本發(fā)明涉及數(shù)字圖像處理與醫(yī)學(xué)成像的交叉領(lǐng)域，具體地，涉及一種三維精細(xì)血管重建方法及其系統(tǒng)。
背景技術(shù)：
：在生物醫(yī)學(xué)領(lǐng)域，不同的成像技術(shù)可以觀察到不同的現(xiàn)象和數(shù)據(jù)，可以綜合考慮不同掃描設(shè)備的優(yōu)勢，獲取真實生物軟組織多種尺度下的細(xì)微觀圖像數(shù)據(jù)。CT圖像是對人體某一部分的掃描圖像，可以對血管、腫瘤等組織成像，雖然成像完整，但其缺點在于掃描數(shù)據(jù)的細(xì)節(jié)質(zhì)量明顯不如組織切片，而且能分辨的組織類型有限。利用光學(xué)和電子顯微鏡對組織切片成像，能夠獲取分辨清晰度更高、組織結(jié)構(gòu)類型更豐富的細(xì)微觀多尺度圖像數(shù)據(jù)，但獲得的圖像數(shù)據(jù)易存在局部區(qū)域缺失的問題，因此，需要對高精度掃描圖像中的局部缺失區(qū)域進(jìn)行修復(fù)重建。醫(yī)學(xué)中的三維精細(xì)血管圖像有著類似樹形的復(fù)雜拓?fù)?，尤其血管分支上存在分叉區(qū)域，而且分叉區(qū)域的分支數(shù)量多少不一，同時血管的粗細(xì)尺度變化大，在可視化研究中，對血管的體繪制一直是個棘手的問題，而外科手術(shù)中對主要的血管形態(tài)需要有準(zhǔn)確的描述，以輔助醫(yī)生及時選擇合理治療方法，比如從血管的三維結(jié)構(gòu)上觀察和確定病變位置，做出快速診斷；為手術(shù)計劃提供直觀的參考依據(jù)。因此一旦三維精細(xì)血管圖像出現(xiàn)局部缺失，就會影響醫(yī)生的診斷。所以，有必要提供一種針對有缺失部位的高精度的三維精細(xì)血管圖像進(jìn)行重建的技術(shù)方案。技術(shù)實現(xiàn)要素：本發(fā)明提供一種三維精細(xì)血管重建方法及其系統(tǒng)，通過映射位置關(guān)系和計算整體匹配度獲取重建缺失部位的填充區(qū)域，通過填充區(qū)域修復(fù)缺失部位獲得完整的高精度圖像，三維精細(xì)血管重建的精確性高。一種三維精細(xì)血管重建方法，包括以下步驟：步驟一、載入三維精細(xì)血管原始圖像：所述三維精細(xì)血管原始圖像包括掃描同一對象的待修復(fù)圖像和參考圖像，所述待修復(fù)圖像為具缺失部位的血管圖像，所述參考圖像為完整的血管圖像，所述待修復(fù)圖像的精度高于所述參考圖像的精度；根據(jù)所述待修復(fù)圖像指定待修復(fù)區(qū)域，并定義包含所述待修復(fù)區(qū)域的待修復(fù)塊，根據(jù)所述待修復(fù)塊確定在所述參考圖像中位置相應(yīng)、大小相同的參考映射塊，所述待修復(fù)塊中的待修復(fù)區(qū)域?qū)?yīng)所述參考映射塊中的參考映射區(qū)域；步驟二、基于血管特性的圖像預(yù)處理：對載入的所述三維精細(xì)血管原始圖像進(jìn)行分析，確定需要增強的血管區(qū)域，對所述三維精細(xì)血管原始圖像進(jìn)行增強，得到三維精細(xì)血管增強圖像，所述三維精細(xì)血管增強圖像包括增強后的待修復(fù)圖像和增強后的參考圖像；步驟三、基于血管特性的特征匹配：根據(jù)所述三維精細(xì)血管增強圖像，計算整體匹配度，得到所述參考映射塊在所述待修復(fù)圖像中的最優(yōu)匹配塊，所述參考映射塊中的參考映射區(qū)域?qū)?yīng)所述最優(yōu)匹配塊中的填充區(qū)域；步驟四、圖像填充及邊界處理：將所述最優(yōu)匹配塊的填充區(qū)域?qū)?yīng)填充至所述待修復(fù)塊的待修復(fù)區(qū)域，并對邊界進(jìn)行平滑處理，完成修復(fù)重建。在本發(fā)明提供的三維精細(xì)血管重建方法的一種較佳實施例中，所述步驟二包括如下步驟：基于Hessian矩陣對所述三維精細(xì)血管原始圖像進(jìn)行分析：選取Hessian矩陣對所述三維精細(xì)血管原始圖像做卷積運算，求得特征值和特征向量；建立血管區(qū)域特征函數(shù)：基于血管特性并根據(jù)所述特征值和特征向量建立血管區(qū)域特征函數(shù)；確定需要增強的血管區(qū)域：根據(jù)所述血管區(qū)域特征函數(shù)確定需要增強的血管區(qū)域，進(jìn)而對所述三維精細(xì)血管原始圖像進(jìn)行增強，得到三維精細(xì)血管增強圖像。在本發(fā)明提供的三維精細(xì)血管重建方法的一種較佳實施例中，所述基于Hessian矩陣對所述三維精細(xì)血管原始圖像進(jìn)行分析的步驟包括如下：計算所述三維精細(xì)血管原始圖像中各像素點的二階偏導(dǎo)數(shù)和混合偏導(dǎo)數(shù)；以計算的二階偏導(dǎo)數(shù)和混合偏導(dǎo)數(shù)組成Hessian矩陣與所述三維精細(xì)血管原始圖像做卷積運算；求得特征值λ1、λ2及λ3和與所述特征值對應(yīng)的特征向量γ1、γ2及γ3，且|λ1|＜|λ2|＜|λ3|。