鬼佬大哥大
  • / 17
  • 下載費用:30 金幣  

一種在圖像中提取及測量感興趣目標的方法及其裝置.pdf

摘要
申請專利號:

CN200910263769.1

申請日:

2009.12.31

公開號:

CN102113897B

公開日:

2014.10.15

當前法律狀態:

授權

有效性:

有權

法律詳情: 授權|||實質審查的生效IPC(主分類):A61B 8/00申請日:20091231|||公開
IPC分類號: A61B8/00; A61B6/00; G06T7/00 主分類號: A61B8/00
申請人: 深圳邁瑞生物醫療電子股份有限公司
發明人: 叢龍飛; 張羽
地址: 518057 廣東省深圳市南山區高新技術產業園區科技南十二路邁瑞大廈
優先權:
專利代理機構: 廣州華進聯合專利商標代理有限公司 44224 代理人: 何平
PDF完整版下載: PDF下載
法律狀態
申請(專利)號:

CN200910263769.1

授權公告號:

102113897B||||||

法律狀態公告日:

2014.10.15|||2012.04.11|||2011.07.06

法律狀態類型:

授權|||實質審查的生效|||公開

摘要

本發明公開了一種在圖像中提取感興趣目標及測量感興趣目標的參數的方法和裝置,包括:獲取包含感興趣目標的初始圖像;根據感興趣目標的第一類特征,在初始圖像中提取符合所述第一類特征的特征區域,獲得特征提取圖像;計算初始圖像中特征區域內的能量函數;以能量函數為極值的特征區域為感興趣目標。本發明實施例中用感興趣目標的特征,采用特征提取的方法從圖像中提取感興趣目標,減小了需要計算的備選目標的數量,從而減小了計算量,提高了感興趣目標提取的準確性。

