从图像中检测血管的方法和设备的制造方法
【技术领域】
[0001] 本发明涉及计算机视觉领域。更具体地讲，涉及一种从图像中检测血管的方法和 设备。
【背景技术】
[0002] 随着计算机视觉技术的发展，其已经被逐渐应用于医学成像领域。血管作为人体 的一个重要组织，在图像(例如，医学图像）中检测血管具有非常重要的意义。
[0003] 然而，在图像中，特别医学图像中，血管的外观多变，形状和尺寸差异非常大，还存 在部分血管边界不清晰的情况。此外，在含噪声的图像中，噪声区域与血管区域有相似的外 观，精确检测出血管具有很大难度。此外，在现有的血管检测技术中，需要依赖人工干预来 获得检测结果，效率较低。
【发明内容】
[0004] 本发明的目的在于提供一种从图像中检测血管的方法和设备，从而能够从图像中 精确地检测出血管。
[0005] 本发明的一方面提供一种从图像中检测血管的方法，包括：利用多种显著性检测 方法从待测图像检测血管的显著性区域，以得到多个显著性图像；对得到的多个显著性图 像进行融合，以得到融合图像；寻找融合图像中的闭合区域作为血管候选区域；从血管候 选区域提取特征；基于提取的特征，利用训练好的分类器从血管候选区域检测出血管区域。
[0006] 可选地，所述方法还包括：利用图像分割算法对检测出的血管区域的边界进行精 细化。
[0007] 可选地，所述图像分割算法为水平集方法。
[0008] 可选地，所述特征包括灰度直方图、梯度直方图、纹理特征、几何特征中的至少一 个。
[0009] 可选地，使用从训练样本图像中提取的所述特征来训练分类器，其中，训练样本图 像包括具有血管的正训练样本图像和没有血管的负训练样本图像。
[0010] 可选地，不同的显著性检测方法包括下述算法中的至少两个：基于黑森 (Hessian)矩阵的血管增强算法、连续稳定区域提取算法、对称区域检测算法、强对比度区 域增强算法、基于球面通量（spherical flux)的血管增强算法。
[0011] 可选地，所述方法还包括：对各个显著性图像中的像素的像素值进行归一化，使得 各个显著性图像中的像素的像素值的范围区间相同，其中，对得到的多个显著性图像进行 融合的步骤包括：对执行了像素值的归一化的多个显著性图像进行融合。
[0012] 可选地，对得到的多个显著性图像进行融合的步骤包括：通过最大化下面的模型 来得到作为融合图像中的像素的像素值的标注符号，其中，标注符号指示像素是否属于血 管区域，
【主权项】
1. 一种从图像中检测血管的方法,包括： 利用多种显著性检测方法从待测图像检测血管的显著性区域，以得到多个显著性图 像； 对得到的多个显著性图像进行融合，以得到融合图像； 寻找融合图像中的闭合区域作为血管候选区域； 从血管候选区域提取特征； 基于提取的特征，利用训练好的分类器从血管候选区域检测出血管区域。
2. 根据权利要求1所述的方法，还包括：利用图像分割算法对检测出的血管区域的边 界进行精细化。
3. 根据权利要求2所述的方法，其中，所述图像分割算法为水平集方法。
4. 根据权利要求1所述的方法，其中，所述特征包括灰度直方图、梯度直方图、纹理特 征、几何特征中的至少一个。
5. 根据权利要求1所述的方法，其中，使用从训练样本图像中提取的所述特征来训练 分类器，其中，训练样本图像包括具有血管的正训练样本图像和没有血管的负训练样本图 像。
6. 根据权利要求1所述的方法，其中，不同的显著性检测方法包括下述算法中的至少 两个：基于黑森（Hessian)矩阵的血管增强算法、连续稳定区域提取算法、对称区域检测算 法、强对比度区域增强算法、基于球面通量（spherical flux)的血管增强算法。
7. 根据权利要求1所述的方法，其中，所述方法还包括：对各个显著性图像中的像素的 像素值进行归一化，使得各个显著性图像中的像素的像素值的范围区间相同， 其中，对得到的多个显著性图像进行融合的步骤包括：对执行了像素值的归一化的多 个显著性图像进行融合。
8. 根据权利要求1所述的方法，其中，对得到的多个显著性图像进行融合的步骤包括： 通过最大化下面的模型来得到作为融合图像中的像素的像素值的标注符号，其中，标注符 号指示像素是否属于血管区域，
