一种血管图像流空伪影消除方法与流程
本发明属于图像处理领域，具体涉及一种血管图像流空伪影消除方法。
背景技术：
据最新的医疗数据显示，血管类疾病已严重影响当代人的生命健康，成为致死率较高的疾病之一。比如动脉粥样硬化、炎症性血管疾病、血管真性肿瘤性疾病等等。血管类疾病中常见的诱因是血管狭窄、堵塞、破裂，以及斑块等等。临床上一般使用磁共振血管成像(magneticresonanceangiography,mra)、高分辨率磁共振血管成像(high-resolutionmagneticresonanceangiography,hrmra)检测血管壁，以及血管的狭窄化程度等，从而为医生提供诊断所需信息。
磁共振血管成像技术(mra或hrmra)中的亮血序列能够抑制背景，显示并定量分析血流信息，但是由于管腔信号的污染，靠近管腔的血管壁区域很难用亮血序列进行可靠定量。为解决亮血序列无法评价薄血管壁的问题，常使用黑血序列。黑血序列能够提供黑血液和亮血管壁信号的强烈对比，通过抑制血液信号，增强管壁信号来评估管壁病变程度，检测动脉粥样硬化斑块的症状，是评价薄血管壁的有效方法。然而在医学磁共振成像过程中，在动脉弯曲处，包括近弯曲处和尖端附近，由于血液流速较慢会带来信号污染，称为流空伪影。当病患注射顺磁性造影剂后，使用黑血序列扫描得到的增强黑血图像，相较于直接使用黑血序列扫描得到的黑血图像中，血管壁结构显示更加清晰，并且能够清晰地反应动脉斑块的炎症反应与不稳定性，然而流空伪影也更加明显，即本应该为黑色的血液信号却显示为亮色。流空伪影会导致黑血图像对于血管和周围组织的不良描述，会模拟正常个体的壁增厚或斑块外观，从而影响医生的诊断，导致血管分析异常困难。
目前的流空伪影消除方法集中于改进医学图像成像技术，如采用新的成像原理、新的脉冲序列以及研究开发新的成像模式等，但这些方法实现复杂，临床应用推广较难，当医院设备没有这些脉冲序列或成像模式时，无法准确快速地消除流空伪影。
技术实现要素：
为了在临床应用中，准确快速地消除血管图像中的流空伪影。本发明实施例提供了一种血管图像流空伪影消除方法。包括：
获取血管部位的亮血图像和增强黑血图像；
以所述增强黑血图像为基准，对所述亮血图像进行图像配准，得到配准后亮血图像和配准后增强黑血图像；
提高所述配准后亮血图像的对比度，得到对比增强亮血图像；
从所述对比增强亮血图像中提取出血液信息，得到亮血特征图；
将所述亮血特征图与所述配准后增强黑血图像依据预设融合公式进行图像融合，得到流空伪影消除的目标增强黑血图像。
可选的，所述以所述增强黑血图像为基准，对所述亮血图像进行图像配准，得到配准后亮血图像和配准后增强黑血图像，包括：
对所述亮血图像和所述增强黑血图像进行预处理，得到第一亮血图像和第一黑血图像；
基于下采样处理，由所述第一亮血图像得到亮血高斯金字塔，由所述第一黑血图像得到黑血高斯金字塔；其中，所述亮血高斯金字塔和所述黑血高斯金字塔中包括从下至上分辨率依次变小的m个图像；m为大于3的自然数；
基于上采样处理，利用所述亮血高斯金字塔得到亮血拉普拉斯金字塔，利用所述黑血高斯金字塔得到黑血拉普拉斯金字塔；其中，所述亮血拉普拉斯金字塔和所述黑血拉普拉斯金字塔中包括从下至上分辨率依次变小的m-1个图像；
对所述亮血拉普拉斯金字塔和所述黑血拉普拉斯金字塔中对应层的图像进行配准，得到配准的亮血拉普拉斯金字塔；
利用所述配准的亮血拉普拉斯金字塔作为叠加信息，对所述亮血高斯金字塔和所述黑血高斯金字塔中各层图像进行自上而下的配准，得到配准的亮血高斯金字塔；
基于所述配准的亮血高斯金字塔得到配准后亮血图像，基于所述黑血高斯金字塔得到配准后增强黑血图像。
可选的，所述对所述亮血图像和所述增强黑血图像进行预处理，得到第一亮血图像和第一黑血图像，包括：
以所述增强黑血图像为基准，将所述亮血图像进行坐标变换和图像插值，并使用预定相似性度量及预定搜索策略，得到预配准后的第一亮血图像；
从所述增强黑血图像中，提取与所述第一亮血图像的扫描范围相同的区域内容，形成第一黑血图像。
可选的，所述从所述增强黑血图像中，提取与所述第一亮血图像的扫描范围相同的区域内容，形成第一黑血图像，包括：
获得所述第一亮血图像中血管的边缘轮廓信息；
在所述边缘轮廓信息中，提取横坐标、纵坐标的最小值和最大值，基于获得的四个坐标值确定初始提取边框；
在所述第一亮血图像的尺寸范围内，将所述初始提取边框沿四个方向分别扩大预设数量个像素大小，得到最终提取边框；
在所述增强黑血图像中提取所述最终提取边框中对应的区域内容，形成第一黑血图像。
可选的，所述基于下采样处理，由所述第一亮血图像得到亮血高斯金字塔，由所述第一黑血图像得到黑血高斯金字塔，包括：
获取第i层的输入图像，对所述第i层的输入图像利用高斯内核进行滤波，并删除滤波后图像的偶数行和偶数列，得到高斯金字塔的第i层图像gi，并将所述第i层图像gi作为第i+1层的输入图像，得到高斯金字塔的第i+1层图像gi+1；
其中，i＝1、2，…，m-1；当所述高斯金字塔为亮血高斯金字塔时，第1层的输入图像为所述第一亮血图像，当所述高斯金字塔为黑血高斯金字塔时，第1层的输入图像为所述第一黑血图像。
可选的，所述基于上采样处理，利用所述亮血高斯金字塔得到亮血拉普拉斯金字塔，利用所述黑血高斯金字塔得到黑血拉普拉斯金字塔，包括：
对高斯金字塔的第i+1层图像gi+1进行上采样，并用数据0填充新增的行和列，得到填充图像；
对所述填充图像利用所述高斯内核进行卷积，获得填充像素的近似值，得到放大图像；
将高斯金字塔的第i层图像gi与所述放大图像相减，得到拉普拉斯金字塔的第i层图像li；
其中，当所述高斯金字塔为所述亮血高斯金字塔时，所述拉普拉斯金字塔为所述亮血拉普拉斯金字塔，当所述高斯金字塔为所述黑血高斯金字塔时，所述拉普拉斯金字塔为所述黑血拉普拉斯金字塔。