權利要求書

1: 一種在圖像中提取感興趣目標的方法, 其特征在于, 包括 : 初始圖像獲取步驟 : 獲取初始圖像, 所述初始圖像中包含感興趣目標 ; 特征提取步驟 : 根據設定的感興趣目標的第一類特征, 在所述初始圖像中提取符合所 述第一類特征的特征區域, 獲得特征提取圖像 ; 感興趣目標確定步驟 : 對所述特征提取圖像中的提取出來的特征區域, 分別計算每個 特征區域的能量函數, 以其中能量函數為極值的特征區域為感興趣目標。
2: 如權利要求 1 所述的提取感興趣目標的方法, 其特征在于 : 所述特征提取步驟包 括: 根據設定的感興趣目標的第一類特征, 選擇符合所述第一類特征的模板 ; 用所述模板對所述初始圖像進行處理, 提取符合所述第一類特征的特征區域, 獲得特 征提取圖像。
3: 如權利要求 1 所述的提取感興趣目標的方法, 其特征在于 : 所述感興趣目標的第一 類特征為亮度特征。
4: 如權利要求 1 所述的提取感興趣目標的方法, 其特征在于 : 所述特征提取步驟和能 量函數計算步驟之間還包括 : 篩選步驟 : 去除特征提取圖像中所述特征區域中不滿足設定的篩選條件的特征區域。
5: 如權利要求 1 至 4 中任意一項所述的提取感興趣目標的方法, 其特征在于 : 所述特 征提取步驟和能量函數計算步驟之間還包括 : 備選目標提取步驟 : 對所述特征提取圖像中的提取出來的特征區域, 分別提取出備選 目標 ; 其中, 感興趣目標確定步驟中, 計算所述備選目標的能量函數, 并以其中能量函數為極 值的備選目標為感興趣目標。
6: 如權利要求 5 所述的提取感興趣目標的方法, 其特征在于 : 所述備選目標提取步驟 包括 : 細化步驟 : 將所述特征區域細化, 細化后的特征區域即為備選目標。
7: 如權利要求 6 所述的提取感興趣目標的方法, 其特征在于 : 所述細化步驟之后還包 括: 擬合步驟 : 將所述細化后的特征區域按照符合設定的感興趣目標的第二類特征進行擬 合, 獲得至少一個擬合后的特征區域, 所述擬合后的特征區域即為備選目標。
8: 如權利要求 7 所述的提取感興趣目標的方法, 其特征在于 : 所述感興趣目標的第二 類特征為形態特征。
9: 如權利要求 7 所述的提取感興趣目標的方法, 其特征在于 : 所述擬合步驟之后還包 括: 檢驗步驟 : 根據設定的感興趣目標的第三類特征設定檢驗條件, 判斷擬合后的特征區 域是否滿足檢驗條件, 去除不滿足檢驗條件的擬合后的特征區域。
10: 如權利要求 9 所述的提取感興趣目標的方法, 其特征在于 : 所述感興趣目標的第三 類特征為其參數的統計數字特征。
11: 權利要求 1 至 4 中任意一項所述的提取感興趣目標的方法, 其特征在于 : 所述能量 函數為 : 所述初始圖像中所述特征區域內的點的亮度的和、 或所述特征提取圖像中所述特 2 征區域內的點的亮度的和、 或所述初始圖像中所述特征區域內的點的亮度的聯合概率。
12: 如權利要求 11 所述的提取感興趣目標的方法, 其特征在于 : 所述特征提取步驟和 能量函數計算步驟之間還包括 : 加權步驟 : 將所述特征提取圖像加權到所述初始圖像 ; 其中, 所述能量函數中, 所述初始圖像為加權后的初始圖像。
13: 如權利要求 1 至 4 中任意一項所述的提取感興趣目標的方法, 其特征在于 : 所述感 興趣目標確定步驟之后還包括 : 優化步驟 : 優化所述感興趣目標。
14: 一種在圖像中測量感興趣目標的方法, 其特征在于, 包括 : 初始圖像獲取步驟 : 獲取初始圖像, 所述初始圖像中包含感興趣目標 ; 特征提取步驟 : 根據感興趣目標的第一類特征, 在所述初始圖像中提取符合所述第一 類特征的特征區域, 獲得特征提取圖像 ; 感興趣目標確定步驟 : 對所述特征提取圖像中的提取出來的特征區域, 分別計算每個 特征區域的能量函數, 以其中能量函數為極值的特征區域為感興趣目標 ; 測量步驟 : 根據確定的感興趣目標, 測量感興趣目標的參數。
15: 一種在圖像中提取感興趣目標的裝置, 其特征在于, 包括 : 初始圖像獲取模塊, 用于獲取初始圖像, 所述初始圖像中包含感興趣目標 ; 特征提取模塊, 用于根據感興趣目標的第一類特征, 在所述初始圖像中提取符合所述 第一類特征的特征區域, 獲得特征提取圖像 ; 感興趣目標確定模塊 : 對所述特征提取圖像中的提取出來的特征區域, 分別計算每個 特征區域的能量函數, 以其中能量函數為極值的特征區域為感興趣目標。
16: 如權利要求 15 所述的提取感興趣目標的裝置, 其特征在于 : 所述特征提取模塊包 括: 模板選擇子模塊, 根據感興趣目標的第一類特征, 選擇提取符合所述第一類特征的特 征區域使用的模板 ; 圖像處理子模塊, 用所述模板對所述初始圖像進行處理, 獲得特征提取圖像。
17: 如權利要求 15 所述的提取感興趣目標的裝置, 其特征在于 : 還包括 : 篩選模塊, 連接到所述特征提取模塊, 用于去除所述特征區域中不滿足設定的篩選條 件的特征區域。
18: 如權利要求 15 至 17 任意一項所述的提取感興趣目標的裝置, 其特征在于, 還包 括: 備選目標提取模塊, 用于對所述特征提取圖像中的提取出來的特征區域, 分別提取出 備選目標。
19: 如權利要求 18 所述的提取感興趣目標的裝置, 其特征在于 : 所述備選目標提取模 塊包括 : 細化子模塊, 連接到所述特征提取模塊或篩選模塊, 用于將所述特征區域細化, 細化后 的特征區域即為備選目標。
20: 如權利要求 19 所述的提取感興趣目標的裝置, 其特征在于 : 還包括 : 擬合子模塊, 連接到所述細化子模塊, 用于將所述細化后的特征區域按照符合感興趣 3 目標的第二類特征進行擬合, 獲得至少一個擬合后的特征區域, 所述擬合后的特征區域即 為備選目標。
21: 如權利要求 20 所述的提取感興趣目標的裝置, 其特征在于 : 還包括 : 檢驗子模塊, 連接到所述擬合子模塊, 用于根據感興趣目標的第三類特征設定檢驗條 件, 判斷擬合后的特征區域是否滿足檢驗條件, 去除不滿足檢驗條件的擬合后的特征區域。
22: 如權利要求 15 至 17 中任意一項所述的提取感興趣目標的裝置, 其特征在于 : 還包 括: 加權模塊, 用于將所述特征提取圖像加權到所述初始圖像。
23: 如權利要求 15 至 17 中任意一項所述的提取感興趣目標的方法, 其特征在于 : 還包 括: 優化模塊, 連接到所述感興趣目標確定模塊, 用于優化所述感興趣目標。
24: 一種在圖像中測量感興趣目標的裝置, 其特征在于, 包括 : 初始圖像獲取模塊, 用于獲取初始圖像, 所述初始圖像中包含感興趣目標 ; 特征提取模塊, 用于根據感興趣目標的第一類特征, 在所述初始圖像中提取符合所述 第一類特征的特征區域, 獲得特征提取圖像 ; 感興趣目標確定模塊 : 對所述特征提取圖像中的提取出來的特征區域, 分別計算每個 特征區域的能量函數, 以其中能量函數為極值的特征區域為感興趣目標 ; 測量模塊, 用于根據確定的感興趣目標, 測量感興趣目標的參數。

