一种新的血管造影图像Hessian矩阵增强算法

针对实际血管造影图像存在的噪声和光照不均,本文提出一种新的Hessian矩阵增强算法来提取血管图像。算法主要通过无抽样方向滤波器组进行血管方向图分解、同态滤波器滤波、Hessian特征矩阵和血管方向图合成。实验表明,与传统Hessian算法相比,提出的算法能够连续提取血管的精细结构,对噪声不敏感,处理的图像质量更高。

基于Hessian矩阵的多尺度视网膜图像增强方法

眼底视网膜图像的血管增强在眼科诊断中具有广泛的研究价值。提出了一种基于Hessian矩阵的多尺度血管增强方法,给出了应用的方案和过程,并在DRIVE眼底图像数据库上进行实验。与其他血管增强方法相比,该方案可达到相当的准确率,且在同等准确率下具有较高的鲁棒性。

基于Hessian特征的视网膜血管图像的增强滤波算法

提出了一种基于Hessian特征的视网膜血管图像的增强滤波算法,分析了Hessian特征值对各类形状的抑制和加强作用,将Hessian矩阵的特征值与特征向量应用于视网膜血管特征的响应函数及形态学和非线性扩散处理的各个环节,并选择合理的尺度空间范围和尺度空间增量,调节因子而平滑非线状区域和锐化增强血管区域,本文算法在同等准确率下具有较高的稳定鲁棒性。

基于Hessian矩阵线状滤波的眼底图像血管分割

针对眼底图像血管分割问题,本文研究了一种基于Hessian矩阵多尺度线状滤波的血管分割方法。首先,采用基于Hessian矩阵的多尺度线状滤波增强血管区域,然后对增强后图像采用最大类间方差阈值法进行阈值分割,最后得到血管的二值化分割结果。本文采用了DRIVE数据库眼底图像进行实验验证,实验表明本文方法能够自动地得到较完整和准确的眼底图像血管分割结果。

基于Hessian矩阵的视网膜血管中心线提取

为实现视网膜血管在临床诊断中的重要作用,提出了一种基于Hessian矩阵的视网膜血管提取方法,该方法通过图像预处理增强血管信息,利用血管的微分几何特性,采用离散高斯核对眼底图像进行卷积,结合Hessian矩阵计算血管方向,通过连接算法得到视网膜血管的分布情况。实验结果表明,该方法提取血管中心线的精度可达亚像素级,对不同眼底照相机拍摄的眼底图像可根据血管宽度进行多尺度快速分割。

基于Hessian矩阵特征值聚类的脑血管分割方法

为了从医学图像中获取准确的脑血管信息,提出了一种新颖的基于Hessian矩阵和聚类思想的脑血管分割方法。利用非局部均值滤波方法对原始医学图像数据进行预处理,减少了成像过程中产生的噪声对血管分割的干扰。利用多尺度邻域信息来计算各像素点的Hessian矩阵。求取其特征值并构造为一个向量。对各像素点的特征值组成的向量利用k-means方法进行聚类并最终得到血管类的像素点。实验结果表明:基于Hessian矩阵特征值聚类的方法分割得到的结果能够包含所有的脑血管点,在之后的工作中可在此分割的基础上再进行精细加工,得到更为精确的血管数据,这将对基于Hessian矩阵的脑血管分割方法研究有着深远的意义。

基于Hessian矩阵和区域生长的肝血管树的分割算法研究

由于血管成像设备的限制和血管本身形态结构的复杂性,使得血管分割成为一个难题。针对CT肝脏血管图像的特征,设计一种将Hessian矩阵多尺度滤波、形态学和三维区域生长相结合的方法,实现血管分割。首先,使用灰度变换突出目标区域,利用基于Hessian矩阵的多尺度滤波方法对血管进行增强;其次,对增强后的血管图像进行闭运算,并进行三维区域生长;最后,利用膨胀运算将血管的弱连接进行连接。实验表明该方法具有一定的可行性和有效性,能够很好地实现血管的分割,所产生的血管连续光滑,很适合作为三维重建的数据集。

基于HESSIAN增强和形态学尺度空间的视网膜血管分割

眼底视网膜血管的走向、弯曲度、分叉度等性状分析已成为医学上诊断全身血管性疾病的重要手段。采集到的眼底图像常存在光照不均匀等现象,利用传统的血管分割方法难以对微小血管进行检测。为此提出一种基于改进Hessian矩阵增强和形态学尺度空间的分割方法。首先利用高斯函数构建多尺度Hessian增强滤波器,采用新型的血管相似性函数对血管网络进行对比度增强,同时平滑图像以减轻噪声;然后利用改进的Top-hat变换尺度空间从背景中提取血管,并引入形态学重建方法进一步突出血管像素,消除伪边缘及孤立点噪声;最后使用二次阈值化方法实现血管的最终分割。仿真结果表明,改进的分割方法在保证大血管脉络准确分割的同时,能够较好地实现微小血管分割。

