一种肺部CT图像的血管增强方法及系统
专利汇可以提供一种肺部CT图像的血管增强方法及系统专利检索，专利查询，专利分析的服务。并且本 发明 属于 图像处理 领域，提供了一种 肺 部CT图像的血管增强方法及系统。该方法及系统是对Vessel Enhancing Diffusion(VED) 算法 进行了改进，在估计出每一点属于管状结构的可能性之后，通过棒张量投票，对特征点和 特征向量 进行了重构，之后再利用扩散函数进行图像增强。相对于VED算法，由于利用了邻域的张量方向，对血管壁的血管走向进行了棒张量投票，从而纠正了血管壁周围的张量方向并重构了新的张量方向，利用重构的张量方向可以较好地减少血管强度沿血管切面的扩散，同时增强沿血管方向的扩散，达到抑制噪声，增强血管特征的效果，解决了VED算法存在的管状结构边缘特征方向杂乱引起的增强效果失真的问题。，下面是一种肺部CT图像的血管增强方法及系统专利的具体信息内容。
1.一种肺部CT图像的血管增强方法，其特征在于，所述方法包括以下步骤：
计算图像中每一点的Hessian矩阵及其特征值和特征向量，并根据特征值和特征向量估计每一点属于管状结构的可能性；
以可能性大于0的点的特征值最小方向为法线方向，对邻域内其它可能性大于0的点进行棒张量投票，并根据投票结果对每一可能性大于0的点的特征值和特征向量进行重构，以确定所述每一可能性大于0的点的管状结构的走向方向；
根据重构的特征向量，利用扩散函数对所述图像中所述每一可能性大于0的点的强度进行更新，直到更新次数达到最大迭代次数为止；
其中，所述以可能性大于0的点的特征值最小方向为法线方向，对邻域内其它可能性大于0的点进行棒张量投票的步骤包括以下步骤：
以每一可能性大于0的点为投票点、以对应投票点的特征值最小的方向为法线方向，以邻域内其它可能性大于0的点为票数接收点进行棒张量投票；
其中，对票数接收点R处接收到的票数Stick(l，θ，π)进行累加，累加的过程包括张量大小和方向的累加，记T′R(x，y，z)为所述票数接收点R接收到的累加张量，对所述累加张量进行特征分解：
其中λ′3，λ′2，λ′1为T′R(x，y，z)的特征值，且|λ′3|≤|λ′2|≤|λ′1|， 为投票结束后所述累加张量T′R(x，y，z)的特征向量，即重构后的特征向量，其中最大特征值λ′1对应的特征向量 的方向即为扩散方向。
2.如权利要求1所述的肺部CT图像的血管增强方法，其特征在于，所述计算图像中每一点的Hessian矩阵及其特征值和特征向量，并根据特征值和特征向量估计每一点属于管状结构的可能性的步骤包括以下步骤：
利用多尺度高斯函数对图像进行平滑；
在每一尺度下，根据平滑结果计算图像中每一点的Hessian矩阵；
对所述每一点的Hessian矩阵进行特征值分解，得到三个特征值以及与三个特征值分别一一对应的特征向量；
根据每一点的特征值和特征向量，估计每一点在每一尺度下属于管状结构的可能性；
取每一点在不同尺度下的可能性的最大值作为每一点属于管状结构的可能性的最终值。
3.如权利要求2所述的肺部CT图像的血管增强方法，其特征在于，若尺度为σ的三维高斯函数为G(x，y，z；σ)，所述图像为I(x，y，z)，所述图像为I(x，y，z)在所述尺度σ下的平滑结果为Iσ(x，y，z)，则所述利用多尺度高斯函数对图像进行平滑的表示为：
其中，
若所述尺度σ下，所述图像中点(x，y，z)处的Hessian矩阵为Hσ(x，y，z)，则所述在每一尺度下，根据平滑结果计算图像中每一点的Hessian矩阵的表示为：
若所述尺度σ下，所述图像中点(x，y，z)对应的三个特征值为λ1、λ2、λ3，且满足|λ1|≤|λ2|≤|λ3|，所述点(x，y，z)属于管状结构的可能性为Vs(σ)，则所述根据每一点的特征值和特征向量，估计每一点在每一尺度下属于管状结构的可能性的表示为：
其中， Coeff为一常数，α是常数且0＜α＜
1，β是常数且0＜β＜1，γ是设定的常数；
取每一点在不同尺度下的可能性的最大值作为每一点属于管状结构的可能性的最终值，假设所述可能性的最终值记为V，则有： 其中，σmin，σmax分别是最小尺
度和最大尺度。
4.如权利要求1所述的肺部CT图像的血管增强方法，其特征在于，若所述图像中可能性大于0的点(x，y，z)对应的三个特征值为λ1、λ2、λ3，且满足|λ1|≤|λ2|≤|λ3|，对应的特征向量为 以所述点(x，y，z)的特征值最小的方向为法线方向，其邻域内可能性大于0的点R为票数接收点，则所述点(x，y，z)向所述点R投出的票数为包含方向和强度的棒张量Stick(l，θ，π)，且满足：