說明書


一種在圖像中提取及測量感興趣目標的方法及其裝置

    技術領域 本發明涉及一種醫用成像系統中的圖像處理方法及其裝置, 特別涉及一種醫用成 像系統中在圖像中提取及測量感興趣目標的方法及其裝置。
     背景技術 產前超聲檢查是評估胎兒發育狀況以及篩查胎兒畸形的重要手段。產前準確預 測胎兒體重對巨大兒、 宮內生長遲緩兒的診斷和分娩方式的選擇都有很實際的意義。過去 常通過臨床測量孕婦宮高、 宮寬、 腹圍等預測胎兒體重。隨著超聲技術在臨床的推廣, 80 年 代開始用超聲測量胎兒某些徑線, 運用回歸法建立相應計算式來預測胎兒體重。目前常用 的 (21 周到產前的 ) 預測胎兒體重是通過測量 : 雙頂徑 (Biparietal Diameter, BDP), 頭圍 (HeadCircumference, HC), 腹圍 (Abdominal Circumference, AC), 股骨長 (FemurLength, FL) 等參數。通過測量這些參數來估計出胎兒體重和超聲孕周。而且在 21 周到產前這段時 間內, 這幾個指標要多次進行測量, 監控胎兒發育狀況。 利用計算機圖像處理技術對超聲胎 兒圖像進行自動處理和分析, 避免反復的手動測量操作, 能夠極大的提高醫生工作效率。
     頭圍自動測量在國內外已經有一些工作, 大部分方法都是基于 Hough 變換或者隨 機 Hough 變換檢測橢圓。這些方法的計算量都比較大, 對圖像的質量和胎兒骨骼的位置有 較大依賴。
     發明內容 本發明的實施例公開了一種計算量比較小, 結果準確性高的在圖像中提取感興趣 目標及測量感興趣目標的參數的方法及其裝置。
     本發明實施例公開的技術方案包括 :
     一種在圖像中提取感興趣目標的方法, 包括 : 初始圖像獲取步驟 : 獲取初始圖像, 所述初始圖像中包含感興趣目標 ; 特征提取步驟 : 根據設定的感興趣目標的第一類特征, 在所述初始圖像中提取符合所述第一類特征的特征區域, 獲得特征提取圖像 ; 感興趣目標 確定步驟 : 對所述特征提取圖像中的提取出來的特征區域, 分別計算每個特征區域的能量 函數, 以其中能量函數為極值的特征區域為感興趣目標。
     本發明實施例還公開了一種在圖像中測量感興趣目標的方法, 包括 : 初始圖像獲 取步驟 : 獲取初始圖像, 所述初始圖像中包含感興趣目標 ; 特征提取步驟 : 根據設定的感興 趣目標的第一類特征, 在所述初始圖像中提取符合所述第一類特征的特征區域, 獲得特征 提取圖像 ; 感興趣目標確定步驟 : 對所述特征提取圖像中的提取出來的特征區域, 分別計 算每個特征區域的能量函數, 以其中能量函數為極值的特征區域為感興趣目標 ; 測量步驟 : 根據確定的感興趣目標, 測量感興趣目標的參數。
     本發明實施例還公開了一種在圖像中提取感興趣目標的裝置, 包括 : 初始圖像獲 取模塊, 用于獲取初始圖像, 所述初始圖像中包含感興趣目標 ; 特征提取模塊, 用于根據感 興趣目標的第一類特征, 在所述初始圖像中提取符合所述第一類特征的特征區域, 獲得特
     征提取圖像 ; 感興趣目標確定模塊 : 對所述特征提取圖像中的提取出來的特征區域, 分別 計算每個特征區域的能量函數, 以其中能量函數為極值的特征區域為感興趣目標。
     本發明實施例還公開了一種在圖像中測量感興趣目標的裝置, 包括 : 初始圖像獲 取模塊, 用于獲取初始圖像, 所述初始圖像中包含感興趣目標 ; 特征提取模塊, 用于根據感 興趣目標的第一類特征, 在所述初始圖像中提取符合所述第一類特征的特征區域, 獲得特 征提取圖像 ; 感興趣目標確定模塊 : 對所述特征提取圖像中的提取出來的特征區域, 分別 計算每個特征區域的能量函數, 以其中能量函數為極值的特征區域為感興趣目標 ; 測量模 塊, 用于根據確定的感興趣目標, 測量感興趣目標的參數。
     本發明實施例中的在圖像中提取感興趣目標及測量感興趣目標的參數的方法, 用 感興趣目標的特征, 采用特征提取的方法從圖像中提取感興趣目標, 減小了需要計算的備 選目標的數量, 從而減小了計算量, 提高了感興趣目標提取與測量的準確性。 附圖說明