可选的，所述对所述亮血拉普拉斯金字塔和所述黑血拉普拉斯金字塔中对应层的图像进行配准，得到配准的亮血拉普拉斯金字塔，包括：
针对所述亮血拉普拉斯金字塔和所述黑血拉普拉斯金字塔中的每一层，将该层对应的黑血拉普拉斯图像作为参考图像，将该层对应的亮血拉普拉斯图像作为浮动图像，使用预定相似性度量及预定搜索策略，实现图像配准，得到配准后的该层亮血拉普拉斯图像；
由配准后的多层亮血拉普拉斯图像，依据分辨率依次减小的顺序，从下至上构成配准的亮血拉普拉斯金字塔；
其中，所述黑血拉普拉斯图像为所述黑血拉普拉斯金字塔中的图像，所述亮血拉普拉斯图像为所述亮血拉普拉斯金字塔中的图像。
可选的，所述利用所述配准的亮血拉普拉斯金字塔作为叠加信息，对所述亮血高斯金字塔和所述黑血高斯金字塔中各层图像进行自上而下的配准，得到配准的亮血高斯金字塔，包括：
对所述亮血高斯金字塔和所述黑血高斯金字塔中自上而下的第j层，将该层对应的黑血高斯图像作为参考图像，将该层对应的亮血高斯图像作为浮动图像，使用预定相似性度量及预定搜索策略，实现图像配准，得到配准后的第j层亮血高斯图像；
将所述配准后的第j层亮血高斯图像进行上采样操作，并与配准后的对应层亮血拉普拉斯图像相加，利用相加后的图像替换所述亮血高斯金字塔中第j+1层的亮血高斯图像；
将第j+1层的黑血高斯图像作为参考图像，将替换后的第j+1层的亮血高斯图像作为浮动图像，使用预定相似性度量及预定搜索策略，实现图像配准，得到配准后的第j+1层亮血高斯图像；
其中j＝1，2，…，m-1，所述黑血高斯图像为所述黑血高斯金字塔中的图像，所述亮血高斯图像为所述亮血高斯金字塔中的图像。
可选的，所述从所述对比增强亮血图像中提取出血液信息，得到亮血特征图，包括：
利用预设图像二值化方法确定第一阈值；
利用所述第一阈值，从所述对比增强亮血图像中提取出血液信息；
由提取出的所述血液信息得到亮血特征图。
可选的，所述预设融合公式为：
其中，f(x,y)为亮血特征图的灰度值，r(x,y)为配准后增强黑血图像的灰度值，g(x,y)为融合后的目标增强黑血图像的灰度值。
本发明实施例所提供的方案中，通过对磁共振血管成像技术扫描得到的亮血图像和增强黑血图像进行图像配准，通过阈值分割从配准后的亮血图像中提取血液信息，将其融合进配准后的增强黑血图像中，从而对配准后的增强黑血图像中信号显示不正确的血液信息进行修正，将表现为亮色的流空伪影灰度值更改为黑色，从而实现消除流空伪影的目的，可以显示更准确、全面的血管图像。本发明实施例所提供的方案是从图像后处理的角度对流空伪影进行消除，无需使用新的成像技术、成像模式或脉冲序列，因此可以简便、准确、快速地消除流空伪影，并可以在临床应用实现较好的推广。
当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种血管图像流空伪影消除方法的流程示意图；
图2为本发明实施例所提供的灰度线性变换及参数设置示意图
图3为本发明实施例的颅内血管磁共振图像坐标变换示意图；
图4为本发明实施例的两种搜索策略配准对比结果；
图5为本发明实施例的颅内血管磁共振图像经过预配准后的结果图；
图6为本发明实施例的颅内血管磁共振图像的待配准区域示意图；
图7分别为本发明实施例的颅内血管磁共振图像的亮血高斯金字塔和黑血高斯金字塔；
图8分别为本发明实施例的颅内血管磁共振图像的亮血拉普拉斯金字塔和黑血拉普拉斯金字塔；
图9为本发明实施例的颅内血管磁共振图像的拉普拉斯金字塔图像的配准结果；
图10为本发明实施例的颅内血管磁共振图像基于互信息的高斯金字塔图像配准步骤示意图；
图11为本发明实施例的不同迭代次数下的归一化互信息；
图12为多种配准方法的颅内血管磁共振图像的配准结果；
图13为本发明实施例的灰度线性变换结果图；
图14为本发明实施例的图像二值化结果图；
图15为本发明实施例的流空伪影消除结果。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行描述。
为了在临床应用中，准确快速地消除血管图像中的流空伪影。本发明实施例提供了一种血管图像流空伪影消除方法。
需要说明的是，本发明实施例所提供的一种血管图像流空伪影消除方法的执行主体可以为一种血管图像流空伪影消除装置，该血管图像流空伪影消除装置可以运行于电子设备中。其中，该电子设备可以为血管成像设备，或者一图像处理设备，当然并不局限于此。
本发明实施例提供一种血管图像流空伪影消除方法。下面，首先对该血管图像流空伪影消除方法进行介绍。
如图1所示，本发明实施例所提供的一种血管图像配准方法，可以包括如下步骤：
s1，获取血管部位的亮血图像和增强黑血图像；
本发明实施例中，所针对的血管可以是颅内血管、心血管、眼底血管等组织部位的血管，在此，对本发明实施例的血管部位不做限制。
亮血图像是对血管部位使用磁共振血管成像技术进行亮血序列扫描得到的图像；增强黑血图像是对患者先注入顺磁性造影剂，再对血管部位使用磁共振血管成像技术进行黑血序列扫描得到的图像。本发明实施例中，磁共振血管成像技术优选为hrmra。
本领域技术人员可以理解的是，亮血序列扫描得到多个亮血图像，黑血序列扫描得到多个增强黑血图像，本发明实施例中待配准的亮血图像和增强黑血图像是扫描时间相同的一对图像。
需要说明的是，为提高本发明实施例的后续配准精度，患者在扫描成像的过程中应该尽量减少身体运动，避免造成太大的空间位置误差，以及生成太多的运动伪影。
s2，以增强黑血图像为基准，对亮血图像进行图像配准，得到配准后亮血图像和配准后增强黑血图像；
本发明实施例中，可以采用多种图像配准方法进行亮血图像和增强黑血图像的配准。
可选的一种实施方式中，可以采用基于图像金字塔的图像配准方法。具体的，采用该方法时，可选的，步骤s2可以包括以下步骤：
s21，对亮血图像和增强黑血图像进行预处理，得到第一亮血图像和第一黑血图像；