在本發(fā)明提供的三維精細(xì)血管重建方法的一種較佳實施例中，所述血管區(qū)域特征函數(shù)為：C(λ)=[1-exp(-RA22a2)][1-exp(-RD22d2)][1-exp(-S22c2)],ifλ2,λ3<00,else;]]>定義RA＝|λ2|/|λ3|，其中，a、c以及d分別為平面結(jié)構(gòu)參數(shù)、背景區(qū)分參數(shù)以及三維血管結(jié)構(gòu)參數(shù)，k1、k2及k3分別為沿所述特征向量γ1、γ2、γ3反方向的梯度方向的灰度變化率的大小。在本發(fā)明提供的三維精細(xì)血管重建方法的一種較佳實施例中，所述步驟三包括如下步驟：將所述待修復(fù)圖像均分為多個與所述參考映射塊大小相同的候選塊，計算所述候選塊和所述參考映射塊的全局匹配度SM；計算血管段相似度ST；根據(jù)所述全局匹配度SM和所述血管段相似度ST計算整體匹配度Sves，所述整體匹配度Sves＝μSM+ηST，其中，μ及η分別為SM及ST的權(quán)重系數(shù)，且μ+η＝1；根據(jù)所述整體匹配度Sves，得到所述參考映射塊在所述待修復(fù)圖像中的最優(yōu)匹配塊，所述參考映射塊中的參考映射區(qū)域?qū)?yīng)所述最優(yōu)匹配塊中的填充區(qū)域。在本發(fā)明提供的三維精細(xì)血管重建方法的一種較佳實施例中，所述計算血管段相似度ST的步驟包括如下步驟：基于逐層剝?nèi)》?xì)化步驟二中所述需要增強的血管區(qū)域，提取單像素中心線，由所述三維精細(xì)血管增強圖像得到三維精細(xì)血管二值圖，所述三維精細(xì)血管二值圖包括所述待修復(fù)圖像的二值圖和所述參考圖像的二值圖；根據(jù)所述待修復(fù)圖像的二值圖提取所述候選塊的端點集，根據(jù)所述參考圖像的二值圖提取所述參考映射塊的端點集，分別求取端點特征向量；根據(jù)所述端點特征向量計算血管段相似度ST。在本發(fā)明提供的三維精細(xì)血管重建方法的一種較佳實施例中，所述步驟四包括如下步驟：將所述最優(yōu)匹配塊的填充區(qū)域?qū)?yīng)填充至所述待修復(fù)塊的待修復(fù)區(qū)域；將所述填充區(qū)域的邊界進(jìn)行插值迭代，不斷逼近直至收斂，將所述填充區(qū)域、以及所述待修復(fù)區(qū)域的邊界平滑過渡，完成修復(fù)重建。本發(fā)明還提供一種三維精細(xì)血管重建系統(tǒng)，包括圖像載入模塊，用于載入三維精細(xì)血管原始圖像，所述三維精細(xì)血管原始圖像包括掃描同一對象的待修復(fù)圖像和參考圖像，所述待修復(fù)圖像為具缺失的血管圖像，所述參考圖像為完整的血管圖像，所述待修復(fù)圖像的精度高于所述參考圖像；并根據(jù)所述待修復(fù)圖像指定待修復(fù)區(qū)域，并定義包含所述待修復(fù)區(qū)域的待修復(fù)塊，根據(jù)所述待修復(fù)塊確定在所述參考圖像中位置相應(yīng)、大小相同的參考映射塊，所述待修復(fù)塊中的待修復(fù)區(qū)域?qū)?yīng)所述參考映射塊中的參考映射區(qū)域；圖像預(yù)處理模塊，用于對所述圖像載入模塊載入的所述三維精細(xì)血管原始圖像進(jìn)行分析，確定需要增強的血管區(qū)域，對所述三維精細(xì)血管原始圖像進(jìn)行增強，得到三維精細(xì)血管增強圖像，所述三維精細(xì)血管增強圖像包括增強后的待修復(fù)圖像和增強后的參考圖像；特征匹配模塊，用于根據(jù)所述圖像預(yù)處理模塊得到的三維精細(xì)血管增強圖像，計算整體匹配度，得到所述參考映射塊在所述待修復(fù)圖像中的最優(yōu)匹配塊，所述參考映射塊中的參考映射區(qū)域?qū)?yīng)所述最優(yōu)匹配塊中的填充區(qū)域；填充處理模塊，用于將所述特征匹配模塊得到的所述最優(yōu)匹配塊的填充區(qū)域?qū)?yīng)填充至所述待修復(fù)塊的待修復(fù)區(qū)域，并對邊界進(jìn)行平滑處理，完成修復(fù)重建。在本發(fā)明提供的三維精細(xì)血管重建系統(tǒng)的一種較佳實施例中，所述圖像預(yù)處理模塊包括：第一運算單元，選取Hessian矩陣對所述三維精細(xì)血管原始圖像做卷積運算，求得特征值和特征向量；函數(shù)創(chuàng)建單元，根據(jù)所述第一運算單元求得的特征值和特征向量并基于血管特性建立血管區(qū)域特征函數(shù)；血管增強單元，根據(jù)所述函數(shù)創(chuàng)建單元建立的血管區(qū)域特征函數(shù)確定需要增強的血管區(qū)域，進(jìn)而對所述三維精細(xì)血管原始圖像進(jìn)行增強，得到三維精細(xì)血管增強圖像。在本發(fā)明提供的三維精細(xì)血管重建系統(tǒng)的一種較佳實施例中，所述特征匹配模塊包括第一計算單元、第二計算單元及第三計算單元，分別用于計算全局匹配度、血管段相似度及整體匹配度。