基於血管的眼底圖像與sd-oct投影圖像配準方法

2023-09-12 19:56:00

基於血管的眼底圖像與sd-oct投影圖像配準方法
【專利摘要】本發明公開了一種基於血管的眼底圖像與頻域光學相干斷層（SD-OCT）投影圖像自動配準方法，屬於圖像處理【技術領域】。該方法首先對輸入的SD-OCT圖像進行組織層分割，定位光感受器內節/外節層（IS-OS）上邊界和視網膜色素上皮（RPE）下邊界，根據IS-OS層上邊界和RPE層下邊界生成SD-OCT投影圖像，利用改進的水平集方法分割SD-OCT投影圖像，然後採用形態學多尺度頂帽（top-hat）方法分割彩色眼底圖像，最後使用迭代分塊方法搜索最大相似函數的局部最大值來提取控制點，並根據控制點計算仿射變換係數實現SD-OCT投影血管圖像與彩色眼底血管圖像的配準。實驗結果表明，本發明中所得到的不同模態下的圖像配準精度高。
【專利說明】基於血管的眼底圖像與SD-OCT投影圖像配準方法
【技術領域】
[0001]本發明涉及一種圖像配準處理的方法，特別是一種基於血管的眼底圖像與SD-OCT投影圖像的配準方法。
【背景技術】
[0002]眼底照相可以快速獲取不同視野範圍的彩色眼底圖像，而SD-OCT能有效地呈現視網膜組織層的細微變化(厚度變化、組織層結構變化)，不同的成像設備可以提供不同的圖像信息。圖像配準技術能夠將來自不同設備的信息進行結合。圖像配準方法大體上可分為兩類:
[0003](1)基於灰度的方法通常利用圖像灰度信息的不同實現圖像的配準。利用圖像分割或根據相關性、互信息測量等測度作為目標函數。然而基於灰度的方法容易陷入一個局部極小值，而且變換模型的搜索空間非常大。
[0004](2)基於特徵的配準是以待配準圖像對之間存在的匹配點為基礎的，通過匹配點之間的相似度來完成圖像配準。
[0005]由於彩色眼底圖像與SD-OCT投影圖像的灰度不在同一個灰度級內，很難用基於灰度的方法實現圖像的配準。而血管是這兩種模態下圖像共有的特徵，所以採用基於特徵的方法完成圖像配準。
[0006]目前國際上只有一種方法能夠實現彩色眼底圖像與SD-OCT投影圖像的配準，該方法將血管脊作為配準的特徵，然後定義一種距離函數，在函數中加入血管脊的法方向信息，計算相似匹配點的距離，ICP搜索相似函數的最大值，從而完成圖像的配準。但是該方法的計算複雜度較高。