基于改进型MBLLEN网络的内窥镜图像增强算法研究

针对内窥镜场景,亮度与细节增强算法可能会引入色调改变和图像噪声问题,提出改进型MBLLEN(Multi-Branch Low-Light Enhancement Network)网络对内窥镜图像进行增强。首先,采用改进型MBLLEN网络对内窥镜图像亮度进行增强,减少特征提取卷积层,并采用跳连接方式,将增强模块替换成U-Net结构;其次,引入Hessian矩阵特征值,对图像的全局线性结构做细节后处理增强。消融实验结果表明,改进结构在内窥镜场景下相比于原结构更具适应性,并且验证集的增强结果的平均PSNR值为26.829,SSIM值为0.868,DVBV值为131.372,该算法的指标结果与6种主流算法比较,均排名前列。由此可见,本研究算法在保证内窥镜图像质量的基础上,有效地提高了亮度与细节表现。

基于Hessian矩阵和区域生长的脉络膜血管自动检测

脉络膜血管自动检测在临床上具有重要意义,可通过观察分析脉络膜血管的形态、厚度等信息对多种眼底疾病进行诊断。为辅助临床诊断,提出了一种新的基于SD-OCT图像的脉络膜血管自动检测方法。首先检测出色素上皮层下边界,确定感兴趣区域(Volume of Interest,VOI),然后对图像进行基于灰度线性变换的增强以及三维块匹配滤波等预处理,随后采用Hessian矩阵对血管进行初步提取,提取结果作为目标区域的种子点,进一步用三维区域生长方法检测完整的血管区域,并通过形状信息排除误检以及形态学滤波对检测结果进行后处理。测试结果表明,该方法是一种有效的脉络膜血管自动检测方法。

基于Hessian矩阵跟踪算法在血管新生量化中的应用

血管新生与肿瘤的生长密切相关,CAM(鸡胚绒毛尿囊膜)是研究血管新生的常用载体,所以通常对CAM中特定区域的血管分割量化来衡量抗肿瘤药物对血管的抑制作用。本文提出一种CAM图像分割算法,首先利用Hessian矩阵下多尺度分析得到一个初始的CAM血管轮廓,在此基础上跟踪未知血管,得到的最终分割结果。最后,对分割出的CAM血管进行骨架提取、裁剪等处理,计算出图像中血管的密度、长度和分叉点个数等量化指标,综合评价血管的生长情况。在相同系列的CAM图像上和其他方法进行实验对比。结果显示基于Hessian矩阵跟踪算法可以为血管新生状况提供有效的分析,尤其对微小血管的检测比较优越,而且具有更高的准确率。

基于Hessian矩阵及余弦定理的肝门静脉血管检测

目的:提出一种基于Hessian矩阵及余弦定理的血管检测方法,改善肝门静脉血管检测效果。方法:充分考虑肝脏内肝门静脉CT图像的灰度及结构特点,首先利用肝脏图像的低灰度阈值对CT图像进行预处理,然后提出由余弦定理构造新的血管相似性函数,并计算多尺度的函数响应值,最后利用肝门静脉图像的低灰度阈值和连通域提取方法提取最大连通域。结果:该方法能有效地检测肝门静脉血管,检测结果与IRCADb数据集中专家的人工分割结果更接近。结论:基于Hessian矩阵及余弦定理的肝门静脉血管检测方法为后续的分割和三维重建奠定了良好的基础。

基于多尺度自适应滤波的DSA血管增强

数字减影血管造影(DSA)技术在血管疾病的诊断和治疗中起着重要的作用。由于血管结构的几何复杂性,准确地检测血管仍然是一个难题。为了提高DSA图像的视觉质量,提出了一种基于多尺度自适应滤波的DSA血管增强算法。新的血管增强算法基于多尺度空间理论,不仅采用Hessian矩阵的特征值,而且利用特征向量之间的角度进行DSA血管增强。滤波器的参数可以根据图像本身的特征自适应地进行调整。在多尺度迭代过程中,噪声往往被放大,因此滤波器中增加了噪声消除的设计。实验结果表明,该算法具有良好的DSA血管增强性能,可以有效地过滤图像背景和非血管结构,并避免了增强过程中可能发生的血管变形。

基于Hessian矩阵及梯度熵的疑似肺结节检测算法

提出一种基于Hessian矩阵的多尺度增强滤波和梯度熵选择的疑似肺结节检测算法。首先,构造基于Hessian矩阵的多尺度圆形增强滤波器对肺部计算机断层扫描(CT)图像中的圆形区域进行增强,使得类似圆形的疑似结节区域得以增强,其他干扰区域得以抑制。然后,计算增强后的圆形肺结节区域(孤立圆、线交叉形成的圆)在原始灰度图像中相应区域的梯度熵,采用切比雪夫不等式确定孤立圆梯度熵分布区间,进行疑似结节区域的选择。实验结果表明,该算法能较好地检测肺部CT图像中疑似肺结节区域,为后续的肺结节检测以及诊断打下基础。