相較于現(xiàn)有技術(shù)，本發(fā)明提供的三維精細(xì)血管重建方法及其系統(tǒng)，具有以下有益效果：一、本發(fā)明提供的三維精細(xì)血管重建方法對需要增強的血管區(qū)域進(jìn)行了特征值提取，將三維精細(xì)血管原始圖像進(jìn)行了圖像增強，便于對源于同一血管樣本的待修復(fù)圖像和參考圖像進(jìn)行結(jié)構(gòu)匹配，提高了三維精細(xì)血管重建的效率，并能夠保證精度；二、本發(fā)明重新定義了基于Hessian矩陣的血管區(qū)域特征函數(shù)，考慮了三維精細(xì)血管原始圖像的灰度信息，可以有效提高圖像增強的效果；同時考慮了血管的分叉區(qū)域以及弧度較大的區(qū)域等個體差異性的影響，能夠很好的解決個體差異性的問題，即使在特殊情況也不會判斷錯誤，具有更廣泛的適用性；三、本發(fā)明提供的三維精細(xì)血管重建方法基于血管特性而成，考慮到血管結(jié)構(gòu)的管狀特性和較強的自相似性，從而指導(dǎo)源于同一血管樣本的待修復(fù)圖像和參考圖像的匹配，提高了血管結(jié)構(gòu)特征匹配的可靠性和準(zhǔn)確性，進(jìn)一步增大三維精細(xì)血管重建的精度；四、本發(fā)明通過待修復(fù)圖像和參考圖像的匹配，得到參考映射塊在待修復(fù)圖像中的最優(yōu)匹配塊，對應(yīng)填充之后再對邊界進(jìn)行平滑處理，修復(fù)精度高。附圖說明圖1為本發(fā)明提供的三維精細(xì)血管重建方法的修復(fù)原理圖；圖2為本發(fā)明提供的三維精細(xì)血管重建方法的流程圖；圖3(a)為本發(fā)明提供的三維精細(xì)血管原始圖像中的參考圖像；圖3(b)為本發(fā)明提供的三維精細(xì)血管原始圖像中的待修復(fù)圖像；圖4為圖2所示三維精細(xì)血管重建方法中步驟S2的流程圖；圖5為圖4所示步驟S2中步驟S21的流程圖；圖6(a)為圖3(a)所示增強后的參考圖像；圖6(b)為圖3(b)所示增強后的待修復(fù)圖像；圖7為圖2所示三維精細(xì)血管重建方法中步驟S3的流程圖；圖8為圖7所示步驟S3中步驟S32的流程圖；圖9(a)為圖6(a)所示細(xì)化后的參考圖像；圖9(b)為圖6(b)所示細(xì)化后的待修復(fù)圖像；圖10為圖2所示三維精細(xì)血管重建方法中步驟S4的流程圖；圖11(a)為待修復(fù)的一種三維精細(xì)血管結(jié)構(gòu)圖；圖11(b)為圖11(a)所示修復(fù)后的三維精細(xì)血管結(jié)構(gòu)圖；圖12為本發(fā)明提供的三維精細(xì)血管重建系統(tǒng)的結(jié)構(gòu)框圖；圖13為圖12所示圖像預(yù)處理模塊的結(jié)構(gòu)框圖；圖14為圖12所示特征匹配模塊的結(jié)構(gòu)框圖；圖15為圖12所示填充處理模塊的結(jié)構(gòu)框圖。具體實施方式下面將結(jié)合附圖和實施方式對本實用新型(發(fā)明)作進(jìn)一步說明。請參閱圖1，為本發(fā)明提供的三維精細(xì)血管重建方法的修復(fù)原理圖。本發(fā)明需解決的技術(shù)問題是修復(fù)具缺失部位的三維精細(xì)血管圖像，記為待修復(fù)圖像1。本發(fā)明還提供了用于修復(fù)所述待修復(fù)圖像1的參考圖像3。具體地，在不破壞血管樣本的前提下，為了獲得血管樣本的微觀多尺度圖像數(shù)據(jù)，對一份血管樣本進(jìn)行序列連續(xù)切片，采用分辨率高的光學(xué)和電子顯微鏡進(jìn)行掃描獲得所述待修復(fù)圖像1，由于分辨率越高，能掃描樣本區(qū)域的范圍越小，對血管樣本進(jìn)行細(xì)微觀多尺度掃描獲得的圖像數(shù)據(jù)存在缺失部位，即所述待修復(fù)圖像1為具缺失部位的高精度血管圖像；采用顯微CT/MRI和同步輻射CT直接掃描同一血管樣本，獲得所述參考圖像3，所述參考圖像3為完整的低精度血管圖像；此低精度和高精度是相對概念，即所述待修復(fù)圖像1的掃描精度高于所述參考圖像3的掃描精度。T1、指定所述待修復(fù)圖像1中所述缺失部位為待修復(fù)區(qū)域10，定義從所述待修復(fù)區(qū)域10向外延伸獲得的立方體擴(kuò)張區(qū)域為待修復(fù)塊12；T2、通過映射位置關(guān)系在所述參考圖像3中獲得與所述待修復(fù)塊12位置相應(yīng)、大小相同的參考映射塊32，所述待修復(fù)塊12中的待修復(fù)區(qū)域10對應(yīng)所述參考映射塊32中的參考映射區(qū)域30；T3、在所述待修復(fù)圖像1中搜索匹配與所述參考映射塊32相似的最優(yōu)匹配塊52，再通過映射位置關(guān)系獲得與所述待修復(fù)區(qū)域10相對應(yīng)的填充區(qū)域50；T4、將所述填充區(qū)域50對應(yīng)填充至所述待修復(fù)區(qū)域10，所述填充區(qū)域50修復(fù)所述缺失部位，對所述填充區(qū)域50和所述待修復(fù)區(qū)域10的邊界進(jìn)行平滑處理，得到自然過渡的紋理圖像，完成修復(fù)重建，得到完整的高精度三維精細(xì)血管圖像。請參閱圖2，為本發(fā)明提供的三維精細(xì)血管重建方法的流程圖。本發(fā)明提供一種三維精細(xì)血管重建方法，包括如下步驟：步驟S1、載入三維精細(xì)血管原始圖像：所述三維精細(xì)血管原始圖像包括掃描同一對象的待修復(fù)圖像1和參考圖像3，所述待修復(fù)圖像1為具缺失部位的血管圖像，所述參考圖像3為完整的血管圖像，所述待修復(fù)圖像1的精度高于所述參考圖像3的精度。