s22，基于下采样处理，由第一亮血图像得到亮血高斯金字塔，由第一黑血图像得到黑血高斯金字塔；其中，亮血高斯金字塔和黑血高斯金字塔中包括从下至上分辨率依次变小的m个图像；m为大于3的自然数；
s23，基于上采样处理，利用亮血高斯金字塔得到亮血拉普拉斯金字塔，利用黑血高斯金字塔得到黑血拉普拉斯金字塔；其中，亮血拉普拉斯金字塔和黑血拉普拉斯金字塔中包括从下至上分辨率依次变小的m-1个图像；
s24，对亮血拉普拉斯金字塔和黑血拉普拉斯金字塔中对应层的图像进行配准，得到配准的亮血拉普拉斯金字塔；
s25，利用配准的亮血拉普拉斯金字塔作为叠加信息，对亮血高斯金字塔和黑血高斯金字塔中各层图像进行自上而下的配准，得到配准的亮血高斯金字塔；
s26，基于配准的亮血高斯金字塔得到配准后亮血图像，基于黑血高斯金字塔得到配准后增强黑血图像。
以下对s21～s26分别进行介绍：
针对s21，可选的，对亮血图像和增强黑血图像进行预处理，得到第一亮血图像和第一黑血图像，可以包括以下步骤：
s211，以增强黑血图像为基准，将亮血图像进行坐标变换和图像插值，并使用预定相似性度量及预定搜索策略，得到预配准后的第一亮血图像；
该步骤实际上是对亮血图像以增强黑血图像为基准进行的图像预配准。
增强黑血图像是按冠状面扫描成像的，而亮血图像却是按轴状面扫描成像的，序列扫描方向的不同导致两者最终的磁共振成像层面不同，因此需要通过坐标变换来实现在一个标准参考坐标系下观察不同成像层面的磁共振图像。
针对血管图像，可以利用医学图像dicom(digitalimagingandcommunicationsinmedicine,医学数字成像与通信)文件中的方向信息实现图像的坐标变换。dicom文件是ct或核磁共振等医疗设备的图像保存格式，dicom标准中存储的内容除了图像信息，还包括患者的个人数据、图像层厚、时间戳、医疗设备信息等。dicom3.0格式影像文件中含有与成像方向有关的方位标签信息，该信息简要地介绍了患者与影像仪器之间的方位关系，通过其中的数据，可以得知在图像中每个像素准确的位置信息。
具体的，增强黑血图像和亮血图像为待配准的图像，可以根据亮血图像的dicom文件中的方位标签信息，以增强黑血图像的坐标系为基准，将增强黑血图像作为参考图像，将亮血图像作为浮动图像，将亮血图像进行坐标变换，实现旋转亮血图像至与增强黑血图像相同坐标系的目的，旋转后亮血图像的扫描方向也变为呈冠状面。
为了便于理解本发明实施例的方法，以下结合图像配准过程进行简要介绍，具体过程可以借鉴相关现有技术进行了解。
对于两幅图像a和b的配准，实际上就是将图像a中的每个坐标位置通过一个映射关系，对应到图像b中。具体的坐标变换方法可以包括刚体变换、仿射变换、投影变换和非线性变换等，在实际使用中可以根据不同的应用场景选择不同的坐标变换方法，在此，并不对本发明实施例中的坐标变换方法进行限制。
但是在坐标变换过程中，浮动图像的坐标系会发生拉伸或形变，经过坐标变换后的图像像素坐标与原图的采样网格并不会完全重合，即原先为整数的像素坐标点经过坐标变换后可能不再是整数，导致图像的有些区域丢失掉部分像素，因此在图像坐标变换的过程中，需要同时对图像进行重采样插值，来确定经过坐标变换后图像像素坐标点的灰度值，便于后续处理。具体的，就是经过坐标变换后的亮血图像坐标可能被映射到了原图的非整数坐标上，所以需要同时对亮血图像进行图像插值。图像插值方法可以采用最近邻插值、双线性插值和双三次插值等方法中的任意一种。
使用图像插值方法将缺失的像素点进行图像恢复之后，还需要使用某种相似性度量来计算参考图像和变化后的浮动图像的相似性，接着利用搜索策略找到最优的相似性度量，循环反复迭代求优，直到两幅图像的相似性度量达到最优时，迭代停止，最后根据确定的空间变换矩阵(旋转矩阵)对浮动图像进行坐标转换，实现图像完全配准。待配准的图像在经历一个迭代算法优化后，能够计算得到两幅图像的空间位置配准关系以及配准图像，使得配准后的浮动图像与参考图像相似度达到最高。
衡量两幅图像之间特征相似性的尺度为相似性度量，选择合适的相似性度量可以提高配准精度，有效抑制噪声等，它在图像的配准中有着非常重要作用。常用的相似性度量主要分为三大类，分别是距离度量、相关度量以及信息熵，在本发明实施例中，相似性度量可以为以上三种中的任意一种。
图像配准实质上是一个多参数的优化问题，即通过使用某种搜索策略对图像进行空间坐标变化，最终使得两幅图像的相似性度量达到最优，其中搜索策略与空间坐标变化在实际计算过程中是彼此交叉进行的。算法思想是在每次迭代中计算两幅图像之间的相似性度量，并通过平移或旋转等坐标变换的操作调整浮动图像，同时对图像进行插值，一直到两幅图像的相似性度量最大为止。目前常用的搜索策略包括梯度下降优化器、基于进化策略(evolutionstrategy,es)的(1+1)-es等等，本发明实施例中可以根据需要选择合适的搜索策略，对此不做限制。
通过该步骤的预配准，可以初步实现在同一坐标系下对比相同扫描层面的磁共振图像，但是由于亮血序列和黑血序列扫描的时间不同，且患者可能在扫描前后发生了轻微的运动，所以上述操作只是一个粗糙的坐标变换，仅通过预配准并不能实现多模态磁共振图像的完全配准，但是该步骤可以为后续的精确配准环节省略不必要的处理过程，提高处理速度。
可选的，s21中对亮血图像和增强黑血图像进行的预处理，还可以包括：
对亮血图像和黑血图像进行裁剪、去噪、平滑、滤波、边缘填充等图像增强操作，以增强图像中感兴趣的特征。
s212，从增强黑血图像中，提取与第一亮血图像的扫描范围相同的区域内容，形成第一黑血图像。
由于血管成像在不同磁共振序列中的扫描范围不同，当亮血图像经过图像坐标变换后，其冠状面的信息并没有增强黑血图像的信息丰富，因此为能够更快速、准确地配准好两种序列下的同一区域，可以根据第一亮血图像的扫描区域，在增强黑血图像中提取出相同的扫描区域，缩小后续图像的配准范围。