其中，f (I (P)，I (q)，yp，y<!) =-1 (yp 关 y<!) exp (- ω 11 (P) -I (q) I) 其中，Z为用于归一化的常数，I表述待测图像中的像素的集合，p表示待测图像中的一 像素，M表示显著性图像的数量，λ i是对应于第i显著性图像的模型参数，Si (p)表示像素 P在第i个显著性图像中的对应像素的值，yp表示像素P在融合图像中的对应像素的标注 符号，N p表示像素p的一个邻域，q表示该邻域中的一像素，y,表示像素q在融合图像中的 对应像素的标注符号，ω是模型的参数，I (p)表示像素p的像素值，I (q)表示像素q的像 素值「1 (yp关y<i)为开关函数，当yp关y<i，该函数的值为1，当yp =y<i时，该函数的值为〇。
9. 根据权利要求8所述的方法，其中，通过如下方式来训练出所述模型的参数Ai以及 ω :从标注了标注符号的样本图像获得标注符号作为已知量，将参数Ai以及ω作为未知 量，计算使得所述模型最大化时的A i以及ω。
10. -种从图像中检测血管的设备，包括： 显著性检测单元，利用多种显著性检测方法从待测图像检测血管的显著性区域，以得 到多个显著性图像； 融合单元，对得到的多个显著性图像进行融合，以得到融合图像； 候选检测单元，寻找融合图像中的闭合区域作为血管候选区域； 特征提取单元，从血管候选区域提取特征； 分类单元，基于提取的特征，利用训练好的分类器从血管候选区域检测出血管区域。
11. 根据权利要求10所述的设备，还包括：精细单元，利用图像分割算法对检测出的血 管区域的边界进行精细化。
12. 根据权利要求11所述的设备，其中，所述图像分割算法为水平集方法。
13. 根据权利要求10所述的设备，其中，所述特征包括灰度直方图、梯度直方图、纹理 特征、几何特征中的至少一个。
14. 根据权利要求10所述的设备，其中，使用从训练样本图像中提取的所述特征来训 练分类器，其中，训练样本图像包括具有血管的正训练样本图像和没有血管的负训练样本 图像。
15. 根据权利要求10所述的设备，其中，不同的显著性检测方法包括下述算法中的至 少两个：基于黑森（Hessian)矩阵的血管增强算法、连续稳定区域提取算法、对称区域检测 算法、强对比度区域增强算法、基于球面通量（spherical flux)的血管增强算法。
16. 根据权利要求10所述的设备，其中，所述设备还包括：归一化单元，对各个显著性 图像中的像素的像素值进行归一化，使得各个显著性图像中的像素的像素值的范围区间相 同， 其中，融合单元对执行了像素值的归一化的多个显著性图像进行融合。
17. 根据权利要求10所述的设备，其中，融合单元通过最大化下面的模型来得到作为 融合图像中的像素的像素值的标注符号，其中，标注符号指示像素是否属于血管区域，
其中，f (I (P)，I (q)，yp，y<!) =-1 (yp 关 y<!) exp (- ω 11 (P) -I (q) I) 其中，Z为用于归一化的常数，I表述待测图像中的像素的集合，p表示待测图像中的一 像素，M表示显著性图像的数量，λ i是对应于第i显著性图像的模型参数，Si (p)表示像素 P在第i个显著性图像中的对应像素的值，yp表示像素P在融合图像中的对应像素的标注 符号，N p表示像素p的一个邻域，q表示该邻域中的一像素，y,表示像素q在融合图像中的 对应像素的标注符号，ω是模型的参数，I (p)表示像素p的像素值，I (q)表示像素q的像 素值「1 (yp关y<i)为开关函数，当yp关y<i，该函数的值为1，当yp =y<i时，该函数的值为〇。
18. 根据权利要求17所述的设备，其中，通过如下方式来训练出所述模型的参数AiW 及ω :从标注了标注符号的样本图像获得标注符号作为已知量，将参数Ai以及ω作为未 知量，计算使得所述模型最大化时的A i以及ω。
【专利摘要】本发明提供一种从图像中检测血管的方法和设备。所述方法包括：利用多种显著性检测方法从待测图像检测血管的显著性区域，以得到多个显著性图像；对得到的多个显著性图像进行融合，以得到融合图像；寻找融合图像中的闭合区域作为血管候选区域；从血管候选区域提取特征；基于提取的特征，利用训练好的分类器从血管候选区域检测出血管区域。根据本发明，可以获得更精确的血管检测结果。
【IPC分类】G06T7-00
【公开号】CN104766293
【申请号】CN201410007234
【发明人】郭萍, 王强, 王晓涛, 郝志会, 许宽宏, 金亭培, 黄英珪
【申请人】北京三星通信技术研究有限公司, 三星电子株式会社
【公开日】2015年7月8日
【申请日】2014年1月7日