在本實施例中，具體地，請參見圖3(a)及圖3(b)，其中，圖3(a)為本發(fā)明提供的三維精細(xì)血管原始圖像中的參考圖像；圖3(b)為本發(fā)明提供的三維精細(xì)血管原始圖像中的待修復(fù)圖像。需要說明的是，為了更清楚的描述本發(fā)明提供的方法中的關(guān)鍵步驟，本發(fā)明對上述源于同一血管樣本的參考圖像和待修復(fù)圖像進(jìn)行了適當(dāng)截取，并以此為實例進(jìn)行說明，但不局限于上述公開的圖像。根據(jù)所述待修復(fù)圖像1指定待修復(fù)區(qū)域10，并定義包含所述待修復(fù)區(qū)域10的待修復(fù)塊12，根據(jù)所述待修復(fù)塊12確定在所述參考圖像3中位置相應(yīng)、大小相同的參考映射塊32，所述待修復(fù)塊12中的待修復(fù)區(qū)域10對應(yīng)所述參考映射塊32中的參考映射區(qū)域30。在本實施例中，指定所述待修復(fù)圖像1中所述缺失部位為待修復(fù)區(qū)域10，定義從所述待修復(fù)區(qū)域10向外延伸獲得的立方體擴(kuò)張區(qū)域為待修復(fù)塊12。通過映射位置關(guān)系在所述參考圖像3中獲得與所述待修復(fù)塊12位置相應(yīng)、大小相同的參考映射塊32，所述待修復(fù)塊12中的待修復(fù)區(qū)域10對應(yīng)所述參考映射塊32中的參考映射區(qū)域30。步驟S2、基于血管特性的圖像預(yù)處理：對載入的所述三維精細(xì)血管原始圖像進(jìn)行分析，確定需要增強的血管區(qū)域，對所述三維精細(xì)血管原始圖像進(jìn)行增強，得到三維精細(xì)血管增強圖像，所述三維精細(xì)血管增強圖像包括增強后的待修復(fù)圖像1和增強后的參考圖像3。步驟S3、基于血管特性的特征匹配：根據(jù)所述三維精細(xì)血管增強圖像，計算整體匹配度，得到所述參考映射塊32在所述待修復(fù)圖像1中的最優(yōu)匹配塊52，所述參考映射塊32中的參考映射區(qū)域30對應(yīng)所述最優(yōu)匹配塊52中的填充區(qū)域50。步驟S4、圖像填充及邊界處理：將所述最優(yōu)匹配塊52的填充區(qū)域50對應(yīng)填充至所述待修復(fù)塊12的待修復(fù)區(qū)域10，并對邊界進(jìn)行平滑處理，完成修復(fù)重建。請參閱圖4，為圖2所示三維精細(xì)血管重建方法中步驟S2的流程圖。由于采集設(shè)備光強的誤差，三維精細(xì)血管等醫(yī)學(xué)圖像中感興趣部位(即血管區(qū)域)的灰度值可能并不明顯，為了便于對圖像進(jìn)行修復(fù)，需要先對圖像進(jìn)行增強處理，增強關(guān)鍵結(jié)構(gòu)的匹配。根據(jù)結(jié)構(gòu)張量能夠識別圖像中的邊緣、角點以及平坦區(qū)域，結(jié)構(gòu)張量是對圖像中的像素利用矩陣組織的數(shù)據(jù)結(jié)構(gòu)，其形式便是Hessian矩陣。對于形狀特征特殊的血管圖像，血管截面的灰度成像高斯分布的特性，可以利用結(jié)構(gòu)張量有效得到血管所需特征，進(jìn)而對其進(jìn)行特征增強。所述基于血管特性的圖像預(yù)處理步驟S2包括：步驟S21、基于Hessian矩陣對所述三維精細(xì)血管原始圖像進(jìn)行分析：選取Hessian矩陣對所述三維精細(xì)血管原始圖像做卷積運算，求得特征值和特征向量。請同時參閱圖5，為圖4所示步驟S2中步驟S21的流程圖。所述基于Hessian矩陣對所述三維精細(xì)血管原始圖像進(jìn)行分析的步驟S21包括：步驟S21-1、計算所述三維精細(xì)血管原始圖像中各像素點的二階偏導(dǎo)數(shù)和混合偏導(dǎo)數(shù)；步驟S21-2、以計算的二階偏導(dǎo)數(shù)和混合偏導(dǎo)數(shù)組成Hessian矩陣與所述三維精細(xì)血管原始圖像做卷積運算；步驟S21-3、求得特征值λ1、λ2及λ3和與所述特征值對應(yīng)的特征向量γ1、γ2及γ3，且|λ1|＜|λ2|＜|λ3|。具體過程為：設(shè)Vx,Vy,Vz分別為x,y,z方向的偏導(dǎo)數(shù)，計算所述三維精細(xì)血管原始圖像中各像素點的二階偏導(dǎo)數(shù)和混合偏導(dǎo)數(shù)，其中Vσ＝Gσ*V，*代表卷積算子，通過高斯函數(shù)(1)獲得不同尺度σ中的線性增強濾波。進(jìn)行局部特性分析時，以當(dāng)前處理像素點為中心，在當(dāng)前所處理的圖像數(shù)據(jù)上，取半寬為3σ的矩形窗口，足以包含血管的直徑。所述高斯函數(shù)(1)為：結(jié)構(gòu)張量(是一個三維的Hessian矩陣)定義如下式(2)：其中是笛卡爾內(nèi)積；存在一個三維正交矩陣S，使得其中Λ＝diag(λm)的對角元素是的特征值，組成矩陣S的各行向量即為結(jié)構(gòu)張量Υ的特征向量，分別記為λ1、λ2及λ3，且滿足|λ1|＜|λ2|＜|λ3|，與三個特征值分別一一對應(yīng)的三個特征向量記為γ1、γ2及γ3，其中γ1⊥λ2,γ1⊥λ3,γ2⊥λ3。結(jié)構(gòu)張量Υ的特征值λ1、λ2及λ3能夠體現(xiàn)出圖像灰度在相應(yīng)特征向量方向上的變化速度。圖像的邊緣強度大，可以量化為結(jié)構(gòu)張量Υ較大的特征值。