趣區(qū)域是目標(biāo)對象所在區(qū)域 的概率的得分，對三維感興趣區(qū)域的得分進(jìn)行排序，并選擇得分超過預(yù)定分?jǐn)?shù)的三維感興 趣區(qū)域作為步驟（d)的輸入。
14. 如權(quán)利要求12或13所述的方法，步驟（d)還包括： 當(dāng)提取出多個目標(biāo)對象時，計(jì)算指示每個目標(biāo)對象是所關(guān)心的目標(biāo)對象的概率的得 分，對所述多個目標(biāo)對象的得分進(jìn)行排序，并將得分超過預(yù)定分?jǐn)?shù)的目標(biāo)對象確定為所關(guān) 心的目標(biāo)對象。
15. 如權(quán)利要求12中所述的方法，其中，在步驟（c)包括： (cl)計(jì)算檢測出的二維感興趣區(qū)域之間的重合度或者特征相似度； (c2)依據(jù)計(jì)算出的重合度或特征相似度對二維感興趣區(qū)域進(jìn)行分組，并將屬于相同組 的多個二維感興趣區(qū)域組合為一個三維感興趣區(qū)域。
16. 如權(quán)利要求15所述的方法，其中，步驟（c2)包括： 將在步驟（b)中檢測出的每個二維感興趣區(qū)域視為無向圖中的一個頂點(diǎn)，并確定每個 頂點(diǎn)與其他頂點(diǎn)之間的權(quán)重； 連通所述無向圖中權(quán)重大于〇的所有頂點(diǎn)對以形成帶權(quán)重的無向圖； 對帶權(quán)重的無向圖進(jìn)行劃分以獲得一個或多個強(qiáng)連通分量， 其中，每個強(qiáng)連通分量中包括的頂點(diǎn)所代表的二維感興趣區(qū)域被組合為一個三維感興 趣區(qū)域， 其中，兩個頂點(diǎn)之間的權(quán)重是指所述兩個頂點(diǎn)代表的兩個二維感興趣區(qū)域的重合度或 特征相似度。
17. 如權(quán)利要求16所述的方法，其中，對于使用特定算法檢測出的任意兩個頂點(diǎn)ια) 和1?"0_)，使用下面的等式（1)來計(jì)算代表所述兩個二維感興趣區(qū)域的兩個頂點(diǎn)之間的權(quán) 重：
Rn(j)指示使用所述特定算法對采樣獲得的第η個二維圖像In進(jìn)行檢測而獲得的第j個二維感興趣區(qū)域，Rm(i)指示使用所述特定算法對采樣獲得的第m個二維圖像Im進(jìn)行檢 測而獲得的第i個二維感興趣區(qū)域，△是用于控制兩個二維感興趣區(qū)域的連通性的閾值， Jaccard函數(shù)用于計(jì)算可連通的二維感興趣區(qū)域的重合度。
18. 如權(quán)利要求16所述的方法，其中，使用輪廓特征、紋理特征、位置特征中的一種特 征來計(jì)算使用特定算法檢測出的任意兩個二維感興趣區(qū)域之間的特征相似度，并將計(jì)算出 的特征相似度確定為無向圖中代表所述任意兩個二維感興趣區(qū)域兩個頂點(diǎn)之間的權(quán)重。
19. 如權(quán)利要求16所述的方法，其中，使用Tarjan算法對所述帶權(quán)重的無向圖進(jìn)行劃 分以獲得一個或多個強(qiáng)連通分量。
20. 如權(quán)利要求13所述的方法，其中，使用支持向量機(jī)或機(jī)器學(xué)習(xí)來計(jì)算每個三維感 興趣區(qū)域是目標(biāo)對象所在區(qū)域的概率的得分。
21. 如權(quán)利要求14所述的方法，其中，使用支持向量機(jī)或機(jī)器學(xué)習(xí)來計(jì)算每個目標(biāo)對 象是所關(guān)心的目標(biāo)對象的概率的得分。
22. 如權(quán)利要求12所述的方法，步驟（c)還包括：對三維感興趣區(qū)域進(jìn)行插值，以在三 維體積圖像中形成連續(xù)的三維感興趣區(qū)域。
【文檔編號】G06T7/00GK104463825SQ201310421889
【公開日】2015年3月25日 申請日期:2013年9月16日 優(yōu)先權(quán)日:2013年9月16日
【發(fā)明者】冀永楠, 張紅衛(wèi), 張麗丹, 劉志花, 任海兵, 金智淵, 禹景久 申請人:北京三星通信技術(shù)研究有限公司, 三星電子株式會社