可选的，s212可以包括以下步骤：
1.获得第一亮血图像中血管的边缘轮廓信息；
具体可以使用sobel边缘检测方法等方法获取边缘轮廓信息。边缘轮廓信息包含各个边缘点的坐标值。
2.在边缘轮廓信息中，提取横坐标、纵坐标的最小值和最大值，基于获得的四个坐标值确定初始提取边框；
也就是在边缘轮廓信息中，提取最小横坐标值、最大横坐标值、最小纵坐标值、最大纵坐标值，利用这四个坐标值确定方形边框的四个顶点，从而得到初始提取边框；
3.在第一亮血图像的尺寸范围内，将初始提取边框沿四个方向分别扩大预设数量个像素大小，得到最终提取边框；
其中，四个方向分别是横纵坐标的正负方向；预设数量根据血管图像的类型合理选择，目的是保证扩大后的最终提取边框不超过第一亮血图像的尺寸范围，比如预设数量可以为20等。
4.在增强黑血图像中提取最终提取边框中对应的区域内容，形成第一黑血图像。
依据最终提取边框划定的坐标范围，提取增强黑血图像中对应区域的内容，将提取出的内容形成第一黑血图像。该步骤通过提取待配准区域来获取两种模态下磁共振图像的共同扫描范围，有利于后续的快速配准。
本发明实施例的上述两步预处理过程有着非常重要的作用，经过该预处理后的图像可以更多地关注有用信息，排除无关信息，在实际使用中，使用该图像预处理可以提高图像配准、识别的可靠性。
本发明实施例中，为提高图像配准的准确度，避免图像在配准过程中收敛到局部最大值，使用多分辨率策略来解决局部极值的问题，同时利用多分辨率策略在满足图像配准精度的条件下，提高算法执行速度，增加鲁棒性。因此采用图像金字塔方法。构建图像金字塔就是一种通过增加模型复杂度来提高配准精度和速度的有效方式，即在配准过程中，按从粗配准到精配准的顺序执行，首先对低分辨率的图像进行配准，接着在低分辨率图像配准完成的基础上，对分辨率高的图像进行配准。
针对s22，可选的，基于下采样处理，由第一亮血图像得到亮血高斯金字塔，由第一黑血图像得到黑血高斯金字塔，可以包括：
获取第i层的输入图像，对第i层的输入图像利用高斯内核进行滤波，并删除滤波后图像的偶数行和偶数列，得到高斯金字塔的第i层图像gi，并将第i层图像gi作为第i+1层的输入图像，得到高斯金字塔的第i+1层图像gi+1；
其中，i＝1、2，…，m-1；当高斯金字塔为亮血高斯金字塔时，第1层的输入图像为第一亮血图像，当高斯金字塔为黑血高斯金字塔时，第1层的输入图像为第一黑血图像。
具体的，高斯金字塔中的多个图像是同一原图像不同分辨率所对应的图像。高斯金字塔通过高斯滤波和下采样来获取图像，它的每一层构建步骤可以分为两步：首先使用高斯滤波对图像进行平滑滤波，即采用高斯内核进行滤波；接着删除滤波后图像的偶数行和偶数列，即将低一层图像的宽和高缩小一半，得到当前层图像，因此当前层图像为低一层图像大小的四分之一，通过不断地迭代以上步骤，最终可以得到高斯金字塔。
高斯滤波其实是一种低通滤波器，高斯金字塔中的图像频率范围很广，其中低一层图像的截止频率是高一层图像截止频率的2倍。
高斯滤波先使用高斯函数来计算得到一个权重矩阵，再使用该权重矩阵对原图像做卷积运算，一般可以使用二维的高斯模板进行上述处理。虽然使用二维的高斯模板可以实现模糊图像的效果，但是当一个点在边界，周围没有足够的点时，会由于权重矩阵的关系导致边缘图像缺失，因此本发明实施例对二维高斯模板进行优化。可以将二维高斯滤波拆分成两个独立的一维高斯滤波，分别在横纵两个方向上进行图像滤波。将高斯函数分离，不仅能够消除二维高斯模板产生的边缘，还可以极大地加快程序的运行速度。相较于其他模糊滤波器，高斯滤波既可以实现图像的模糊效果，又能更好地保留边际效果。
本步骤中通过对经过预处理后的第一亮血图像和第一黑血图像进行上述处理，可以得到亮血高斯金字塔和黑血高斯金字塔。其中，图像层数m可以为4。
由于高斯金字塔是向下采样，即缩小图像，因此会丢失掉图像的一部分数据。因此，本发明实施例为避免图像在缩放过程中的数据缺失，恢复细节数据，在后续步骤使用拉普拉斯金字塔，配合高斯金字塔一起实现图像重建，在高斯金字塔图像的基础上突出细节。
针对s23，可选的，基于上采样处理，利用亮血高斯金字塔得到亮血拉普拉斯金字塔，利用黑血高斯金字塔得到黑血拉普拉斯金字塔，可以包括以下步骤：
对高斯金字塔的第i+1层图像gi+1进行上采样，并用数据0填充新增的行和列，得到填充图像；
对填充图像利用高斯内核进行卷积，获得填充像素的近似值，得到放大图像；
将高斯金字塔的第i层图像gi与放大图像相减，得到拉普拉斯金字塔的第i层图像li；
其中，当高斯金字塔为亮血高斯金字塔时，拉普拉斯金字塔为亮血拉普拉斯金字塔，当高斯金字塔为黑血高斯金字塔时，拉普拉斯金字塔为黑血拉普拉斯金字塔。
由于拉普拉斯金字塔是图像经过下采样操作后与原图的残差，因此从下至上对比，拉普拉斯金字塔比高斯金字塔结构少一层高层图像。
具体的，生成拉普拉斯金字塔结构的数学公式如(1)所示，其中li表示第i层拉普拉斯金字塔(亮血拉普拉斯金字塔或黑血拉普拉斯金字塔)，gi表示第i层高斯金字塔(亮血高斯金字塔或黑血高斯金字塔)，而up操作为向上采样放大图像，符号
对应于4层的高斯金字塔，本步骤可以得到图像层数为3的亮血拉普拉斯金字塔和黑血拉普拉斯金字塔。
针对s24，可选的，对亮血拉普拉斯金字塔和黑血拉普拉斯金字塔中对应层的图像进行配准，得到配准的亮血拉普拉斯金字塔，可以包括以下步骤：
针对亮血拉普拉斯金字塔和黑血拉普拉斯金字塔中的每一层，将该层对应的黑血拉普拉斯图像作为参考图像，将该层对应的亮血拉普拉斯图像作为浮动图像，使用预定相似性度量及预定搜索策略，实现图像配准，得到配准后的该层亮血拉普拉斯图像；
由配准后的多层亮血拉普拉斯图像，依据分辨率依次减小的顺序，从下至上构成配准的亮血拉普拉斯金字塔；
其中，黑血拉普拉斯图像为黑血拉普拉斯金字塔中的图像，亮血拉普拉斯图像为亮血拉普拉斯金字塔中的图像。