根據(jù)三個特征值|λ1|＜|λ2|＜|λ3|，對矩陣的特征值及對應(yīng)的形狀結(jié)構(gòu)進(jìn)行如下分析：a.|λ1|≈0,|λ2|≈0,|λ3|≈0,可判定為平坦區(qū)域；可以判定為面狀結(jié)構(gòu)；可以判定為管狀結(jié)構(gòu)；可判定為球狀結(jié)構(gòu)。通過上述分析，對于理想的三維精細(xì)血管圖像，其特征值及特征向量的關(guān)系應(yīng)該如下式(3)：其中λ2,λ3均為負(fù)數(shù)，表示了在三維精細(xì)血管圖像中感興趣部位為高亮區(qū)而背景為陰暗區(qū)；矩陣的兩個特征向量γ2,γ3組成的面所代表的是三維精細(xì)血管的切面，而最小特征值所對應(yīng)的特征向量γ1代表的是三維精細(xì)血管的走向，即三維精細(xì)血管的延伸方向。步驟S22、建立血管區(qū)域特征函數(shù)：基于血管特性并根據(jù)所述特征值和特征向量建立血管區(qū)域特征函數(shù)?，F(xiàn)有的血管區(qū)域增強算法：根據(jù)所述特征值λ1、λ2、λ3和所述特征向量γ1、γ2、γ3，首先定義了變量RA、RB及S，分別如下式(4)、(5)、(6)：RA＝|λ2|/|λ3|(4)；變量RA的值可以估計當(dāng)前處理圖像屬于管狀結(jié)構(gòu)的可能性，其值越大，越可能屬于管狀結(jié)構(gòu)；RB=|λ1|/λ2λ3---(5);]]>變量RB的值可以估計當(dāng)前處理圖像屬于盤狀結(jié)構(gòu)的可能性，其值越大，越可能屬于盤狀結(jié)構(gòu)；S=λ12+λ22+λ32---(6);]]>變量S取所述三個特征值的平方和，可以模糊判斷當(dāng)前處理圖像屬于結(jié)構(gòu)性較強的區(qū)域。根據(jù)所述變量RA、RB及S定義的現(xiàn)有血管區(qū)域函數(shù)為下式(7)：C(λ)=[1-exp(-RA22a2)][exp(-RB22b2)][1-exp(-S22c2)],ifλ2,λ3<00,else---(7);]]>其中，a、b以及c分別為平面結(jié)構(gòu)參數(shù)、球狀結(jié)構(gòu)參數(shù)及背景區(qū)分參數(shù)，根據(jù)經(jīng)驗以及所選尺度選取。針對真實的三維精細(xì)血管圖像，血管粗細(xì)及拓?fù)涠疾灰?guī)則，血管粗細(xì)不等，對于非常細(xì)的血管，其交叉點幾乎可以忽略，但是對于較粗的血管，其分叉區(qū)域就不容忽視了。根據(jù)公式(5)計算變量RB時，若當(dāng)前處理圖像為盤狀結(jié)構(gòu)或分叉區(qū)域，λ1是和λ2、λ3大小相當(dāng)?shù)呢?fù)數(shù)，這兩種情況下，變量RB的值均較大；若當(dāng)前處理圖像為血管弧度較大的區(qū)域，RB的值也會較大。但根據(jù)公式(7)計算現(xiàn)有血管區(qū)域函數(shù)時，RB越小，當(dāng)前處理圖像屬于血管區(qū)域的權(quán)值越大，因而在特殊情況下，根據(jù)公式(7)判斷當(dāng)前處理圖像會出現(xiàn)錯誤，所以應(yīng)該找回被忽略的分叉區(qū)域和血管弧度較大的區(qū)域。本發(fā)明假設(shè)所述特征向量γ1、γ2、γ3的反方向分別對應(yīng)為τ1,τ2,τ3，所述特征向量γ1、γ2、γ3指向血管壁，在一定概率下，τ1,τ2,τ3中有至少一個方向指向血管延伸方向，如果沿著τ1,τ2,τ3其中某一方向像素灰度值變化緩慢，則可以判定為有效的血管區(qū)域。定義沿方向τ的梯度方向?qū)τ诔叨圈?，計算得到沿此梯度方向的變化率的大小k，設(shè)三個方向τ1,τ2,τ3的灰度變化率大小分別為k1,k2,k3，本發(fā)明定義新變量即血管角點區(qū)域特性RD，如下式(8)：RD=1-k1k2k3/(λ2λ3)3---(8).]]>根據(jù)所述變量RA、RB及新變量RD，定義新的血管區(qū)域函數(shù)為下式(9)：C(λ)=[1-exp(-RA22a2)][1-exp(-RD22d2)][1-exp(-S22c2)],ifλ2,λ3<00,else---(9);]]>其中，a、c以及d分別為平面結(jié)構(gòu)參數(shù)、背景區(qū)分參數(shù)以及三維血管結(jié)構(gòu)參數(shù)，根據(jù)經(jīng)驗以及所選尺度選取。若當(dāng)前處理圖像為分叉區(qū)域，k1、k2及k3中只要任意一個值較小，則變量RD的值較大；若當(dāng)前處理圖像為血管弧度較大的區(qū)域，k2及k3與λ2及λ3大小相當(dāng)，k1的值相對較小，則變量RD的值較大；若當(dāng)前處理圖像為典型的直血管區(qū)域，k1≈0，變量RD的值依然較大；因此新變量RD適用多種血管區(qū)域，不會對其他特征項產(chǎn)生干擾。步驟S23、確定需要增強的血管區(qū)域：根據(jù)所述血管區(qū)域特征函數(shù)確定需要增強的血管區(qū)域，進(jìn)而對所述三維精細(xì)血管原始圖像進(jìn)行增強，得到三維精細(xì)血管增強圖像。所述三維精細(xì)血管增強圖像包括增強后的待修復(fù)圖像1和增強后的參考圖像3。