從圖像中檢測血管的方法和設(shè)備的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計(jì)算機(jī)視覺領(lǐng)域。更具體地講，涉及一種從圖像中檢測血管的方法和 設(shè)備。
【背景技術(shù)】
[0002] 隨著計(jì)算機(jī)視覺技術(shù)的發(fā)展，其已經(jīng)被逐漸應(yīng)用于醫(yī)學(xué)成像領(lǐng)域。血管作為人體 的一個(gè)重要組織，在圖像(例如，醫(yī)學(xué)圖像）中檢測血管具有非常重要的意義。
[0003] 然而，在圖像中，特別醫(yī)學(xué)圖像中，血管的外觀多變，形狀和尺寸差異非常大，還存 在部分血管邊界不清晰的情況。此外，在含噪聲的圖像中，噪聲區(qū)域與血管區(qū)域有相似的外 觀，精確檢測出血管具有很大難度。此外，在現(xiàn)有的血管檢測技術(shù)中，需要依賴人工干預(yù)來 獲得檢測結(jié)果，效率較低。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于提供一種從圖像中檢測血管的方法和設(shè)備，從而能夠從圖像中 精確地檢測出血管。
[0005] 本發(fā)明的一方面提供一種從圖像中檢測血管的方法，包括：利用多種顯著性檢測 方法從待測圖像檢測血管的顯著性區(qū)域，以得到多個(gè)顯著性圖像；對得到的多個(gè)顯著性圖 像進(jìn)行融合，以得到融合圖像；尋找融合圖像中的閉合區(qū)域作為血管候選區(qū)域；從血管候 選區(qū)域提取特征；基于提取的特征，利用訓(xùn)練好的分類器從血管候選區(qū)域檢測出血管區(qū)域。
[0006] 可選地，所述方法還包括：利用圖像分割算法對檢測出的血管區(qū)域的邊界進(jìn)行精 細(xì)化。
[0007] 可選地，所述圖像分割算法為水平集方法。
[0008] 可選地，所述特征包括灰度直方圖、梯度直方圖、紋理特征、幾何特征中的至少一 個(gè)。
[0009] 可選地，使用從訓(xùn)練樣本圖像中提取的所述特征來訓(xùn)練分類器，其中，訓(xùn)練樣本圖 像包括具有血管的正訓(xùn)練樣本圖像和沒有血管的負(fù)訓(xùn)練樣本圖像。
[0010] 可選地，不同的顯著性檢測方法包括下述算法中的至少兩個(gè)：基于黑森 (Hessian)矩陣的血管增強(qiáng)算法、連續(xù)穩(wěn)定區(qū)域提取算法、對稱區(qū)域檢測算法、強(qiáng)對比度區(qū) 域增強(qiáng)算法、基于球面通量（spherical flux)的血管增強(qiáng)算法。
[0011] 可選地，所述方法還包括：對各個(gè)顯著性圖像中的像素的像素值進(jìn)行歸一化，使得 各個(gè)顯著性圖像中的像素的像素值的范圍區(qū)間相同，其中，對得到的多個(gè)顯著性圖像進(jìn)行 融合的步驟包括：對執(zhí)行了像素值的歸一化的多個(gè)顯著性圖像進(jìn)行融合。
[0012] 可選地，對得到的多個(gè)顯著性圖像進(jìn)行融合的步驟包括：通過最大化下面的模型 來得到作為融合圖像中的像素的像素值的標(biāo)注符號，其中，標(biāo)注符號指示像素是否屬于血 管區(qū)域，
【主權(quán)項(xiàng)】
1. 一種從圖像中檢測血管的方法,包括： 利用多種顯著性檢測方法從待測圖像檢測血管的顯著性區(qū)域，以得到多個(gè)顯著性圖 像； 對得到的多個(gè)顯著性圖像進(jìn)行融合，以得到融合圖像； 尋找融合圖像中的閉合區(qū)域作為血管候選區(qū)域； 從血管候選區(qū)域提取特征； 基于提取的特征，利用訓(xùn)練好的分類器從血管候選區(qū)域檢測出血管區(qū)域。
2. 根據(jù)權(quán)利要求1所述的方法，還包括：利用圖像分割算法對檢測出的血管區(qū)域的邊 界進(jìn)行精細(xì)化。