该步骤中的配准过程类似于前述的预配准过程，通过对亮血拉普拉斯图像进行坐标变换、图像插值，使用预定相似性度量及预定搜索策略，实现图像配准，可以得到配准后的亮血拉普拉斯图像。其中，坐标变换、图像插值、预定相似性度量及预定搜索策略不再赘述。
针对s25，可选的，利用配准的亮血拉普拉斯金字塔作为叠加信息，对亮血高斯金字塔和黑血高斯金字塔中各层图像进行自上而下的配准，需要对高斯金字塔中不同分辨率的图像进行配准，由于低分辨率图像的配准可以更容易把握住图像的本质特征，因此本发明实施例在低分辨率图像配准的基础上配准高分辨率图像，即将高斯金字塔图像从上到下配准，将上一层图像的配准结果作为下一层图像配准的输入。
该步骤中，利用配准的亮血拉普拉斯金字塔作为叠加信息，对亮血高斯金字塔和黑血高斯金字塔中各层图像进行自上而下的配准，得到配准的亮血高斯金字塔，可以包括：
对亮血高斯金字塔和黑血高斯金字塔中自上而下的第j层，将该层对应的黑血高斯图像作为参考图像，将该层对应的亮血高斯图像作为浮动图像，使用预定相似性度量及预定搜索策略，实现图像配准，得到配准后的第j层亮血高斯图像；
将配准后的第j层亮血高斯图像进行上采样操作，并与配准后的对应层亮血拉普拉斯图像相加，利用相加后的图像替换亮血高斯金字塔中第j+1层的亮血高斯图像；
将第j+1层的黑血高斯图像作为参考图像，将替换后的第j+1层的亮血高斯图像作为浮动图像，使用预定相似性度量及预定搜索策略，实现图像配准，得到配准后的第j+1层亮血高斯图像；其中j＝1，2，…，m-1，黑血高斯图像为黑血高斯金字塔中的图像，亮血高斯图像为亮血高斯金字塔中的图像。
重复以上操作，直至完成底层高斯金字塔图像的高分辨率配准，得到配准的亮血高斯金字塔。在配准过程中，类似于前述的预配准过程。其中，坐标变换、图像插值、预定相似性度量及预定搜索策略不再赘述。
可选的一种实施方式中，s21、s24和s25中的预定相似性度量可以为互信息或归一化互信息；即本发明实施例可以采用基于互信息和图像金字塔的图像配准方法。
互信息和归一化互信息是前文的信息熵中的一种。互信息(mutualinformation,mi)，它衡量了两幅图像之间的相关性，或是互相包含的信息量，用来解释两幅图像是否达到了最优配准，互信息的值越大，表示两幅图像越相似。或者也可以选择归一化互信息(normalizationmutualinformation,nmi)，它是互信息度量的改良，当两幅待配准图像的像素灰度级数类似的时候，使用nmi作为相似性度量，得到的配准图像准确度更高，更加可靠。nmi的取值范围为[0,1]，值越接近于1，表明两幅图像越相似。归一化互信息的概念，解决了当两幅图像的重叠部分较小或者重叠区域大部分为背景信息时，基于互信息的图像配准反而精度不高，配准效果不好的问题，降低了互信息对于图像重叠区域的敏感性；
具体针对s25步骤，在配准过程中，可以对每一层亮血高斯图像和黑血高斯图像以归一化互信息作为相似性度量进行配准，通过循环迭代计算两幅图的nmi，直至nmi达到最大。其中当迭代次数太小时，不能完成图像的准确配准，但是当迭代次数太大时，计算量会急剧增加，当第一层图像，也就是高斯金字塔中分辨率最高的底层图像配准达到最大nmi值且数据稳定时停止迭代。
至此，得到配准的亮血高斯金字塔，其中的亮血图像的坐标系与黑血图像的坐标系一致，且图像具备较高的相似性。
并且，可选的一种实施方式中，前述的预定搜索策略可以为(1+1)-es。
针对s26，可选的，基于配准的亮血高斯金字塔得到配准后亮血图像，基于黑血高斯金字塔得到配准后增强黑血图像，可以包括：
获取配准的亮血高斯金字塔中的底层图像作为配准后亮血图像，获取黑血高斯金字塔中的底层图像作为配准后增强黑血图像，将配准后亮血图像和配准后增强黑血图像作为配准后图像对。
可选的一种实施方式中，在s26之后，本发明实施例方法还可以包括：
将配准后图像对进行显示，比如显示在计算机等设备的显示屏幕上，以便于医生进行对比观察。
之后，可选的，还可以将配准后图像对融合为一张图像。这样，通过将两种图像的信息准确地融合到同一图像中，使医生可以更方便更精确地从各个角度观察血管部位的病灶和结构。这样，可以利用不同模态的图像提供相互补充的信息，将两种图像的信息合成在一起分析，弥补各自的缺点，尽可能得到患者完整的病理信息，为临床诊断、治疗计划的制定以及评价等提供更准确丰富的参考信息。
通过以上步骤，可以实现亮血图像和增强黑血图像的图像配准，在本发明实施例提供的配准方案中，基于互信息作为相似性度量，可以提高配准精度；同时引入了图像金字塔算法，它是一种通过增加模型复杂度来提高配准精度和速度的有效方式，即首先对分辨率较低的图像进行粗配准，接着在粗配准的基础上，对分辨率高的图像进行精配准，通过运用高斯金字塔和拉普拉斯金字塔来对血管图像进行分解和重建，模拟了人眼在不同距离下观测一幅图像的效果，更容易获取血管图像的本质特征。使用金字塔算法对血管部位的磁共振亮血图像与黑血图像进行配准，可以提高配准效率，使图像从低分辨率到高分辨率逐层提高配准精度。通过上述图像配准可以将亮血图像和增强黑血图像统一在相同坐标系下，可以方便医生理解黑血序列和亮血序列对应的血管图像，简便、快速地得到诊断所需的综合信息，为后续的医疗诊断、制定手术计划、放射治疗计划等提供准确可靠的参考信息。并且，本发明实施例的配准方法是针对血管部位具体提出的一种医学图像的配准方法。由于人体内组织结构复杂、器官多样、器官之间的黏连，或人体的呼吸运动所带来的器官的运动，以及成像设备的条件限制，都会使得医学图像出现模糊、灰度分布不均匀、器官边缘不清楚，存在多种伪影等问题；并且，不同个体的同一个器官在图像上的差异也很大，同时在成像过程中使用不同的设备和成像角度的偏差也会造成不同个体同一器官在成像上的不同表现；此外，磁共振图像的同一个器官在不同序列扫描图中，也存在形状亮度、分辨率，以及位置和方向不同等问题。因此相较于普通图像，这类医学图像的配准难度更大，通过本发明实施例提供的方案，可以给其余医学图像配准提供一种较好的参考方式，具有很大的临床应用价值。同时，本发明实施例的图像配准过程是后续消除流空伪影的重要基础。