     圖 1 是本發明一個實施例的胎兒自動測量系統的框圖 ; 圖 2 是本發明一個實施例的在圖像中提取感興趣目標的流程圖 ; 圖 3 是本發明一個實施例的初始圖像 ; 圖 4 是本發明一個實施例的特征提取的模板的示意圖 ; 圖 5 是本發明一個實施例的特征提取的其它模板的示意圖 ; 圖 6 是圖 3 的初始圖像經過特征提取步驟、 去噪步驟、 篩選步驟處理后的特征圖 圖 7 是圖 6 的特征圖像經過細化步驟處理后的圖像 ; 圖 8 是本發明一個實施例的在圖像中提取感興趣目標的裝置的模塊框圖 ; 圖 9 是本發明另一個實施例的在圖像中提取感興趣目標的裝置的模塊框圖 ;像;
     具體實施方式
     胎兒頭圍和胎兒股骨長是用來估計胎兒成長發育的兩個重要指標。 利用超聲設備 獲取子宮中胎兒特定體位的二維超聲圖像, 然后進行胎兒頭圍、 股骨長等結構的測量, 是胎 兒發育檢測和篩查的最基本的環節。我們提出一種在圖像中測量感興趣目標參數的方法, 能夠自動獲得胎兒頭圍和股骨等指標。把這些指標和已有胎兒成長發育統計數據相結合, 從而能夠估計出胎兒的超聲孕周或者胎兒體重。采用自動測量方法能提高醫生的工作效 率, 大量減少孕婦的檢查時間。
     一種胎兒自動測量系統的框圖如錯誤!未找到引用源。所示 : 發射模塊 102 通過 超聲探頭 101 向人體相應檢查部位 ( 產婦腹部 ) 發射超聲波, 成像掃描過程可以通過 ECG 控 制模塊由 ECG 信號觸發控制 ; 接收模塊 103 接收回波信號, 接收到的回波信號經過波束合成 模塊 104 等信號處理環節, 送入圖像處理模塊 105 獲得目標 ( 胎兒 ) 的解剖結構灰度圖像, 并保存到電影回放數據存儲模塊 106 中。圖像計算模塊 108 從電影回放數據存儲模塊 106 中讀取圖像數據, 進行感興趣目標的識別和參數計算。得到的感興趣目標信息和參數送到 顯示模塊 109 進行顯示。系統允許用戶手動參入, 即由操作控制模塊 107 調整結算結果或 選擇計算圖像。本發明的一個實施例中, 要想測量頭圍或者股骨長, 圖像計算模塊 108 首先需要 從圖像中提取胎兒的頭圍區域或股骨區域, 然后再由提取出的頭圍或股骨區域計算胎兒的 頭圍、 雙頂徑或股骨長等參數。本文中我們稱圖像中這種希望進行參數測量的頭圍區域或 股骨區域為 “感興趣目標” 。當然, 本領域內的技術人員可以理解, 這里的 “感興趣目標” 可 以不限于圖像中的頭圍區域或股骨區域, 也可以是圖像中其它希望進行參數測量的對象的 區域。
     本發明一個實施例中, 在圖像中提取感興趣目標的流程如圖 2 所示, 包括初始圖 像獲取步驟 202、 特征提取步驟 204、 感興趣目標確定步驟 206。初始圖像獲取步驟 202 中, 從電影回放數據存儲模塊 106 中讀取胎兒的解剖結構灰度圖像, 這些灰度圖像中包含了胎 兒頭圍或股骨的圖像, 也即包含了感興趣目標。
     在初始圖像中, 感興趣目標具有自身的一些特征, 我們可以用這些特征中的一個 或多個來提取感興趣目標。感興趣目標的特征包括多方面的特征, 比如感興趣目標的亮度 特征、 感興趣目標的形態特征、 感興趣目標的位置特征、 感興趣目標的參數的統計數字特征 等等。
     在特征提取步驟 204 中, 可以從感興趣目標的特征中選擇一個或多個特征來進行 特征提取。本文中, 稱特征提取步驟 204 中用來進行特征提取的特征為感興趣目標的 “第 一類特征” 。本發明一個實施例中, 如圖 3 所示, 其中如圖 3(a) 為胎兒的頭圍的圖像, 如圖 3(b) 為胎兒的股骨的圖像。頭圍圖像中胎兒顱骨區域通常被分成了上 (301)、 下 (302) 兩 個區域, 因此通常的邊緣檢測和目標識別不能有效檢測出目標, 因此可以結合胎兒顱骨的 形態特征來找到并提取頭圍區域。 另外, 從圖中可以看出, 其中的骨骼在圖像中為橫向連續 細長的高亮區域, 因此, 還可以根據這種亮度特征來從圖像中找到并提取頭圍圖像中顱骨 區域或股骨區域。 當然, 本領域內技術人員可以理解, 用來提取感興趣目標的特征不限于前 述的亮度特征或形態特征, 可以根據感興趣目標的不同, 根據具體情況靈活選定。
     本發明一個實施例中, 特征提取步驟可以包括下述步驟 :
     根據感興趣目標的第一類特征, 選擇提取符合此特征的特征區域時可以使用的模 板;
     用此模板對初始圖像進行處理, 獲得特征提取圖像, 此特征提取圖像中即包含了 提取出來的符合前述特征的特征區域。