冠脉造影图像血管增强新方法研究

目的提出一种更加有效的血管增强方法。方法分析冠脉X射线造影(XRA)图像特点,采用一个新颖函数来判别血管,结合Hessian矩阵和多尺度滤波对血管进行增强。结果采用该方法增强临床获取的冠脉X射线造影图像具有较强的鲁棒性和较快的计算速度。结论本文提出的增强方法具有较高的临床应用价值。

基于多阈值Otsu和海森矩阵的脑血管提取

研究了多阈值Otsu对血管组织覆盖灰度区间分类算法和基于Hessian矩阵的管状物增强算法。通过多阈值Otsu分类算法对三维人体头部MRA图像进行分类,得到包含少量其它边界过渡区域的脑血管图像,将修正的基于Hessian矩阵的增强算法作用于过渡区灰度数据,使管状物得以保留并增强;将Hessian矩阵的特征值和特征向量应用于血管特征的响应函数及形态学修补和光顺各个环节,与血管灰度接近的片状和点状数据得以去除或削弱;选择合理的尺度空间范围及尺度空间增量和调节因子以平滑非线状区域和锐化增强血管区域。该脑血管提取方法在同等准确率下具有较高的稳定鲁棒性。

基于Hessian矩阵的边缘检测方法

边缘是一幅图像最基本也最重要的特征,边缘检测是机器视觉和图像处理的关键环节和经典课题。本文结合人眼的视觉特性,利用彩色图像自身梯度方向信息,对彩色图像进行多通道边缘检测,得到图像的伪色彩边缘图。对边缘信息增强和去相关后提取亮度分量,用OTSU法二值化,最后利用Hessian矩阵提取边缘图像的中心路径,去除边缘毛糙和冗余的背景纹理,使图像边缘光滑连续。通过实验验证了本文算法的有效性,实验通过与两种经典算子Canny和Sobel以及基于小波的边缘检测方法做比较,结果表明,本文算法能够提高边缘检测的有效性和清晰度。

一种改进的3D血管增强算法

Sato的滤波器可以有效地滤除3D数据中的面状结构和球状结构,但是对于背景信息滤除效果不佳。基于Sato的血管增强原理,提出了一种改进算法。新算法将背景像素的Hessian矩阵特征值也考虑到滤波器的设计中,增强了滤波器滤除背景像素的功能。基于临床颈动脉的CTA数据和脑部血管MRA数据,做了实验分析。实验结果表明,在保留原算法优点的情况下,背景内容被大幅度移除,图像对比度得到进一步提高,血管结构更加清晰可辨。

骨边界增强滤波的图割算法

精准的骨组织分割是辅助骨科疾病诊断和手术规划的必要步骤. 由于骨边界模糊、对比度低、骨关节处间隔狭窄,骨组织自动分割一直是医学图像分割中的难题. 传统的图割算法仅基于图像强度特征,在分割骨组织时不但需要人工设置种子点,且存在关节处骨边界分割不清晰等问题. 为此,结合骨边界增强滤波、形态学理论和图割算法,提出一种新的图像分割算法. 以图割算法为框架,基于Hessian矩阵设计增强骨边界的滤波器,将滤波结果转换为约束项加入到图割的能量函数中,求解图割模型获取初步分割结果;基于形态学理论提出对初步结果图进行先腐蚀后简易图割的后处理方法,利用腐蚀图替代人工输入初始化图割模型,实现相邻骨组织的自动分离. 使用内部股骨数据集、癌症影像档案馆(TCIA)公开数据集进行算法验证. 实验结果表明,相比阈值分割、区域生长、传统图割,该算法在Dice、精确度、F1分数等指标上均取得了更好的结果,可作为临床诊断的可靠依据.

基于Hessian矩阵的DSA图像冠状动脉直径的测量

目的:通过对冠状动脉血管的数字减影血管造影技术(DSA)图像进行分析处理,得到血管的骨架与中心线,从而实现血管直径测量。方法:采用MATLAB语言进行图像处理,在对DSA图像平滑及均衡化处理后,得到血管的骨架与中心线。以Hessian矩阵的特征向量为参考方向,做与血管垂直的直线,利用该直线与血管骨架的两个交点求得血管直径。结果:实现冠状动脉血管中心线、骨架的自动提取和冠状动脉血管直径的自动测量。结论:对于随机抽取的DSA图像,该方法均取得理想的冠状动脉血管中心线与骨架,以及精确的冠状动脉血管直径数值,可为操作人员提供丰富的信息,具有一定的实用价值。