在图像配准后，可以对配准后增强黑血图像中的流空伪影进行消除，其中流空伪影出现的原因是在血管壁成像过程中，由于血管太细小，走向迂曲处血液流速较慢，以及周围血液和组织液可能有信号污染等问题，导致在黑血序列扫描得到的图像中，本应该为黑色的血液信息反而表现为亮色，从而模拟正常个体的壁增厚或斑块外观，夸大血管狭窄程度。本发明实施例考虑利用配准后亮血图像中的血液信息，对配准后增强黑血图像中信号显示不正确的血液信息进行修正，将配准后亮血图像中的血液信息嵌入配准后增强黑血图像中，以达到图像融合的效果。具体可以通过以下步骤实现：
s3，提高配准后亮血图像的对比度，得到对比增强亮血图像；
在该步骤中，可以根据在亮血图像中血液呈高信号，而周围组织呈低信号的特点，对配准后亮血图像进行灰度线性变换，调整图像灰度范围，实现提高图像对比度的目的。
比如，一种可选的实施方式中，配准后亮血图像所使用的灰度线性变换及参数设置如图2所示，图2为本发明实施例所提供的灰度线性变换及参数设置示意图。利用图2所示的灰度线性变换，可以将原来的配准后亮血图像f中较小的灰度值变化区间扩展为新的配准后亮血图像f1(对比增强亮血图像)中的较大灰度值变化区间，调整图像灰度范围，实现提高配准后亮血图像的对比度的目的。通过该步骤，可以得到对比增强亮血图像。由于医学图像像素范围较大，可能是-1000～+1000，通过该步骤，可以将像素范围归一化为0～255，成为符合一般图像处理的像素范围，可便于后续处理。
关于灰度线性变换的具体过程可以参见相关现有技术，在此不再赘述。
s4，从对比增强亮血图像中提取出血液信息，得到亮血特征图；
可选的，该步骤可以包括以下步骤：
s41，利用预设图像二值化方法确定第一阈值；
s42，利用第一阈值，从对比增强亮血图像中提取出血液信息；
该步骤使用的方法称为阈值分割。
s43，由提取出的血液信息得到亮血特征图。
预设图像二值化方法即图像的二值化处理，可以将图像上的点的灰度置为0或255，也就是将整个图像呈现出明显的黑白效果。即将256个亮度等级的灰度图像通过适当的阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像。本发明实施例通过预设图像二值化方法可以将对比增强亮血图像中的血液信息突出显示为白色，将无关信息显示为黑色，以便于提取出血液信息对应的亮血特征图。本发明实施例中的预设图像二值化方法可以包括最大类间方差法otsu、kittle等等。
血液信息的提取公式如(2)所示，其中t(x,y)为对比增强亮血图像灰度值，f(x,y)为亮血特征图灰度值，t为第一阈值。
s5，将亮血特征图与配准后增强黑血图像依据预设融合公式进行图像融合，得到流空伪影消除的目标增强黑血图像。
在该步骤中，首先建立配准后增强黑血图像与亮血特征图之间的空间映射关系，将亮血特征图映射到配准后增强黑血图像中，依据预设融合公式进行图像融合，其中预设融合公式为：
其中，f(x,y)为亮血特征图的灰度值，r(x,y)为配准后增强黑血图像的灰度值，g(x,y)为融合后的目标增强黑血图像的灰度值。
经过以上操作，可以将配准后增强黑血图像中本应该为黑色，却表现为亮色的流空伪影灰度值更改为黑色，从而实现消除流空伪影的目的。
本发明实施例所提供的方案中，通过对磁共振血管成像技术扫描得到的亮血图像和增强黑血图像进行图像配准，通过阈值分割从配准后的亮血图像中提取血液信息，将其融合进配准后的增强黑血图像中，从而对配准后的增强黑血图像中信号显示不正确的血液信息进行修正，将表现为亮色的流空伪影灰度值更改为黑色，从而实现消除流空伪影的目的，可以显示更准确、全面的血管图像。本发明实施例所提供的方案是从图像后处理的角度对流空伪影进行消除，无需使用新的成像技术、成像模式或脉冲序列，因此可以简便、准确、快速地消除流空伪影，并可以在临床应用实现较好的推广。
可选的，本发明实施例中的血管为颅内血管。
以下以颅内血管为例，说明本发明实施例所提供的血管图像流空伪影消除方法的实施过程和实施效果。实施过程可以包括以下步骤：
步骤一，获取颅内血管部位的亮血图像和增强黑血图像；
步骤二，以增强黑血图像为基准，对亮血图像进行图像配准，得到配准后亮血图像和配准后增强黑血图像；
在该步骤可以包括：
(一)，对亮血图像和增强黑血图像进行预处理，得到第一亮血图像和第一黑血图像；该预处理过程可以分为两个主要步骤：
(1)预配准：
其中，预配准可以包括坐标变换、图像插值、预定相似性度量及预定搜索策略等环节，具体过程不再赘述。由于颅内血管可以看作是一个刚体，因此，该步骤选用刚体变换作为坐标变换方法。
参见图3，图3为本发明实施例的颅内血管磁共振图像坐标变换示意图，其中第一行分别为增强黑血图像和亮血图像，第二行分别为增强黑血图像和经过坐标变换后的亮血图像，可见，经过坐标变换后，亮血图像与增强黑血图像的扫描方向一致，均呈冠状面。
本发明实施例对亮血图像的图像插值方法进行仿真实验，先将原图缩小50％，然后使用不同插值算法得到与原图大小相同的效果图，并与原图像做对比。表1所示数据为重复100次插值操作的结果平均值，实验共设定了5项评价指标，分别是均方根误差rmse、峰值信噪比psnr、归一化互相关系数ncc、归一化互信息nmi以及耗时time，其中rmse越小配准越精确，psnr、ncc与nmi值越高配准越精确。从整体实验数据上看，双三次插值的精度明显优于最近邻插值和双线性插值，虽然双三次插值的插值时间较前两种方法慢，但100次插值操作只比最快的最近邻插值多了0.1秒，即每次操作只慢了0.001秒。因此，权衡之下，本发明实施例采用图像质量较高的双三次插值。
