[发明专利]基于多尺度融合和元启发优化的血管影像处理方法及装置

说明书

本发明提供一种基于多尺度融合和元启发优化的血管影像处理方法及装置，所述方法包括：获取输入的待处理血管图像；对所述待处理血管图像做top‑hat变换，提取所述待处理血管图像中不同尺度的细节特征，得到增强后的血管图像；对所述增强后的血管图像采用多尺度hessian矩阵滤波方法提取血管影像的特征集合；采用乌鸦搜索算法，在所述血管影像的特征集合中提取最优特征子集；将提取到的所述最优特征子集的特征输入训练好的相关向量机RVM，得到所述待处理血管图像的分类、识别结果。根据本发明的方案，能够提高血管图像的准确性和效率，提高医疗图像识别和处理能力，能够有效提高血管图像的检测精度。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于多尺度融合和元启发优化的血管影像处理方法及装置。

背景技术

随着医学影像技术的快速发展和普及，医学影像成为医生进行疾病诊断，制定治疗计划以及预后评估等不可或缺的设备，医学图像的处理是分析医学影像的首要步骤，可以使得图像更加清晰直观并且可以帮助提高医生的工作效率，其中血管自动提取是医学图像处理领域中的重要问题之一，血管在图像中的形态具有多变性，具体表现在方向和尺寸的变化上，由于其自身的形态多变，使得其很难检测，同时还有其他对象的干扰，例如非均匀照明和对比度，背景纹理干扰和边缘干扰，因此血管图像检测仍然是没有很好解决的问题。

形态学做血管提取时，一般采用线状结构元素。由于血管表现为曲率变化平滑的连通的狭长结构，可以看作是分段线性的条形模式，其边缘由相邻的平行线段组成，因此通过边缘检测实现血管检测与分割是一种可行的检测技术。但是基于边缘算子的血管检测存在难以克服的固有缺陷：在血管边缘模糊且对比度弱的情况下，边缘不易提取，造成漏检；同时边缘提取算子难以分辨纹理和边缘，从而可能造成误判。

发明内容

为解决上述技术问题，本发明提出了一种基于多尺度融合和元启发优化的血管影像处理方法及装置，用以解决现有技术中血管图像检测精度低，识别效果较差的技术问题。

根据本发明的第一方面，提供一种基于多尺度融合和元启发优化的血管影像处理方法，包括：

步骤S101：获取输入的待处理血管图像I(i,j)，所述血管图像大小为M×N,其中M和N分别表示所述血管图像中像素点的行和列，1≤i≤M，1≤j≤N；

步骤S102：对所述待处理血管图像I(i,j)做top-hat变换，提取所述待处理血管图像I(i,j)中不同尺度的细节特征，得到增强后的血管图像I′(i,j)；

步骤S103：对所述增强后的血管图像I′(i,j)采用多尺度hessian矩阵滤波方法提取血管影像的特征集合；

步骤S104：采用乌鸦搜索算法，在所述血管影像的特征集合中提取最优特征子集；

步骤S105：将提取到的所述最优特征子集的特征输入训练好的相关向量机RVM，得到所述待处理血管图像I(i,j)的分类、识别结果。

根据本发明第二方面，提供一种基于多尺度融合和元启发优化的血管影像处理装置，包括：

图像获取模块：配置为获取输入的待处理血管图像I(i,j)，所述血管图像大小为M×N,其中M和N分别表示所述血管图像中像素点的行和列，1≤i≤M，1≤j≤N；

图像增强模块：配置为对所述待处理血管图像I(i,j)做top-hat变换，提取所述待处理血管图像I(i,j)中不同尺度的细节特征，得到增强后的血管图像I′(i,j)；

特征提取模块：配置为对所述增强后的血管图像I′(i,j)采用多尺度hessian矩阵滤波方法提取血管影像的特征集合；

最优特征提取模块：配置为采用乌鸦搜索算法，在所述血管影像的特征集合中提取最优特征子集；