正在加载图片...
.852. 智能系统学报 第10卷 现图像中的边缘检测、图像增强和特征提取等相关 素填充,填充的过程如下: 操作:匹配滤波方法是将多个线性滤波器与卷积运 1)将图1的冠脉造影图像划分为如图2所示的4 算相结合的方式提取图像中的目标信息,通常还需 个区域,箭头表示该区的像素填充方向。每个区域的 要其他相关图像处理操作才能得到图像中的血管信 填充方向各不相同,依次为左上、右上、左下和右下。 息:基于中心线方法的基本思想是提取出图像中整 A 个血管树的中心线,然后通过测量血管在某位置的 半径重构图像中的血管脉络。但由于血管的形状复 杂,血管的直径和造影剂的密度也会发生变化等,使 得现有的方法并不能有效且完整地将冠脉造影图像 中的血管信息提取出来。 经验模态分解是一种新的非平稳信号分析处理 图1冠脉造影图像 方法,可用于冠状动脉造影图像的图像处理过 Fig.1 Coronary angiography images 程[s]。本文提出一种基于经验模态分解的血管特 征提取方法:采用经验模态分解将造影图像分解成 若干图像层,形成图像层组,该组中有的图像层包含 了大量有效的血管信息而有的则包含的是肋骨、肺 或其他组织等形成的非血管信息,丢弃含非血管信 息的图像层,对含有血管信息的图像层进行血管特 征提取,依据连通区域一系列属性提取出图像层中 3 清晰明显的血管段,将各图像层提取出的血管信息 图2冠脉造影图像分区 相互参照并重构血管脉络明显的心血管图像。此 Fig.2 Partition of angiography images 外,本方法对冠脉造影图像经验模态分解之前须进 2)定义像素填充模板。本文是在待处理像素 行图像预处理操作,这是因为经验模态分解方法的 点的邻近位置选取大小合适的矩形填充模板,由此 基本原理是根据目标的变化频率而将图像中信息逐 模板计算得出待填充点的像素值。例如,对填充方 层分离出来,但受现有投影设备的限制,在冠脉造影 向为左上方的1区来说,采取的操作是在待填充点 图像的四周存在从有像素区到黑色无像素区的过渡 的右下方取一个大小为m×n的矩阵。根据式(1) 区域,该区域的频率变化最大,如果不进行图像预处 计算该矩阵的平均灰度值,将该值作为待填充点的 理进行图像像素填充使该区域实现平滑过渡,会在 灰度值。如图3所示,P是待填充点,本文中取m= 经验模态分解结果中出现严重边缘效应。 4,n=4。 1 冠脉造影图像预处理 在对冠脉造影图像进行特征提取之前,须对图 像中无像素黑色区域进行像素填充,使该区域像素 点的灰度值实现平滑过渡,以抑制此后经验模态分 解过程中边缘效应的出现。 受投影设备的限制,冠脉造影图像的四周会出 图34×4大小的矩阵模块 现黑色区域,该区域不包含任何血管信息且频率变 Fig.3 Partition's 4x4 matrix module 化最大,由于经验模态分解是根据目标的变化频率 而将图像中信息逐层分离出来,如果不对此区域进 Pwn((Pw) (1) 行像素填充则会在分解结果中出现严重边缘效应。 m×nk1=1k2=1 图1所示的是临床常见的冠脉造影图像。观察图像 式中:P-表示点(i-kj-2)的灰度值。 可知在黑色区域与圆形亮色区域的相接处,像素点 据此对图像1区由下至上、从右到左扫描,以填充黑 的灰度值变化最为剧烈,在图像经验模态分解过程 色区域中的所有待填充,点。对其他待填充区域进行 中此处会出现伪血管信息。 类似处理,唯一不同的是矩阵模块与待填充点的邻 为此,本文对图像中无像素的黑色区域进行像 接方向发生了变化。现图像中的边缘检测、图像增强和特征提取等相关 操作;匹配滤波方法是将多个线性滤波器与卷积运 算相结合的方式提取图像中的目标信息,通常还需 要其他相关图像处理操作才能得到图像中的血管信 息;基于中心线方法的基本思想是提取出图像中整 个血管树的中心线,然后通过测量血管在某位置的 半径重构图像中的血管脉络。 