[发明专利]基于SIFT特征点聚类及布尔差运算的DSA血管图像分割方法

摘要

本发明属于医学图像处理领域，特别涉及一种基于SIFT特征点聚类及布尔差运算的DSA血管图像分割方法。该方法包括下述步骤：输入相对应的DSA蒙片图像和活片图像；在相同阈值条件下，利用SIFT算法对蒙片图像和活片图像进行几何特征点的提取；采用基于灰度梯度值的方法进行几何特征点局部位置的调整；进行基于欧氏距离的几何特征点聚类及布尔差运算；采用基于Otsu阈值的方法进行血管图像分割。利用该方法得到患者DSA减影中血管图像的过程，具有鲁棒性较强、计算过程方便等优点，能够为基于DSA介入治疗的临床手术提供准确的血管图像数据。

主权项

基于SIFT特征点聚类及布尔差运算的DSA血管图像分割方法，其特征包括以下步骤：1)将对应的蒙片图像和活片图像进行直接减影，获得一张直接减影图像；在相同阈值条件下，利用SIFT算法分别在相对应的蒙片图像与活片图像中确定几何特征点，同时构造两个几何特征点集，分别为“蒙片图像几何特征点集”和“活片图像几何特征点集”，并将“活片图像几何特征点集”复制映射到直接减影图像上，生成“直接减影图像几何特征点集”；2)在直接减影图像上根据几何特征点的灰度梯度进行几何特征点位置的局部调整，将几何特征点移动至直接减影图像中血管的内部，步骤如下：①判断“直接减影图像几何特征点集”是否为空；若非空，则从该特征点集中取出一个几何特征点，转向②，否则几何特征点位置调整的计算过程结束；②比较该几何特征点的灰度值与其8邻域内各像素的灰度值的大小；若该几何特征点的灰度值最小，则将该几何特征点从特征点集中移除，并转向①步；否则转向③步；③计算该几何特征点与Kirsch算子8个模板卷积得到的8个方向上的梯度值，记为使该几何特征点向梯度值最大的方向移动一个像素单位，将移动后的几何特征点重新加入特征点集中，转向①步；其中，i为Kirsch算子8个模板中的第i个模板，1≤i≤8；3)将“蒙片图像几何特征点集”和“直接减影图像几何特征点集”中的几何特征点根据欧氏距离进行聚类，然后进行几何特征点的类间布尔差运算，以防止处在毛细血管上的几何特征点被误减，步骤如下：①针对蒙片图像和直接减影图像分别构造两个几何特征点聚类集合，即“蒙片图像几何特征点聚类集合”和“直接减影图像几何特征点聚类集合”，并初始化这两个聚类集合为空；②针对“蒙片图像几何特征点集”和“直接减影图像几何特征点集”，分别判断几何特征点集中是否有未被聚类的特征点；若有，则任选一个几何特征点，转向③步；若所有几何特征点都已被聚类处理，则转向④步；③在蒙片图像/直接减影图像中，依次遍历“蒙片图像几何特征点聚类集合”/“直接减影图像几何特征点聚类集合”中的所有聚类，计算该几何特征点p0与某个聚类中的某个几何特征点之间的欧氏空间距离dis(p0,p)＝sqrt((xp0‑xp)2+(yp0‑yp)2)，其中p0,p分别为待聚类几何特征点和当前聚类中的某个几何特征点，x,y分别表示几何特征点的横纵坐标；当这两点间距离小于阈值disthreshold时，将该几何特征点p0归入点p所在聚类；若几何特征点p0与所有聚类中的所有几何特征点，都不满足欧氏空间距离小于阈值disthreshold，则将该几何特征点p0作为新的聚类加入到“蒙片图像几何特征点聚类集合”/“直接减影图像几何特征点聚类集合”中，转向②步；④针对“直接减影图像几何特征点聚类集合”中的每一个聚类计算“蒙片图像几何特征点聚类集合”中所有聚类与该聚类重叠的面积，然后再将所有重叠部分面积进行并集运算假设直接减影图像中共有W个聚类，蒙片图像中共有T个聚类，计算得到的总面积与该聚类的面积的比值，若该比值大于阈值则删除该聚类，即将内所有几何特征点从直接减影图像上删去；4)以类间布尔差运算后的几何特征点作为种子点集合，通过Otsu算法确定Otsu阈值，以邻域区域生长的方式进行血管图像的分割，步骤如下：①初始化种子点集，将所有种子点标记为未生长状态，并计算当前直接减影图像的Otsu阈值；②判断种子点集中的种子点是否全部为已生长状态；若不是，任取一个种子点，标记为已生长状态，转向③步，否则算法结束；③考察该种子点8邻域内各像素的灰度值，取灰度值最小的前三个像素，判断它们与Otsu阈值的关系；若小于Otsu阈值，则将这些像素加入到种子点集中，并标记为未生长状态；若大于Otsu阈值，则舍去；转向②步。