     圖 3 中, 其中骨骼為橫向且連續、 細長的高亮區域。因此, 在這種情況下, 本發明一 個實施例中, 可以提取圖像中所有中間亮度高, 上、 下兩側亮度低的圖像區域, 這些提取出 的圖像區域即作為特征區域。可以采用如圖 4 所示模板對初始圖像進行處理, 即對初始圖 像中的每一點, 分別計算三個區域的平均亮度, 然后采用中間的區域乘以 2 減去兩側區域, 以得到的結果為此點的亮度值。該模板中三個區域的大小為 Rl×Rs, 其中 Rl 和 Rs 的取值可 以根據實際情況調整 ( 例如, 可以取 10×5 等 )。 對初始圖像中每一點采用上述方法進行計 算后, 獲得一幅圖像, 此獲得的圖像即為特征提取圖像。 在特征提取圖像中可能有多個符合 感興趣目標的第一類特征的特征區域。
     本領域內技術人員可以理解, 在特征提取時使用的模板不限于圖 4 所示的模板, 而是可以根據用來提取感興趣目標的第一類特征的不同而靈活選擇不同的模板。例如, 可 以根據實際情況, 選擇如圖 5 中所示的各種模板, 或者其它圖 4 和圖 5 中未示出的而可以提取出符合感興趣目標的第一類特征的特征區域的模板。
     從特征提取步驟 204 中得到的提取出來的特征區域中, 需要確定其中哪一個是感 興趣目標。可以根據初始圖像中前述的特征區域內的能量函數來進行判斷。即定義能量函 數, 對每一個特征區域, 計算其對應的能量函數, 然后比較判斷各特征區域的能量函數, 如 果某特征區域的能量函數滿足設定條件, 則此特征區域即為感興趣目標。
     因此, 在感興趣目標確定步驟 206 中, 首先分別計算特征提取圖像中每個特征區 域的能量函數。 其中, 特征區域的能量函數可以根據需要靈活定義, 可以定義為在初始圖像 中在此特征區域內的點的亮度的和 ; 也可以定義為在特征提取圖像中在此特征區域內的點 的亮度的和 ; 或者也可以定義為基于初始圖像中亮度分布假設, 在特征區域內亮度的聯合 概率等。
     本發明一個實施例中, 每個特征區域的能量函數定義為初始圖像中在此特征區域 內的點的亮度的和。計算出每個特征區域的能量函數。
     當然, 為了減少計算量, 在計算特征區域的能量函數的時候也可以不計算所有點 的亮度的和, 而是在此特征區域內取一些采樣點, 以這些采樣點的亮度的和為能量函數。 以 fj(xi), i = 0, ...N 表示在特征區域內的采樣, g(fj(xi)) 表示第 j 個特征區域內第 i 個采 樣點的亮度, 則第 j 個特征區域的能量函數為 :
     計算得到特征區域的能量函數后, 即可根據這些能量函數來確定哪一個特征區域 為感興趣目標。這里可以設置判斷條件, 以其能量函數滿足判斷條件的特征區域為感興趣 目標。其中判斷條件可以根據能量函數的定義的不同而靈活設置。例如, 可以設定判斷條 件為能量函數為極值, 特征區域中其能量函數為極值 ( 最大或最小 ) 的特征區域為感興趣 目標。
     例如, 在上述實施例中, 在所有的特征區域 j = 0, ...M 中, 選擇能量函數最大的特 征區域, 即為感興趣目標。
     在特征提取步驟 204 中獲得的包含特征區域的特征提取圖像中, 含有噪聲和偽目 標區域。因此, 在前述實施例的基礎上, 本發明另一實施例中, 在特征提取步驟 204 后, 即獲 得了特征提取圖像后, 可以增加篩選步驟, 即設置篩選條件, 將特征提取圖像中不滿足篩選 條件的特征區域去除, 而保留滿足篩選條件的特征區域。 篩選條件可以是設置的一個閾值, 保留所有面積大于此閾值的特征區域, 而去除其它特征區域 ; 或者篩選條件可以為特征區 域大小的排序, 保留面積大小排在前面的、 即面積較大的若干個特征區域, 去除其它的特征 區域。 例如, 可以基于區域連通性采用區域增長方法, 在特征提取圖像中選擇區域較大的若 干連通區域 ( 例如最大的 6 個連通區域 ) 作為感興趣目標備選特征區域, 其他區域歸零。
     在前述實施例中, 在篩選步驟之前, 還可以包括去噪步驟, 去除特征提取圖像中的 噪聲。 例如, 可以選取整個特征提取圖像中所有非零點的均值 Gmean 作為閾值, 把特征提取圖 像中小于 Gmean 數據作為噪聲歸零。
     如圖 6 所示, 其中 (a) 為圖 3 中 (a) 圖像經過特征提取、 去噪步驟、 篩選步驟步驟后 獲得的特征提取圖像 ( 特征提取圖像經過這樣處理后得到的圖像記為 Ifeeature), (b) 為圖 3 中 (b) 圖像經過特征提取、 去噪步驟、 篩選步驟步驟后獲得的特征提取圖像 ( 即圖 3 中 (b)
     圖像的 Ifeeature)。