但由于血管的形状复 杂,血管的直径和造影剂的密度也会发生变化等,使 得现有的方法并不能有效且完整地将冠脉造影图像 中的血管信息提取出来。 经验模态分解是一种新的非平稳信号分析处理 方法,可 用 于 冠 状 动 脉 造 影 图 像 的 图 像 处 理 过 程[8⁃10] 。 本文提出一种基于经验模态分解的血管特 征提取方法:采用经验模态分解将造影图像分解成 若干图像层,形成图像层组,该组中有的图像层包含 了大量有效的血管信息而有的则包含的是肋骨、肺 或其他组织等形成的非血管信息,丢弃含非血管信 息的图像层,对含有血管信息的图像层进行血管特 征提取,依据连通区域一系列属性提取出图像层中 清晰明显的血管段,将各图像层提取出的血管信息 相互参照并重构血管脉络明显的心血管图像。 此 外,本方法对冠脉造影图像经验模态分解之前须进 行图像预处理操作,这是因为经验模态分解方法的 基本原理是根据目标的变化频率而将图像中信息逐 层分离出来,但受现有投影设备的限制,在冠脉造影 图像的四周存在从有像素区到黑色无像素区的过渡 区域,该区域的频率变化最大,如果不进行图像预处 理进行图像像素填充使该区域实现平滑过渡,会在 经验模态分解结果中出现严重边缘效应。 1 冠脉造影图像预处理 在对冠脉造影图像进行特征提取之前,须对图 像中无像素黑色区域进行像素填充,使该区域像素 点的灰度值实现平滑过渡,以抑制此后经验模态分 解过程中边缘效应的出现。 受投影设备的限制,冠脉造影图像的四周会出 现黑色区域,该区域不包含任何血管信息且频率变 化最大,由于经验模态分解是根据目标的变化频率 而将图像中信息逐层分离出来,如果不对此区域进 行像素填充则会在分解结果中出现严重边缘效应。 图 1 所示的是临床常见的冠脉造影图像。 观察图像 可知在黑色区域与圆形亮色区域的相接处,像素点 的灰度值变化最为剧烈,在图像经验模态分解过程 中此处会出现伪血管信息。 为此,本文对图像中无像素的黑色区域进行像 素填充,填充的过程如下: 1)将图 1 的冠脉造影图像划分为如图 2 所示的 4 个区域,箭头表示该区的像素填充方向。 每个区域的 填充方向各不相同,依次为左上、右上、左下和右下。 图 1 冠脉造影图像 Fig.1 Coronary angiography images 图 2 冠脉造影图像分区 Fig.2 Partition of angiography images 2)定义像素填充模板。 本文是在待处理像素 点的邻近位置选取大小合适的矩形填充模板,由此 模板计算得出待填充点的像素值。 例如,对填充方 向为左上方的 1 区来说,采取的操作是在待填充点 的右下方取一个大小为 m × n 的矩阵。 根据式(1) 计算该矩阵的平均灰度值,将该值作为待填充点的 灰度值。 如图 3 所示, P 是待填充点,本文中取 m = 4,n = 4。 图 3 4×4 大小的矩阵模块 Fig.3 Partition’s 4×4 matrix module P(i,j) = 1 m × n∑ m k1 = 1 (∑ n k2 = 1 (P(i-k1 ,j-k2 ) )) (1) 式中: P(i-k1 ,j-k2 ) 表示点 (i - k1 ,j - k2 ) 的灰度值。 据此对图像 1 区由下至上、从右到左扫描,以填充黑 色区域中的所有待填充点。 对其他待填充区域进行 类似处理,唯一不同的是矩阵模块与待填充点的邻 接方向发生了变化。 ·852· 智 能 系 统 学 报 第 10 卷
<<向上翻页向下翻页>>
©2008-现在 cucdc.com 高等教育资讯网 版权所有