在本實施例中，具體地，請參見圖6(a)及圖6(b)，其中，圖6(a)為圖3(a)所示增強后的參考圖像；圖6(b)為圖3(b)所示增強后的待修復(fù)圖像。對比發(fā)現(xiàn)利用本發(fā)明提供的血管區(qū)域特征函數(shù)進(jìn)行圖像增強具有較好的效果。請參閱圖7，為圖2所示三維精細(xì)血管重建方法中步驟S3的流程圖。所述基于血管特性的特征匹配步驟S3包括如下步驟：步驟S31、將所述待修復(fù)圖像1均分為多個與所述參考映射塊32大小相同的候選塊，計算全局匹配度SM。根據(jù)所述三維精細(xì)血管增強圖像，即所述待修復(fù)圖像1和所述參考圖像3，對兩幅圖像中血管的整體分布進(jìn)行相似度匹配，計算所述候選塊和所述參考映射塊32的全局匹配度SM。新建0-1矩陣B1，將所述待修復(fù)圖像1的所述候選塊中屬于血管的相應(yīng)位置設(shè)為1，屬于背景的相應(yīng)位置設(shè)為0；新建0-1矩陣B2，將所述參考圖像3的所述參考映射塊32中屬于血管的相應(yīng)位置設(shè)為1，屬于背景的相應(yīng)位置設(shè)為0；對所述矩陣B1和所述矩陣B2相應(yīng)位置上進(jìn)行“異或運算”，得到結(jié)果矩陣MR，所述矩陣MR中“0”越多，即相同之處越多，則說明所述待修復(fù)圖像1的所述候選塊和所述參考圖像3的所述參考映射塊32從輪廓上看越相似。定義全局匹配度SM為下式(10)：SM=1n×n×nΣ(x,y,z)∈B1,B2u(x,y,z)---(10);]]>其中，定義u(x,y,z)為下式(11)：u(x,y,z)=1,ifB1(x,y,z)=1andB2(x,y,z)=10,else---(11).]]>步驟S32、計算血管段相似度ST。請參閱圖8，為圖7所示步驟S3中步驟S32的流程圖。所述計算血管段相似度ST的步驟S32包括：步驟S32-1、基于逐層剝?nèi)》?xì)化步驟S2中所述需要增強的血管區(qū)域，提取單像素中心線，由所述三維精細(xì)血管增強圖像得到三維精細(xì)血管二值圖，所述三維精細(xì)血管二值圖包括所述待修復(fù)圖像1的二值圖和所述參考圖像3的二值圖；步驟S32-2、根據(jù)所述待修復(fù)圖像1的二值圖提取所述候選塊的端點集，根據(jù)所述參考圖像3的二值圖提取所述參考映射塊32的端點集，分別求取端點特征向量；步驟S32-3、根據(jù)所述端點特征向量計算血管段相似度ST。具體過程為：對于血管圖像，血管的分段、分叉點以及端點是特別需要關(guān)注的特征，因此利用骨架化思想，提取步驟S2中所述需要增強的血管區(qū)域的單像素寬的中心線，由所述三維精細(xì)血管增強圖像得到了三維精細(xì)血管二值圖，所述三維精細(xì)血管二值圖包括所述待修復(fù)圖像1的二值圖和所述參考圖像3的二值圖；具體請參見圖9(a)及圖9(b)，其中圖9(a)為圖6(a)所示細(xì)化后的參考圖像；圖9(b)為圖6(b)所示細(xì)化后的待修復(fù)圖像。細(xì)化后的單像素圖像由一段段彎曲的線段組成，其中端點可分為終點和交叉點；有些端點從本身分開兩條或兩條以上的線，這些端點就是交叉點，而有些端點在它本身處終止，這些端點是終點。設(shè)所述待修復(fù)圖像1中所述候選塊的二值圖為體數(shù)據(jù)V1，提取所述候選塊的端點集，所述端點集包括終點集ES1＝{E11,E12,…,E1m}和分叉點集FS1＝{F11,F12,…,F1n}，設(shè)所述體數(shù)據(jù)V1的邊長為a，則將其劃分為8×8×8個小的小立方塊(邊長為a/8)，統(tǒng)計落在各個小立方塊中的終點數(shù)量e1n(n＝1,2,…512)和分叉點數(shù)量f1n(n＝1,2,…512)，組成一個帶有位置信息的所述體數(shù)據(jù)V1的端點特征向量，所述端點特征向量包括終點特征向量和分叉點特征向量設(shè)所述參考圖像3中所述參考映射塊32的二值圖為體數(shù)據(jù)V2，相同方法獲得所述體數(shù)據(jù)V2的端點特征向量，所述端點特征向量包括終點特征向量和分叉點特征向量利用余弦定理求取兩組體數(shù)據(jù)的終點特征向量和的相關(guān)度STe，如下式(12)；以及分叉點特征向量和的相關(guān)度STf，如下式(13)；根據(jù)所述相關(guān)度STe和所述相關(guān)度STf計算所述血管段相似度ST，如下式(14)：STe=e11e21+e12e22+...+e1me2me112+e122+...e1m2·e212+e222+...e2m2---(12);]]>STf=f11f21+f12f22+...+f1mf2mf112+f122+...f1m2·f212+f222+...f2m2---(13);]]>ST＝STe·STf(14)。步驟S33、根據(jù)所述全局匹配度SM和所述血管段相似度ST計算整體匹配度Sves，所述整體匹配度Sves＝μSM+ηST，其中，μ及η分別為SM及ST的權(quán)重系數(shù)，且μ+η＝1。步驟S34、根據(jù)所述整體匹配度Sves，得到所述參考映射塊32在所述待修復(fù)圖像1中的最優(yōu)匹配塊52，所述參考映射塊32中的參考映射區(qū)域30對應(yīng)所述最優(yōu)匹配塊52中的填充區(qū)域50。