     在前述實施例的基礎上, 本發明另一實施例中, 在特征提取步驟和感興趣目標確 定步驟之間還可以包括備選目標提取步驟。在備選目標提取步驟中, 對上述特征提取圖像 中的特征區域, 根據測量感興趣目標參數的需要進行進一步的處理, 從中提取備選的目標 ; 在感興趣目標確定步驟中, 計算備選目標的能量函數, 并對備選目標的能量函數進行判斷, 以其中能量函數為極值的備選目標為感興趣目標。 這樣, 無需對所有的特征區域進行計算, 也更方便后續感興趣目標的參數的測量。
     其中, 本發明一個實施例中, 備選目標提取步驟中可以包括細化步驟, 在此步驟 中, 可以采用連通區域細化算法 ( 例如 OPTA 算法 ) 提取特征提取圖像中各特征區域的骨 架, 這些骨架是特征區域的中心線。基于這些骨架進行后續的能量函數計算及感興趣目標 的判斷確定。 這樣, 計算能量函數時只需考慮骨架上的點的亮度, 或者只需考慮骨架上的采 樣點的亮度, 而無需考慮整個特征區域內的點的亮度, 這樣可以減少計算量, 另外, 當需要 計算的參數是頭圍、 雙頂徑或者股骨長等時, 細化為骨架后也更便于后續感興趣目標的參 數的計算。
     如圖 7 所示, 其中 (a) 為圖 6 中圖像 (a) 經過細化后的圖像, (b) 為圖 6 中圖像 (b) 經過細化后的圖像。
     如果感興趣目標為股骨, 由于股骨本身即為一個線段, 因此, 此時, 每一個特征區 域的骨架都可以作為股骨的備選。而如果感興趣目標為顱骨的話, 由于頭圍圖像形狀為橢 圓, 經過特征提取后圖像為兩個分開的特征區域。因此, 此時, 需要進一步的處理后才能進 行后續的能量函數計算及感興趣目標的判斷確定。
     因此, 在前述實施例的基礎上, 本發明另一實施例中, 備選目標提取步驟中, 在細 化步驟獲得上述骨架圖像后, 還包括擬合步驟。 在擬合步驟中, 可以把上述細化后的特征區 域 ( 骨架 ) 按照符合感興趣目標的某個或某些特征進行擬合, 以更好地進行特征區域的提 取。本文中, 稱用來進行擬合的感興趣目標的特征為感興趣目標的 “第二類特征” 。本實施 例中, 按照感興趣目標的形態特征進行擬合。由于顱骨圖像的形狀為橢圓, 因此, 可以將細 化后的骨架根據兩兩組合進行橢圓擬合, 以擬合結果作為備選特征區域, 然后對這些備選 特征區域按照前述方法計算能量函數, 并用能量函數來搜索哪個是感興趣目標。 這樣, 同時 結合了感興趣目標的亮度分布特征和感興趣目標的形態特征來提取感興趣目標, 可以進一 步減少計算量, 提高提取感興趣目標的準確性。
     假設橢圓的方程式為 x2+a·x·y+b·y2+c·x+d·y+e = 0, 基于最小二乘集合可以 獲得直角坐標下橢圓的方程系數 (a, b, c, d, e)。檢驗計算獲得的參數, 如果 b-a2 < 0, 表示 擬合出來的不是橢圓方程, 丟棄當前結果。擬合橢圓的方法為常用的方法, 在此不再贅述。
     在前述實施例基礎上, 還可以包括擬合結果檢驗步驟, 即用感興趣目標的某個或 某些特征來檢驗擬合的結果, 如果擬合的結果符合相應的特征, 則擬合結果保留, 否則去 除。本文中, 稱用來檢驗擬合結果的感興趣目標的特征為感興趣目標的 “第三類特征” 。例 如, 上述實施例中, 通常描述橢圓的都是采用角度坐標系, 包括 : 橢圓中心坐標 (Center_x, Center_y), 橢圓長軸、 短軸長度 (Axis_l, Axis_s), 橢圓的旋轉角度 Angle。本發明一個實 施例中, 用感興趣目標的參數的統計數字特征來對每個擬合出來的橢圓參數進行正確性檢 驗:(1) 基于統計數據, 短軸長度大于 1.5 厘米, 即 Axis_s > 1.5cm ;
     (2) 基 于 統 計 數 據, 95 % 的 胎 兒 數 據 短、 長 軸 比 在 0.651 < Axis_s/Axis_l < 0.915 范圍內 ;
     (3) 同時限定中心點 (Center_x, Center_y) 在有效圖像數據范圍內。
     滿足上述條件的橢圓才作為擬合結果。通過上述限制可有效加快橢圓搜索速度。
     本領域內技術人員可以理解, 檢驗步驟中的檢驗條件不限于上述實施例中列出的 條件, 感興趣目標不同, 相應的檢驗條件也不同, 可以根據不同的感興趣目標的具體的先驗 ( 或已知的 ) 特征, 根據實際情況的需要靈活選擇設定。