3. 根據(jù)權(quán)利要求2所述的方法，其中，所述圖像分割算法為水平集方法。
4. 根據(jù)權(quán)利要求1所述的方法，其中，所述特征包括灰度直方圖、梯度直方圖、紋理特 征、幾何特征中的至少一個(gè)。
5. 根據(jù)權(quán)利要求1所述的方法，其中，使用從訓(xùn)練樣本圖像中提取的所述特征來訓(xùn)練 分類器，其中，訓(xùn)練樣本圖像包括具有血管的正訓(xùn)練樣本圖像和沒有血管的負(fù)訓(xùn)練樣本圖 像。
6. 根據(jù)權(quán)利要求1所述的方法，其中，不同的顯著性檢測方法包括下述算法中的至少 兩個(gè)：基于黑森（Hessian)矩陣的血管增強(qiáng)算法、連續(xù)穩(wěn)定區(qū)域提取算法、對稱區(qū)域檢測算 法、強(qiáng)對比度區(qū)域增強(qiáng)算法、基于球面通量（spherical flux)的血管增強(qiáng)算法。
7. 根據(jù)權(quán)利要求1所述的方法，其中，所述方法還包括：對各個(gè)顯著性圖像中的像素的 像素值進(jìn)行歸一化，使得各個(gè)顯著性圖像中的像素的像素值的范圍區(qū)間相同， 其中，對得到的多個(gè)顯著性圖像進(jìn)行融合的步驟包括：對執(zhí)行了像素值的歸一化的多 個(gè)顯著性圖像進(jìn)行融合。
8. 根據(jù)權(quán)利要求1所述的方法，其中，對得到的多個(gè)顯著性圖像進(jìn)行融合的步驟包括： 通過最大化下面的模型來得到作為融合圖像中的像素的像素值的標(biāo)注符號，其中，標(biāo)注符 號指示像素是否屬于血管區(qū)域，
其中，f (I (P)，I (q)，yp，y<!) =-1 (yp 關(guān) y<!) exp (- ω 11 (P) -I (q) I) 其中，Z為用于歸一化的常數(shù)，I表述待測圖像中的像素的集合，p表示待測圖像中的一 像素，M表示顯著性圖像的數(shù)量，λ i是對應(yīng)于第i顯著性圖像的模型參數(shù)，Si (p)表示像素 P在第i個(gè)顯著性圖像中的對應(yīng)像素的值，yp表示像素P在融合圖像中的對應(yīng)像素的標(biāo)注 符號，N p表示像素p的一個(gè)鄰域，q表示該鄰域中的一像素，y,表示像素q在融合圖像中的 對應(yīng)像素的標(biāo)注符號，ω是模型的參數(shù)，I (p)表示像素p的像素值，I (q)表示像素q的像 素值「1 (yp關(guān)y<i)為開關(guān)函數(shù)，當(dāng)yp關(guān)y<i，該函數(shù)的值為1，當(dāng)yp =y<i時(shí)，該函數(shù)的值為〇。
9. 根據(jù)權(quán)利要求8所述的方法，其中，通過如下方式來訓(xùn)練出所述模型的參數(shù)Ai以及 ω :從標(biāo)注了標(biāo)注符號的樣本圖像獲得標(biāo)注符號作為已知量，將參數(shù)Ai以及ω作為未知 量，計(jì)算使得所述模型最大化時(shí)的A i以及ω。
10. -種從圖像中檢測血管的設(shè)備，包括： 顯著性檢測單元，利用多種顯著性檢測方法從待測圖像檢測血管的顯著性區(qū)域，以得 到多個(gè)顯著性圖像； 融合單元，對得到的多個(gè)顯著性圖像進(jìn)行融合，以得到融合圖像； 候選檢測單元，尋找融合圖像中的閉合區(qū)域作為血管候選區(qū)域； 特征提取單元，從血管候選區(qū)域提取特征； 分類單元，基于提取的特征，利用訓(xùn)練好的分類器從血管候選區(qū)域檢測出血管區(qū)域。
11. 根據(jù)權(quán)利要求10所述的設(shè)備，還包括：精細(xì)單元，利用圖像分割算法對檢測出的血 管區(qū)域的邊界進(jìn)行精細(xì)化。
12. 根據(jù)權(quán)利要求11所述的設(shè)備，其中，所述圖像分割算法為水平集方法。