所述最優(yōu)匹配塊52為整體匹配度最高的所述候選塊。所述最優(yōu)匹配塊52通過映射位置關(guān)系獲得與所述待修復(fù)區(qū)域10相對應(yīng)的填充區(qū)域50。請參閱圖10，為圖2所示三維精細(xì)血管重建方法中步驟S4的流程圖。所述圖像填充及邊界處理步驟S4包括：步驟S41、將所述最優(yōu)匹配塊52的填充區(qū)域50對應(yīng)填充至所述待修復(fù)塊12的待修復(fù)區(qū)域10；步驟S42、將所述填充區(qū)域50的邊界進(jìn)行插值迭代，不斷逼近直至收斂，將所述填充區(qū)域50、以及所述待修復(fù)區(qū)域10的邊界平滑過渡，完成修復(fù)重建。具體過程為：將所述填充區(qū)域50填充到所述待修復(fù)區(qū)域10，所述填充區(qū)域50覆蓋所述待修復(fù)區(qū)域10完成所述缺失部位的修復(fù)。采用“逼近”的思想將所述待修復(fù)區(qū)域10的邊界與所述填充區(qū)域50的像素灰度平滑過渡，弱化其之間拼縫的邊緣。對所述待修復(fù)塊12與所述最優(yōu)匹配塊52的限定范圍分別建立矢量場，在矢量場的引導(dǎo)下來進(jìn)行插值迭代。設(shè)點p(x,y,z)是所述待修復(fù)塊12中一點，其6個鄰域點的集合為N6，定義其6個鄰域方向的差分矢量集合為6個鄰域方向上的單位矢量分別為根據(jù)差分的定義得到對所述待修復(fù)塊12中每個像素點都進(jìn)行上述操作，得到所述待修復(fù)塊12中所有像素點所對應(yīng)集合所有得到的矢量組成了所述待修復(fù)塊12的矢量場D1，進(jìn)行數(shù)據(jù)迭代，最終得到像素集合P。相同方法構(gòu)造所述最優(yōu)匹配塊52的矢量場D5，進(jìn)行數(shù)據(jù)迭代，最終得到像素集合Q。為了使所述像素集合P逼近所述最像素集合Q，該問題等價于下式(15)的最小值問題：∫∫∫D1|Δp(x,y,z)-D1|dxdydz---(15);]]>其中，Δ是某像素點六鄰域方向上的差分算子，D1是所述待修復(fù)塊12的矢量場。根據(jù)Euler-Lagrange方程，上述問題等價于下式(16)：Δp＝D1,p∈D1(16)；其意義為以矢量場為參照來實現(xiàn)像素的無限逼近。下面采用超松弛迭代法，通過鄰域像素消元來實現(xiàn)。設(shè)初始化圖像像素函數(shù)值為p0＝p(x,y,z),(x,y,z)∈D1，迭代的過程為下式(17)：pt+1(x,y,z)=pt(x,y,z)+16×[Δpt(x,y,z)-D1]---(17);]]>其中，Δpt(x,y,z)如下式(18)：Δpt(x,y,z)＝pt(x+1,y,z)+pt(x-1,y,z)+pt(x,y+1,z)+pt(x,y-1,z)+pt(x,y,z+1)+pt(x,y,z-1)-6×pt(x,y,z)(18)；每一次迭代，都會更新所述待修復(fù)塊12的像素值，使之在矢量場引導(dǎo)下逐漸逼近所述最優(yōu)匹配塊52內(nèi)相應(yīng)位置的像素值，直到收斂即可實現(xiàn)灰度協(xié)調(diào)過渡的效果。應(yīng)用所述三維精細(xì)血管重建方法對三維精細(xì)血管進(jìn)行修復(fù)，待修復(fù)的三維精細(xì)血管結(jié)構(gòu)圖和修復(fù)后的三維精細(xì)血管結(jié)構(gòu)圖詳見圖11(a)及圖11(b)，可以得知，本發(fā)明應(yīng)用該方法能夠很好的修復(fù)具缺失部位的三維精細(xì)血管，精度更高。請參見圖12，為本發(fā)明提供的三維精細(xì)血管重建系統(tǒng)的結(jié)構(gòu)框圖。所述三維精細(xì)血管重建系統(tǒng)100包括圖像載入模塊11、圖像預(yù)處理模塊13、特征匹配模塊15及填充處理模塊17。所述圖像載入模塊11，用于載入三維精細(xì)血管原始圖像，所述三維精細(xì)血管原始圖像包括掃描同一對象的待修復(fù)圖像1和參考圖像3，所述待修復(fù)圖像1為具缺失的血管圖像，所述參考圖像3為完整的血管圖像，所述待修復(fù)圖像1的精度高于所述參考圖像3；并根據(jù)所述待修復(fù)圖像1指定待修復(fù)區(qū)域10，并定義包含所述待修復(fù)區(qū)域10的待修復(fù)塊12，根據(jù)所述待修復(fù)塊12確定在所述參考圖像3中位置相應(yīng)、大小相同的參考映射塊32，所述待修復(fù)塊12中的待修復(fù)區(qū)域10對應(yīng)所述參考映射塊32中的參考映射區(qū)域30。所述圖像載入模塊11的詳細(xì)執(zhí)行流程對應(yīng)如上步驟S1所述，不再贅述。所述圖像預(yù)處理模塊13，用于對所述圖像載入模塊11載入的所述三維精細(xì)血管原始圖像進(jìn)行分析，確定需要增強的血管區(qū)域，對所述三維精細(xì)血管原始圖像進(jìn)行增強，得到三維精細(xì)血管增強圖像，所述三維精細(xì)血管增強圖像包括增強后的所述待修復(fù)圖像1和增強后的所述參考圖像3。