     在前述實施例的基礎上, 本發明另一實施例中, 在特征提取步驟和感興趣目標確 定步驟之間還可以包括加權步驟, 加權步驟中, 將特征提取圖像、 或者特征提取圖像經過去 噪步驟、 篩選步驟后得到的圖像 Ifeeature 加權到初始圖像中。 在計算特征區域的能量函數時, 以加權后得到的圖像進行計算, 即一個特征區域的能量函數定義為加權后的初始圖像中在 此特征區域內的點的亮度的和。 采用特征提取圖像、 或圖像 Ifeeature 對初始圖像進行加權, 可 以增大初始圖像中特征區域與周圍鄰域之間的對比, 從而有利于后續感興趣目標的判斷。
     在前述各實施例的基礎上, 在確定了感興趣目標后, 還可以包括優化步驟, 對獲得 的感興趣目標進行進一步優化。例如, 在本發明另一實施例中, 希望測量胎兒的頭圍。獲得 感興趣的目標 ( 本實施例中為橢圓 ) 后, 對 Center_x, Center_y, Axis_l, Axis_s, Angle 每 一個參數, 在參數的鄰域內, 基于一定步長 ( 例如 1 個像素 ) 搜索, 獲得能量函數 E 的一個 局部的最優值, 以進一步優化橢圓參數。這里局部搜索的能量函數仍然可以為式 (1) 中或 前述各實施例中的能量函數, 以能量函數極值 ( 最大或最小 ) 處對應的參數的值為最終的 橢圓參數。
     本發明另一實施例中, 在前述實施例的基礎上以股骨為感興趣目標, 測量股骨的 長度。由于獲得的感興趣目標 ( 即股骨骨架線 ) 的兩個端點位置通常不是準確的股骨兩個 端點, 因此要對這兩個端點位置進行優化。 由于骨架線都要長于實際股骨的長度, 因此只要 在骨架線上搜索股骨的兩個端點即可。假設超聲圖像亮度服從分布 b(a, y)( 本文采用高斯 分布, a 為向量表示均值和方差 ), 其中 a 為分布參數。給定兩個端點位置, 計算兩個端點 之間沿骨架線圖像點的亮度分布參數 a1。同時沿骨架線計算骨骼兩側 ( 大于一定距離 ) 區 域和給定端點外側區域的亮度分布參數 a2。基于 a1, a2 計算上述兩個區域內點的聯合概率 作為能量, 搜索能量最大時端點位置作為最后股骨的兩個端點。其中 b(a, y) 可以是高斯分 布, 也可以是瑞利分布等其它分布函數。本實施例中, 我們采用高斯分布進行端點優化。
     在前述實施例的基礎上, 本發明提供一種在圖像中測量感興趣目標的參數的方 法, 即在前述各實施例的方法的基礎上, 增加一測量步驟, 在使用前述方法獲得感興趣目標 后, 在測量步驟中, 即可由獲得的感興趣目標測量感興趣目標的參數。例如, 在本發明的一 個實施例中, 獲得頭圍橢圓 ( 即感興趣目標 ) 后, 橢圓的短軸即對應為胎兒顱骨的雙頂徑參 數; 股骨 ( 骨架線 ) 的長度即為股骨長。類似地, 可以獲得雙頂經、 頭圍和股骨長三個胎兒 臨床的重要指標。
     本發明實施例中的在圖像中提取感興趣目標及測量感興趣目標的參數的方法, 用 感興趣目標的特征, 采用特征提取的方法從圖像中提取感興趣目標, 減小了需要計算的備 選目標的數量, 從而減小了計算量, 提高了感興趣目標提取的準確性。本發明的實施例中, 還包括實現上述各實施例中在圖像中提取感興趣目標及測量 感興趣目標的參數的方法的裝置。
     本發明一個實施例中, 圖 1 中的圖像計算包括在圖像中提取感興趣目標的裝置, 此裝置如圖 8 所示, 包括初始圖像獲取模塊 802、 特征提取模塊 804、 感興趣目標確定模塊 806。其中初始圖像獲取模塊 802 從電影回放數據存儲模塊中獲取初始圖像, 送到特征提 取模塊 804 ; 特征提取模塊 804 根據感興趣目標的第一類特征對初始圖像進行處理, 在初始 圖像中提取符合此第一類特征的特征區域, 獲得特征提取圖像 ; 感興趣目標確定模塊 806 對特征提取模塊 804 獲得的特征提取圖像中的特征區域, 分別計算每個特征區域的能量函 數, 并比較計算出的各特征區域的能量函數, 獲得其中其能量函數為極值的特征區域, 此能 量函數為極值的特征區域即為感興趣目標。 其中能量函數的定義與前述各實施例中的方法 中的能量函數定義相同, 此處不再贅述。