13. 根據(jù)權(quán)利要求10所述的設(shè)備，其中，所述特征包括灰度直方圖、梯度直方圖、紋理 特征、幾何特征中的至少一個(gè)。
14. 根據(jù)權(quán)利要求10所述的設(shè)備，其中，使用從訓(xùn)練樣本圖像中提取的所述特征來訓(xùn) 練分類器，其中，訓(xùn)練樣本圖像包括具有血管的正訓(xùn)練樣本圖像和沒有血管的負(fù)訓(xùn)練樣本 圖像。
15. 根據(jù)權(quán)利要求10所述的設(shè)備，其中，不同的顯著性檢測方法包括下述算法中的至 少兩個(gè)：基于黑森（Hessian)矩陣的血管增強(qiáng)算法、連續(xù)穩(wěn)定區(qū)域提取算法、對稱區(qū)域檢測 算法、強(qiáng)對比度區(qū)域增強(qiáng)算法、基于球面通量（spherical flux)的血管增強(qiáng)算法。
16. 根據(jù)權(quán)利要求10所述的設(shè)備，其中，所述設(shè)備還包括：歸一化單元，對各個(gè)顯著性 圖像中的像素的像素值進(jìn)行歸一化，使得各個(gè)顯著性圖像中的像素的像素值的范圍區(qū)間相 同， 其中，融合單元對執(zhí)行了像素值的歸一化的多個(gè)顯著性圖像進(jìn)行融合。
17. 根據(jù)權(quán)利要求10所述的設(shè)備，其中，融合單元通過最大化下面的模型來得到作為 融合圖像中的像素的像素值的標(biāo)注符號，其中，標(biāo)注符號指示像素是否屬于血管區(qū)域，
其中，f (I (P)，I (q)，yp，y<!) =-1 (yp 關(guān) y<!) exp (- ω 11 (P) -I (q) I) 其中，Z為用于歸一化的常數(shù)，I表述待測圖像中的像素的集合，p表示待測圖像中的一 像素，M表示顯著性圖像的數(shù)量，λ i是對應(yīng)于第i顯著性圖像的模型參數(shù)，Si (p)表示像素 P在第i個(gè)顯著性圖像中的對應(yīng)像素的值，yp表示像素P在融合圖像中的對應(yīng)像素的標(biāo)注 符號，N p表示像素p的一個(gè)鄰域，q表示該鄰域中的一像素，y,表示像素q在融合圖像中的 對應(yīng)像素的標(biāo)注符號，ω是模型的參數(shù)，I (p)表示像素p的像素值，I (q)表示像素q的像 素值「1 (yp關(guān)y<i)為開關(guān)函數(shù)，當(dāng)yp關(guān)y<i，該函數(shù)的值為1，當(dāng)yp =y<i時(shí)，該函數(shù)的值為〇。
18. 根據(jù)權(quán)利要求17所述的設(shè)備，其中，通過如下方式來訓(xùn)練出所述模型的參數(shù)AiW 及ω :從標(biāo)注了標(biāo)注符號的樣本圖像獲得標(biāo)注符號作為已知量，將參數(shù)Ai以及ω作為未 知量，計(jì)算使得所述模型最大化時(shí)的A i以及ω。
【專利摘要】本發(fā)明提供一種從圖像中檢測血管的方法和設(shè)備。所述方法包括：利用多種顯著性檢測方法從待測圖像檢測血管的顯著性區(qū)域，以得到多個(gè)顯著性圖像；對得到的多個(gè)顯著性圖像進(jìn)行融合，以得到融合圖像；尋找融合圖像中的閉合區(qū)域作為血管候選區(qū)域；從血管候選區(qū)域提取特征；基于提取的特征，利用訓(xùn)練好的分類器從血管候選區(qū)域檢測出血管區(qū)域。根據(jù)本發(fā)明，可以獲得更精確的血管檢測結(jié)果。
【IPC分類】G06T7-00
【公開號】CN104766293
【申請?zhí)枴緾N201410007234
【發(fā)明人】郭萍, 王強(qiáng), 王曉濤, 郝志會, 許寬宏, 金亭培, 黃英珪
【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
【公開日】2015年7月8日
【申請日】2014年1月7日