所述特征匹配模塊15，用于根據(jù)所述圖像預(yù)處理模塊13得到的三維精細(xì)血管增強圖像，計算整體匹配度，得到所述參考映射塊32在所述待修復(fù)圖像1中的最優(yōu)匹配塊52，所述參考映射塊32中的參考映射區(qū)域30對應(yīng)所述最優(yōu)匹配塊52中的填充區(qū)域50。所述填充處理模塊17，用于將所述特征匹配模塊15得到的所述最優(yōu)匹配塊52的填充區(qū)域50對應(yīng)填充至所述待修復(fù)塊12的待修復(fù)區(qū)域10，并對邊界進(jìn)行平滑處理，完成修復(fù)重建。請參照圖13，為圖12所示圖像預(yù)處理模塊的結(jié)構(gòu)框圖。所述圖像預(yù)處理模塊13包括第一運算單元131、函數(shù)創(chuàng)建單元133及血管增強單元135。所述第一運算單元131，選取Hessian矩陣對所述三維精細(xì)血管原始圖像做卷積運算，求得特征值和特征向量。所述函數(shù)創(chuàng)建單元133，根據(jù)所述第一運算單元131求得的特征值和特征向量并基于血管特性建立血管區(qū)域特征函數(shù)。所述血管增強單元135，根據(jù)所述函數(shù)創(chuàng)建單元133建立的血管區(qū)域特征函數(shù)確定需要增強的血管區(qū)域，進(jìn)而對所述三維精細(xì)血管原始圖像進(jìn)行增強，得到三維精細(xì)血管增強圖像。其中，每一單元的詳細(xì)執(zhí)行流程對應(yīng)如上步驟S21到S23所述，不再贅述。請參照圖14，為圖12所示特征匹配模塊的結(jié)構(gòu)框圖。所述特征匹配模塊15包括第一計算單元151、第二計算單元152及第三計算單元153，分別用于計算全局匹配度SM、血管段相似度ST及整體匹配度Sves。其中，每一單元的詳細(xì)執(zhí)行流程對應(yīng)如上步驟S31到S34所述，不再贅述。請參照圖15，為圖12所示填充處理模塊的結(jié)構(gòu)框圖。所述填充處理模塊17包括圖像填充單元171及邊界處理單元173。所述圖像填充單元171，將所述最優(yōu)匹配塊52的填充區(qū)域50對應(yīng)填充至所述待修復(fù)塊12的待修復(fù)區(qū)域10。所述邊界處理單元173，將所述填充區(qū)域50的邊界進(jìn)行插值迭代，不斷逼近直至收斂，將所述填充區(qū)域50、以及所述待修復(fù)區(qū)域10的邊界平滑過渡，完成修復(fù)重建。其中，每一單元的詳細(xì)執(zhí)行流程對應(yīng)如上步驟S41到S42所述，不再贅述。本發(fā)明提供的三維精細(xì)血管重建方法及其系統(tǒng)具有以下有益效果：一、本發(fā)明提供的所述三維精細(xì)血管重建方法對需要增強的血管區(qū)域進(jìn)行了特征值提取，將所述三維精細(xì)血管原始圖像進(jìn)行了圖像增強，便于對源于同一血管樣本的所述待修復(fù)圖像1和所述參考圖像3進(jìn)行結(jié)構(gòu)匹配，提高了三維精細(xì)血管重建的效率，并能夠保證精度；二、本發(fā)明重新定義了基于Hessian陣的所述血管區(qū)域特征函數(shù)，考慮了所述三維精細(xì)血管原始圖像的灰度信息，可以有效提高圖像增強的效果；同時考慮了血管的分叉區(qū)域以及弧度較大的區(qū)域等個體差異性的影響，能夠很好的解決個體差異性的問題，即使在特殊情況也不會判斷錯誤，具有更廣泛的適用性；三、本發(fā)明提供的所述三維精細(xì)血管重建方法基于血管特性而成，考慮到血管結(jié)構(gòu)的管狀特性和較強的自相似性，從而指導(dǎo)源于同一血管樣本的所述待修復(fù)圖像1和所述參考圖像3的匹配，提高了血管結(jié)構(gòu)特征匹配的可靠性和準(zhǔn)確性，進(jìn)一步增大三維精細(xì)血管重建的精度；四、本發(fā)明通過所述待修復(fù)圖像1和所述參考圖像3的匹配，得到所述參考映射塊32在所述待修復(fù)圖像1中的所述最優(yōu)匹配塊52，對應(yīng)填充之后再對邊界進(jìn)行平滑處理，修復(fù)精度高。所屬
技術(shù)領(lǐng)域：
的技術(shù)人員可以理解：實現(xiàn)上述方法實施例的全部或部分步驟可以通過程序指令相關(guān)的硬件來完成，前述的程序可以存儲于計算機可讀取存儲介質(zhì)中，并被處理器執(zhí)行，前述的程序在被執(zhí)行時處理器可以執(zhí)行包括上述方法實施例的全部或者部分步驟。其中，所述處理器可以作為一個或多個處理器芯片實施，或者可以為一個或多個專用集成電路(ApplicationSpecificIntegratedCircuit,ASIC)的一部分；而前述的存儲介質(zhì)可以包括但不限于以下類型的存儲介質(zhì)：閃存(FlashMemory)、只讀存儲器(Read-OnlyMemory,ROM)、隨機存取存儲器(RandomAccessMemory,RAM)、移動硬盤、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。以上所述僅為本發(fā)明的優(yōu)選實施例而已，并不用于限制本發(fā)明，對于本領(lǐng)域的技術(shù)人員來說，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。當(dāng)前第1頁1 2 3