     特征提取模塊 804 包括模板選擇子模塊 808 和圖像處理子模塊 810, 其中模板選擇 子模塊 808 根據感興趣目標的第一類特征, 選擇提取符合此第一類特征的特征區域使用的 模板 ; 圖像處理子模塊 810 用選擇出來的模板對初始圖像進行處理, 獲得特征提取圖像, 獲 得的特征提取圖像中即包含符合第一類特征的特征區域。 本發明另一實施例中, 在前述實施例中的提取感興趣目標的裝置還可以包括備選 目標提取模塊 805、 篩選模塊 812、 加權模塊 822、 優化模塊 826 中的一個或多個。 其中, 篩選 模塊 812 與特征提取模塊 804 相連, 其去除特征提取模塊 804 獲得的特征提取圖像中不滿 足篩選條件的特征區域 ; 備選目標提取模塊 805 與特征提取模塊 804 或篩選模塊 812 相連, 其對特征提取模塊 804 獲得的特征提取圖像或經過篩選模塊 812 處理的特征提取圖像中的 特征區域進行進一步處理, 分別提取出備選目標 ; 加權模塊 822 連接到特征提取模塊 804 或 篩選模塊 812, 其將經過上述特征提取模塊 804 或篩選模塊 812 處理后的特征提取圖像加權 到初始圖像 ; 優化模塊 826 連接到感興趣目標確定模塊 806, 其優化感興趣目標確定模塊獲 得的感興趣目標。
     其中備選目標提取模塊 805 可以包括細化子模塊 816、 擬合子模塊 818、 檢驗子模 塊 820 中的一個或多個, 其中細化子模塊 816 與特征提取模塊 804 或篩選模塊 812 相連, 其 可以將特征提取模塊 804 獲得的特征提取圖像或經過篩選模塊 812 篩選的特征提取圖像中 的特征區域細化 ; 擬合子模塊 818 與細化子模塊 816 相連, 其將細化子模塊 816 細化的特征 區域按照符合感興趣目標的第二類特征進行擬合, 獲得至少一個擬合后的特征區域 ; 檢驗 子模塊 820 連接到擬合子模塊 818, 其根據感興趣目標的第三類特征設定檢驗條件, 判斷擬 合后的特征區域是否滿足檢驗條件, 并去除不滿足檢驗條件的擬合后的特征區域 ;
     篩選模塊 812、 細化子模塊 816、 擬合子模塊 818、 檢驗子模塊 820、 加權模塊 822、 優 化模塊 826 中, 可以只包括其中的某一個模塊或某幾個模塊, 當然, 也可以包括其中所有的 模塊。如圖圖 9 所示, 本發明一個實施例中, 提取感興趣目標的裝置包括了上述所有模塊。
     本發明實施例還包括一種在圖像中測量感興趣目標的參數的裝置。其中, 此測量 感興趣目標的參數的裝置是在前述各實施例的在圖像中提取感興趣目標的裝置的基礎上 增加了一個測量模塊 828, 此測量模塊 828 與感興趣目標確定模塊 806 或優化模塊 826 連 接, 根據感興趣目標確定模塊 806 確定的感興趣目標或經優化模塊 826 優化后的感興趣目 標來測量感興趣目標的參數。 本實施例中其它模塊或子模塊的結構與前述個實施例的相應
     的模塊或子模塊相同, 此處不再贅述。
     本發明各實施例中的在圖像中提取感興趣目標以及測量感興趣目標參數的方法 及裝置不限于用于測量胎兒頭圍、 雙頂徑和股骨長, 也可以用于其他目標提取和測量, 如超 聲圖像中胎兒脊椎位置的提取, 臉部輪廓的提取, X 光圖像中肋骨等骨骼的提取, 以及其它 圖像中特定形狀物體的提取等等。
     按照本發明實施例的在圖像中提取感興趣目標及測量感興趣目標的參數的方法 和裝置, 可以通過硬件、 軟件、 固件、 或者其組合實現在醫用成像系統中, 從而使得醫用成像 系統可以采用按照本發明實施例的提取感興趣目標及測量感興趣目標的參數的方法, 或者 包括按照本發明實施例的提取感興趣目標及測量感興趣目標的參數的裝置。 按照本發明的 上述教導, 這種實現對于本領域普通技術人員來說是顯而易見的, 在此不做詳細描述。
     以上通過具體的實施例對本發明進行了說明, 但本發明并不限于這些具體的實施 例。 本領域技術人員應該明白, 還可以對本發明做各種修改、 等同替換、 變化等等, 這些變換 只要未背離本發明的精神, 都應在本發明的保護范圍之內。此外, 以上多處所述的 “一個實 施例” 表示不同的實施例, 當然也可以將其全部或部分結合在一個實施例中。

關 鍵 詞:
一種 圖像 提取 測量 感興趣 目標 方法 及其 裝置
  專利查詢網所有資源均是用戶自行上傳分享,僅供網友學習交流,未經上傳用戶書面授權,請勿作他用。
關于本文
本文標題:一種在圖像中提取及測量感興趣目標的方法及其裝置.pdf
鏈接地址:http://www.wwszu.club/p-6418140.html
關于我們 - 網站聲明 - 網站地圖 - 資源地圖 - 友情鏈接 - 網站客服客服 - 聯系我們

[email protected] 2017-2018 zhuanlichaxun.net網站版權所有
經營許可證編號:粵ICP備17046363號-1 
 


收起
展開
鬼佬大哥大