一种三维医学图像多尺度异构特征的提取与分类方法
【专利摘要】本发明提出了一种三维医学图像多尺度异构特征的提取与分类方法，通过将张量场构建、各向异性小波核函数定义、多尺度分析和自适应聚类进行有机结合，设计了一个统一的算法来实现这些多尺度、多级别异构特征的自动提取，分别给出了算法各个要素的数学定义及其计算方法，并对特征提取和分类结果进行了相应的分析。
【专利说明】—种三维医学图像多尺度异构特征的提取与分类方法
【技术领域】
[0001]本发明涉及三维医学图像多尺度异构特征的提取与分类方法，具体涉及三维图像曲线、曲面、实体块等结构特征的自动提取与语义分类方法，通过将张量场构建、各向异性小波核函数定义、多尺度分析和自适应聚类进行有机结合，设计了一个统一的算法来实现这些多尺度、多级别异构特征的自动提取。
【背景技术】
[0002]三维医学图像多尺度异构特征的提取与分类方法相关方面为热核理论应用、图像特征提取和基于热扩散的图像处理三个方面。
[0003]在热核理论应用方面:
[0004]近年来，物理上的热核和热扩散理论在计算机图形图像处理领域受到了众多研究者的青睐，已在二维流形的多尺度特征提取、平滑处理以及形状检索等方面得到了广泛应用。其中，最重要的原因是:热核天然地蕴含了多尺度的性质，并具有等距变换不变性，这对图形或图像的鲁棒特征提取具有重要意义。如:文献提出了一种尺度不变的热核信号计算方法，并将其应用于形状检索，取得了较好的效果。同时，为了提高在大规模网格模型上进行热核计算的时间效率，文献提出了一种多分辨率的计算策略来加速热核信号的计算。
[0005]在图像的特征提取方面:
[0006]图像的局部特征可被看作是与周围领域具有显著不同、并表征特定物理意义的一种模态，他们一般蕴含丰富的信息并可通过一些微分量来进行验证。其中，现有的以Harris、Hessian、LOG以及DOG等算子为核心的图像特征提取算法的主要思想是:通过对图像的微分属性分析，提取某种物理量的局部极值，并将其作为特征。因此，这些算法一般对尺度变化、噪声和图像形变等因素都比较敏感。为了尽可能的解决这些问题，文献的实验证明:将Harris算子和Hessian算子相结合并辅以尺度选择,是提高图像特征提取鲁棒性的一个可行的策略，而且该方法已被文献推广到了三维情形。应该说，目前2D SIFT算法仍是最为稳定的二维图像特征提取算法，而且它的高维形式的扩展已经开始出现.[0007]在基于热扩散理论的图像处理方面:
[0008]在过去的20年中，借助高斯核函数，热扩散理论在图像的多尺度分析领域被广为使用。但是，高斯核一般只能一个很小的邻域内刻画热扩散过程，因为其本质上等价于用各向同性的热传递系数作为权重对原始图像进行卷积处理。自从双边滤波方法被提出来用于边界保持的图像平滑和去噪处理以后，基于各向异性热传递理论的滤波器才开始在二维图像处理领域逐渐流行起来。特别值得指出的是，在二维流形上首先提出的热核信号已被推广用于三维流形，但是这种扩展尚没有考虑三维流形内部材质的差异性。这也是启发本发明直接在三维医学图像上研究各向异性热核的一个主要因素。
【发明内容】
[0009]DTI图像所包含的张量信息对器官结构特征的提取和可视化均具有重要意义，而临床常用的MRI，CT等标量医学图像并不自带张量信息。因此，本部分内容重点研究如何根据三维标量图像的几何信息，来构建描述局部结合结构的张量场。在此基础上，进一步研究如何将二维SIFT特征提取的思想进行扩展，实现三维医学影像数据多尺度几何特征的提取，并研究适用于三维医学数据非刚性等距形变的特征描述子，为配准等其他基于特征的三维医学图像应用提供底层的算法支持。
[0010]本发明提出一种三维医学图像多尺度异构特征的提取与分类方法，设计了一种鲁棒的三维图像异构结构特征自动提取、分类、过滤和可视化方法，该方法可同时处理多尺度点特征、多尺度曲面特征、多级别曲线特征和实体块特征，并在异构结构特征提取的基础上，给出了一种自适应的结构特征语义分类方法；基于三维图像局部黑塞矩阵的特征系统定义了一种通用的扩散张量，该张量能够解释图像的局部几何结构，辅助曲线种子点和实体块特征的提取，并可基于扩散张量的距离度量控制线特征的自动生长；基于扩散张量定义了一种数据相关的各向异性小波核函数，在图像的多尺度分析过程中，它可用于图像的各向异性卷积计算和图像的频带分解；基于点到局部拟合曲面的投影距离，提出了一种曲线候选种子点过滤方法，可有效去除由边界区域离散体素的锯齿而导致的伪种子点，同时，给出了基于CUDA的曲线并行生长算法。