表1图像插值结果分析
本发明实施例中，针对颅内血管，其可以看作是一个刚体，几乎不会发生形变，不同于心脏或肺部等器官会随着人的呼吸等运动发生改变，因此针对颅内血管可以选用互信息作为相似性度量使配准效果更精确。具体预配准过程不再赘述。
实验中，使用梯度下降优化器和(1+1)-es这两种搜索策略分别对160幅亮血图像与相应扫描层面的160幅增强黑血图像进行配准，其中增强黑血图像为参考图像，亮血图像为浮动图像，配准结果显示如图4所示，图4为本发明实施例的两种搜索策略配准对比结果；图4中左图为未使用优化器配准的两幅图像成对显示结果，中图为使用梯度下降优化器配准的图像成对显示结果，右图为使用(1+1)-es优化器配准的图像成对显示结果。右图像显示采用蒙太奇效果，使用伪彩色透明处理增强黑血图像与亮血图像，紫色为增强黑血图像，绿色为亮血图像(附图图像是原图灰度处理后的图像，颜色未示出)。从图中可以看出，未使用优化器进行配准的图像中，增强黑血图像与亮血图像并未重合，且阴影较多；当使用梯度下降优化器配准图像时，虽然较左图配准效果较好，但在脑灰质处仍出现了明显的不重合现象；而使用(1+1)-es优化器的图像中，配准结果精确，图像中不重合的阴影部分完全消失。表2所示数据为配准结果的3项评价指标，分别是归一化互信息nmi、归一化互相关系数ncc与算法耗时time。从实验结果图上看，(1+1)-es的配准图像效果显示更清晰，优于梯度下降优化器；从实验数据上看，三项评价指标都表现了(1+1)-es优化器的良好性能，因此本发明实施例使用(1+1)-es作为搜索策略。
表2不同搜索策略下的结果分析
a中的值是基于160幅亮血图像与160幅增强黑血图像配准的评价指标平均值±均方误差
参见图5，图5为本发明实施例的颅内血管磁共振图像经过预配准后的结果图。左图为预配准后的第一亮血图像，其中插值方法采用双三次插值；中图为增强黑血图像，可见两者都为冠状面，右图为两者直接叠加后的效果图，右图可以看到虽然经过了预配准，可在同一冠状面下观测到当前成像层下的亮血图像和增强黑血图像，但两者仍存在不重合现象，因此还需要后续进行图像精配准。
(2)统一扫描区域：
从增强黑血图像中，提取与第一亮血图像的扫描范围相同的区域内容，形成第一黑血图像。关于形成第一黑血图像的步骤的过程参见前文，在此不再赘述。
参见图6，图6为本发明实施例的颅内血管磁共振图像的待配准区域示意图，其中左图为预配准后的第一亮血图像，右图为增强黑血图像，方框为增强黑血图像中待提取区域。这个区域包含了在颅内血管磁共振图像中，亮血序列以及黑血序列的共同扫描范围，通过确定待提取区域，能够更快速地关注到有用信息。
(二)，在预处理之后，可以采用基于互信息和图像金字塔的图像配准方法对第一亮血图像和第一黑血图像进行图像配准，具体参见前文步骤s21～s26相关内容。具体包括：
①基于下采样处理，由第一亮血图像得到亮血高斯金字塔，由第一黑血图像得到黑血高斯金字塔；
其中，亮血高斯金字塔和黑血高斯金字塔中包括从下至上分辨率依次变小的4个图像；亮血高斯金字塔和黑血高斯金字塔的生成过程参见前文，在此不再赘述。如图7所示，图7分别为本发明实施例的颅内血管磁共振图像的亮血高斯金字塔和黑血高斯金字塔。
这些分辨率逐渐减小，来源于同一张图像不同分辨率的图像组合，排列起来形似金字塔，因此被称为图像金字塔，其中分辨率最高的图像位于金字塔底部，分辨率最低的图像位于金字塔顶部。在计算机视觉下不同分辨率的图像，恰恰模拟了在不同距离下人眼观测的一幅图像，在图像信息处理上，多分辨率的图像相较于传统的单分辨率图像，更容易获取图像的本质特征。
②基于上采样处理，利用亮血高斯金字塔得到亮血拉普拉斯金字塔，利用黑血高斯金字塔得到黑血拉普拉斯金字塔；
其中，亮血拉普拉斯金字塔和黑血拉普拉斯金字塔中包括从下至上分辨率依次变小的3个图像；亮血拉普拉斯金字塔和黑血拉普拉斯金字塔的生成过程参见前文，在此不再赘述。如图8所示，图8分别为本发明实施例的颅内血管磁共振图像的亮血拉普拉斯金字塔和黑血拉普拉斯金字塔。图像显示使用了伽马矫正实现更清晰的效果，伽马值为0.5。
③对亮血拉普拉斯金字塔和黑血拉普拉斯金字塔中对应层的图像进行配准，得到配准的亮血拉普拉斯金字塔；
在该步骤中，将黑血拉普拉斯金字塔中的图像作为参考图像，亮血拉普拉斯金字塔中的图像作为浮动图像，分别对每一层的增强黑血图像和对应层的亮血图像进行图像配准，使用互信息作为两幅图的相似性度量，选用(1+1)-es作为搜索策略，在每一次图像配准进行坐标变换后，循环迭代计算两幅图的互信息，直至互信息达到最大，图像配准完成。具体过程参见前文，在此不再赘述。
结果如图9所示，图9为本发明实施例的颅内血管磁共振图像的拉普拉斯金字塔图像的配准结果，左图为黑血拉普拉斯金字塔中的参考图像，中图为亮血拉普拉斯金字塔中已配准好的图像，右图为左、中两幅图像直接叠加后的效果图，叠加图像显示采用蒙太奇效果，使用伪彩色透明处理增强黑血图像与亮血图像，其中紫色为增强黑血拉普拉斯金字塔图像，绿色为亮血拉普拉斯金字塔图像(附图图像是原图经过灰度处理的图像，颜色未示出)。
④利用配准的亮血拉普拉斯金字塔作为叠加信息，对亮血高斯金字塔和黑血高斯金字塔中各层图像进行自上而下的配准，得到配准的亮血高斯金字塔；
基于互信息的高斯金字塔图像配准具体步骤如图10所示，图10为本发明实施例的颅内血管磁共振图像基于互信息的高斯金字塔图像配准步骤示意图。首先对顶层的低分辨率的黑血高斯图像和顶层的低分辨率亮血高斯图像进行基于互信息的配准；接着将已配准好的亮血高斯图像进行上采样操作，并与保留了高频信息，且根据上述操作已配准好的对应层的亮血拉普拉斯图像相加，作为下一层亮血高斯图像；接着将上述操作得到的亮血高斯图像作为输入图像，再与对应层的黑血高斯图像进行配准，重复以上操作，直至完成底层高斯金字塔图像的高分辨率配准。