其中， 为显著性衰减函数，且 θ为点(x，y，z)
与点R的连线l与 张成的平面的夹角，s为连线l的弧长，σ指定了投票的尺度范围，决定了投票窗口的大小，c为尺度范围σ的函数，且满足：
5.如权利要求1所述的肺部CT图像的血管增强方法，其特征在于，所述扩散函数为其中，Vt是扩散后的血管强度，t是扩散时间， 是散度算子，V是所述图
像中点(x，y，z)属于管状结构的可能性，D是扩散张量，且满足：
其中， 为重构的特征向量，ω为一参数，用以表明各向异性扩散的强度；ε为一参数，用以保证扩散张量D是一个正定矩阵，ω大于ε；L为一参数，用以控制扩散函数对血管影响的敏感性。
6.一种肺部CT图像的血管增强系统，其特征在于，所述系统包括：
计算模块，用于计算图像中每一点的Hessian矩阵及其特征值和特征向量，并根据特征值和特征向量估计每一点属于管状结构的可能性；
重构模块，用于以可能性大于0的点的特征值最小方向为法线方向，对邻域内其它可能性大于0的点进行棒张量投票，并根据投票结果对每一可能性大于0的点的特征值和特征向量进行重构，以确定所述每一可能性大于0的点的管状结构的走向方向；
扩散模块，用于根据重构的特征向量，利用扩散函数对图像中所述每一可能性大于0的点的强度进行更新，直到更新次数达到最大迭代次数为止；
其中，所述重构模块包括：
投票子模块，用于以每一可能性大于0的点为投票点、以对应投票点的特征值最小方向为法线方向，以邻域内其它可能性大于0的点为票数接收点进行棒张量投票；
重构子模块，用于根据投票结果对所述每一可能性大于0的点的特征值和特征向量进行重构，以确定所述每一可能性大于0的点的管状结构的走向方向；
其中，对票数接收点R处接收到的票数Stick(l，θ，π)进行累加，累加的过程包括张量大小和方向的累加，记T′R(x，y，z)为所述票数接收点R接收到的累加张量，对所述累加张量进行特征分解：
其中λ′3，λ′2，λ′1为T′R(x，y，z)的特征值，且|λ′3|≤|λ′2|≤|λ′1|， 为投票结束后所述累加张量T′R(x，y，z)的特征向量，即重构后的特征向量，其中最大特征值λ′1对应的特征向量 方向即为扩散方向。
7.如权利要求6所述的肺部CT图像的血管增强系统，其特征在于，所述计算模块包括：
平滑子模块，用于利用多尺度高斯函数对图像进行平滑；
第一计算子模块，用于在每一尺度下，根据平滑结果计算图像中每一点的Hessian矩阵；
第二计算子模块，用于对所述每一点的Hessian矩阵进行特征值分解，得到三个特征值以及与三个特征值分别一一对应的特征向量；
估算子模块，用于根据每一点的特征值和特征向量，估计每一点在每一尺度下属于管状结构的可能性；
取值子模块，用于取每一点在不同尺度下的可能性的最大值作为每一点属于管状结构的可能性的最终值。
一种肺部CT图像的血管增强方法及系统
技术领域
背景技术
发明内容
具体实施方式
的弧长，σ指定了投票的尺度范围，决定了投票窗口的大小，c为尺度范围σ的函数，用于制约曲率的退化程度，且满足：
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 指纹纹理图像的去噪增强方法及其系统 | 2020-05-18 | 717 |
| 一种基于张量的分布式扩散自适应抗干扰方法 | 2020-05-12 | 589 |
| 扩散程度可控的各向异性扩散图像去噪增强方法 | 2020-05-19 | 819 |
| 扩散程度可控的各向异性扩散图像去噪增强方法 | 2020-05-19 | 318 |
| 基于多张量的磁共振扩散加权图像结构自适应平滑方法 | 2020-05-15 | 274 |
| 一种扩散张量磁共振成像方法 | 2020-05-11 | 395 |
| 一种非负高阶张量拟牛顿搜索的纤维方向分布估计方法 | 2020-05-26 | 753 |
| 基于多张量的磁共振扩散加权图像结构自适应平滑方法 | 2020-05-17 | 118 |
| 基于以高斯模型为实例整合重建的磁共振扩散成像方法 | 2020-05-20 | 385 |
| 保地质边界的地震图像去噪方法及计算机可读存储介质 | 2020-05-23 | 898 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