【专利附图】
【附图说明】
[0011]图1人体头部MRI三维图像异构特征的提取和分类结果。
[0012]图2为基于扩散张量和各向异性小波多尺度分析的三维图像异构特征分类算法流程图。
[0013]图3为结构张量、扩散张量及其物理意义的示意图。
[0014]图4为多尺度曲面特征的提取结果。
[0015]图5为多尺度曲面特征的语义分类。
[0016]图6为基于MLS局部曲面拟合的种子点过滤方法示意图。
[0017]图7为10%噪声扰动的人体头部MRI三维图像的多尺度异构结构特征分类结果。
[0018]图8为不同参数组合下的多级别曲线特征提取结果。
[0019]图9为婴儿头部MRI三维图像的多尺度异构结构特征分类结果。
[0020]图10为猴子头部多模态三维图像的多尺度异构结构特征分类结果。
【具体实施方式】
[0021]下面结合附图以及具体实施例进一步说明本发明。
[0022]一种基于三维医学图像多尺度异构特征的提取与分类方法，具体实施如下:
[0023]1.各向异性扩散张量场
[0024]1.1三维图像的微分属性分析
[0025]图像的特征提取和分类可借助微分几何理论来进行分析。给定三维图像，可将其定义为:Ι(ρ): Ω — R，Ω e R3是图像的定义域，p=(x，y，z)代表三维图像中的一个体素，因此I(P1)-1(P2)表示体素P1和P2间的灰度/颜色差异。其中，源自图像微分分析的结构张量可紧凑的刻画图像局部材质变化的方向以及材质间的过渡变化关系。正如本发明在第二章所描述的，由图像的二阶导数构成的具有对称性质的黑塞矩阵H能够很好地表示曲面法线的变化情况，它的数学表达式为:
[0026]
【权利要求】
1.一种三维医学图像多尺度异构特征的提取与分类方法，其特征是:包含以下步骤: (1)基于三维图像局部黑塞矩阵的特征系统定义一种通用的扩散张量，该张量能够解释图像的局部几何结构，辅助曲线种子点和实体块特征的提取，并可基于扩散张量的距离度量控制线特征的自动生长； (2)基于扩散张量定义一种数据相关的各向异性小波核函数，在图像的多尺度分析过程中，用于图像的各向异性卷积计算和图像的频带分解； (3)基于点到局部拟合曲面的投影距离，采用曲线候选种子点过滤方法，有效去除由边界区域离散体素的锯齿而导致的伪种子点，同时，采用了基于CUDA的曲线并行生长算法； (4)设计了一种鲁棒的三维图像异构结构特征自动提取、分类、过滤和可视化方法，其可同时处理多尺度点特征、多尺度曲面特征、多级别曲线特征和实体块特征，并在异构结构特征提取的基础上，给出了一种自适应的结构特征语义分类方法。
2.根据权利要求1所述的三维医学图像多尺度异构特征的提取与分类方法，其特征是:所述的自适应的结构特征语义分类方法，具体如下:根据已经得到的曲面的几何结构，进一步进行聚类以从语义层面区分那些结构类似但因材质不同而属于不同组织的曲面；图像自带的灰度/颜色信息提供了线索；通过改进K-means算法来自适应地对曲面结构的进行材质类型的聚类分析；对每一个尺度，用Si来表示曲面上相应位置的原始灰度值，聚类算法可被概括为如下几步: (I)初始化；(2)分配类别标志；(3)构建分类；(4)分类更新；(5)测试终止条件。
3.根据权利要求1所述的三维医学图像多尺度异构特征的提取与分类方法，其特征是:基于三维图像局部黑塞矩阵的特征系统定义了一种通用的扩散张量，定义的扩散张量为:
4.根据权利要求1所述的三维医学图像多尺度异构特征的提取与分类方法，其特征是:基于扩散张量定义了一种数据相关的各向异性小波核函数，在图像的多尺度分析过程中，它用于图像的各向异性卷积计算和图像的频带分解。
5.根据权利要求1所述三维医学图像多尺度异构特征的提取与分类方法，其特征是:基于点到局部拟合曲面的投影距离中，采用了一种曲线候选种子点过滤方法，包括:用移动最小二乘法来对曲面进行局部二次拟合，这些伪种子点将会落在拟合的曲面上；虽然曲线一般都是依附于曲面存在，但对于显著的曲线特征来说，它们到局部拟合曲面的投影距离将比锯齿状体素到拟合曲面的投影距离大的多，因此，基于这种分析来过滤掉那些伪种子点 。
【文档编号】G06T7/00GK103700089SQ201310628826
【公开日】2014年4月2日 申请日期:2013年12月1日 优先权日:2013年12月1日
【发明者】李帅, 郝爱民, 秦洪, 王莉莉, 赵沁平 申请人:北京航空航天大学