在基于互信息的高斯金字塔图像配准中，需要对每一层亮血高斯图像和黑血高斯图像以归一化互信息作为相似性度量进行配准，通过循环迭代计算两幅图的nmi，直至nmi达到最大。其中当迭代次数太小时，不能完成图像的准确配准，但是当迭代次数太大时，计算量会急剧增加，图11为本发明实施例的不同迭代次数下的归一化互信息，当第一层图像，也就是高斯金字塔中分辨率最高的底层图像配准达到最大nmi值且数据稳定时，停止迭代。
并且，为验证本发明实施例的基于互信息和图像金字塔的图像配准方法的有效性与实用性，还进行了对比实验，共使用了五位患者的颅内血管磁共振图像，其中患者a、b、c、d的增强黑血图像与亮血图像分别为160张，患者e的增强黑血图像与亮血图像分别为150张；同时选取仅使用dicom图像方位标签信息进行配准的算法，以及基于互信息度量的配准算法，与本发明实施例的基于互信息和图像金字塔的图像配准方法进行对比，其中基于互信息度量的算法是通过多参数优化方法寻找参考图像和浮动图像间的最佳变换，使得两幅图像的互信息值最大，并没有使用到图像金字塔算法。
实验平台是matlabr2016b。针对实验的图像配准结果，采用定性分析与定量分析相结合。在定性分析方面，由于多模态医学图像间存在较大的灰度差异，将配准图像与参考图像相减得到的差值图像无法有效地反映出多模态医学图像的配准结果，因此本发明实施例通过将配准图像与参考图像进行重叠，获得可以反映出配准图像和参考图像对齐程度的彩色重叠图像，通过彩色重叠图像对多模态配准算法的配准效果进行定性分析，图12显示了多模态颅内血管磁共振图像的配准结果，图12为多种配准方法的颅内血管磁共振图像的配准结果。其中，(a)为参考图像；(b)为浮动图像；(c)为基于图像方位标签信息的重叠图像；(d)为基于互信息度量的重叠图像；(e)为本发明实施例的基于互信息和图像金字塔的图像配准方法的重叠图像。其中附图均为原图的灰度图，彩色未示出。在定量分析方面，由于评价指标均方根误差rmse和峰值信噪比psnr并不适用于对灰度变化较大的图像进行评价，所以为了更好地对多模态医学图像的配准结果进行评价，采用归一化互相关系数ncc，归一化互信息nmi作为评价指标，当归一化互相关系数ncc和归一化互信息nmi的值越大时，表示图像配准精度越高，表3显示了不同配准算法的评价指标结果分析。
表3不同配准方法的结果分析
a中的值是基于患者多幅图像配准的评价指标平均值±均方误差
定性分析：从图12的重叠图像可以明显看出，基于互信息度量的方法出现了较大的配准偏移，分析原因可能是因为仅使用基于互信息度量的方法容易陷入局部最优值，而非全局最优值；基于图像方位标签信息的配准效果表现同样欠佳，图像出现了部分不重叠情况；而基于互信息和图像金字塔的图像配准方法的图像效果表现良好，图像显示更加清晰，图像几乎完全重叠在一起。
定量分析：由表3可知，从ncc与nmi这两个评价指标来看，相较于只使用dicom图像的方位标签信息的配准算法，以及基于互信息度量的配准算法，本发明实施例提出的基于互信息和图像金字塔的图像配准方法在配准精度上有所提高，说明本发明实施例提出的基于互信息和图像金字塔的图像配准方法可以良好地处理多模态颅内血管磁共振图像的配准。
⑤基于配准的亮血高斯金字塔得到配准后亮血图像，基于黑血高斯金字塔得到配准后增强黑血图像；
获取配准的亮血高斯金字塔中的底层图像作为配准后亮血图像，获取黑血高斯金字塔中的底层图像作为配准后增强黑血图像，将配准后亮血图像和配准后增强黑血图像作为配准后图像对。
本发明实施例中，使用基于互信息与图像金字塔的图像配准方法，对磁共振亮血图像与增强黑血图像进行配准，配准过程不仅考虑灰度信息的相关性，而且利用高斯金字塔提高配准效率，使图像从低分辨率到高分辨率，逐层提高配准精度。
步骤三，提高配准后亮血图像的对比度，得到对比增强亮血图像；
如图13所示，图13为本发明实施例的灰度线性变换结果图，即配准后亮血图像经过灰度线性变换后的结果图。其中，左图为配准后亮血图像，右图为其经过灰度线性变换后的结果图，可以看到右图中血液部分与周围像素相比对比度明显增强。
步骤四，从对比增强亮血图像中提取出血液信息，得到亮血特征图；
该步骤采用最大类间方差法otsu，结果如图14所示，图14为本发明实施例的图像二值化结果图，其中左图为对比增强亮血图像，右图为其经过阈值提取后的血液信息。可以看到，右图中显示为亮色的部分仅为与血液相关的信息。
步骤五，将亮血特征图与配准后增强黑血图像依据预设融合公式进行图像融合，得到流空伪影消除的目标增强黑血图像。
具体步骤不再赘述，对比结果可参见图15，图15为本发明实施例的流空伪影消除结果。其中左图为增强黑血图像原图，右图为流空伪影消除后的增强黑血图像，箭头所示处出现了流空伪影，对比可见流空伪影的消除效果较为明显。
本发明实施例所提供的方案中，首先对磁共振血管成像技术扫描得到的亮血图像和增强黑血图像采用基于互信息和图像金字塔的图像配准方法进行图像配准，可以提高配准效率，使图像从低分辨率到高分辨率逐层提高配准精度。通过上述图像配准可以将亮血图像和增强黑血图像统一在相同坐标系下。之后通过阈值分割从配准后的亮血图像中提取血液信息，将其融合进配准后的增强黑血图像中，从而对配准后的增强黑血图像中信号显示不正确的血液信息进行修正，将表现为亮色的流空伪影灰度值更改为黑色，从而实现消除流空伪影的目的，显示更准确、全面的颅内血管图像。本发明实施例所提供的方案是从图像后处理的角度对流空伪影进行消除，无需使用新的成像技术、成像模式或脉冲序列，因此可以简便、准确、快速地消除流空伪影，并可以在临床应用实现较好的推广。
注：本发明实施例中的患者实验数据均来源于陕西省人民医院，图像可用作一般的科学研究。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
- 还没有人留言评论。精彩留言会获得点赞！