【發明內容】

[0007]本發明的目的在於提供一種基於血管的眼底圖像與SD-OCT投影圖像配準方法。
[0008]實現本發明的目的的技術解決方案為:一種基於血管的眼底圖像與SD-OCT投影圖像配準方法，包括以下步驟:
[0009]步驟1、採集彩色眼底圖像與三維SD-OCT視網膜圖像；
[0010]步驟2、用基於雙梯度信息和空間約束信息的視網膜組織層分割算法對SD-OCT視網膜圖像進行IS-OS層和RPE層分割；具體為:
[0011]步驟2-1、採用基於非局部均值思想的三維塊匹配去噪算法對SD-OCT圖像進行降噪處理，然後用基於邊緣流的方法提取視網膜圖像的邊緣，所述邊緣的像素值為255，其它為黑色背景；
[0012]步驟2-2、對於步驟2-1結果的每個A-scan，從上向下搜索第一個值為255的像素點，提取ILM邊界；所述A-scan表示圖像的列，ILM為視網膜圖像內界膜；之後在垂直方向
上使用
【權利要求】
1.一種基於血管的眼底圖像與SD-OCT投影圖像配準方法，其特徵在於，包括以下步驟: 步驟1、採集彩色眼底圖像與三維SD-OCT視網膜圖像； 步驟2、用基於雙梯度信息和空間約束信息的視網膜組織層分割算法對SD-OCT視網膜圖像進行IS-OS層和RPE層分割； 步驟3、根據IS-OS層上邊界和RPE層下邊界確定SD-OCT投影圖像； 步驟4、應用改進的水平集方法分割SD-OCT投影圖像得到血管圖像； 步驟5、提取彩色眼底圖像的綠色通道，並對綠色通道取反； 步驟6、採用形態學多尺度top-hat方法提取基於步驟5圖像的血管圖像； 步驟7、利用快速並行細化算法骨骼化血管圖像得到細化圖像； 步驟8、對SD-OCT血管圖像按照4X4進行均勻分塊，然後將每一局部圖像塊作為模板遍歷彩色眼底血管圖像並確定血管重疊像素數，最後根據重疊率提取控制點； 步驟9、根據提取的控制點確定仿射變換係數，然後利用仿射變換係數確定SD-OCT投影圖像在彩色眼底圖像的位置，得到粗配準結果； 步驟10、將基於步驟9的粗配準結果作為控制點搜索區域，重新提取四個局部圖像塊的控制點，之後確定仿射變換係數，再次進行圖像匹配，得到精配準結果；所述重新提取的四個局部圖像塊是指位於SD-OCT投影圖像左上角、右上角、右下角、左下角的圖像塊。
2.根據權利要求1所述的基於血管的眼底圖像與SD-OCT投影圖像配準方法，其特徵在於，步驟2用基於雙梯度信息和空間約束信息的視網膜組織層分割算法對SD-OCT視網膜圖像進行IS-OS層和RPE層分割，具體為: 步驟2-1、採用基於非局部均值思想的三維塊匹配去噪算法對SD-OCT圖像進行降噪處理，然後用基於邊緣流的方法提取視網膜圖像的邊緣，所述邊緣的像素值為255，其它為黑色背景； 步驟2-2、對於步驟2-1結果的每個A-scan，從上向下搜索第一個值為255的像素點，提取ILM邊界；所述A-scan表示圖像的列，ILM為視網膜圖像內界膜；之後在垂直方向上使用
3.根據權利要求1所述的基於血管的眼底圖像與SD-OCT投影圖像配準方法，其特徵在於，步驟3中根據IS-OS層上邊界和RPE層下邊界確定SD-OCT投影圖像，所用公式為:
4.根據權利要求1所述的基於血管的眼底圖像與SD-OCT投影圖像配準方法，其特徵在於，步驟4應用改進的水平集方法分割SD-OCT投影圖像得到血管圖像，具體為: 步驟4-1、採用模板大小為3的均值濾波對SD-OCT投影圖像進行噪聲預處理； 步驟4-2、用改進的水平集方法分割投影圖像，所用公式為:
5.根據權利要求1所述的基於血管的眼底圖像與SD-OCT投影圖像配準方法，其特徵在於，步驟5提取彩色眼底圖像的綠色通道，並對綠色通道取反，具體為: 步驟5-1、提取彩色眼底圖像的綠色通道:Img(x, y)=im(x, y, 2),其中im彩色圖像，Img為灰度圖像； 步驟5-2、對灰度圖像取反，Img=255-1mg。
6.根據權利要求1所述的基於血管的眼底圖像與SD-OCT投影圖像配準方法，其特徵在於，步驟6採用形態學多尺度top-hat方法提取基於步驟5結果的血管圖像，具體步驟為: 步驟6-1、對灰度圖像進行形態學閉操作，公式為:
A.S= [A ? S] 0S 其中.表示閉運算符，?表示腐蝕運算符，A為輸入圖像，S表示半徑為2個像素的圓盤形結構元； 步驟6-2、對步驟6-1結果進行頂帽變換，每次頂帽變換使用一組不同尺度的圓形卷積核，圓形卷積核的半徑從I個像素變化到8個像素，於是得到8個結果，公式為:tophat(Img)=Img_min(open(closelmg, s), Img) 式中closeimg是步驟6_1的閉運算結果，s為卷積核半徑,從I變化到8 ； 步驟6-3、對基於步驟6-2的連續圖像對進行取均值，得到四個結果，並根據不同的權重取四組圖像中的最大值，具體公式為:mimg=max (mimg, 5* (8_2*i+l) avgimgj) 式中avgimgi表示第i組均值圖像； 步驟6-4、閾值分割基於步驟6-3的結果，其閾值為整幅的均值； 步驟6-5、對基於步驟6-4的分割結果進行中值濾波，其模板大小為7X7 ; 步驟6-6、用形態學方法對基於步驟6-5的結果進行腐蝕運算，卷積核半徑為I個像素； 步驟6-7、根據連通區域特性去除孤立的像素點，其閾值為200。
7.根據權利要求1所述的基於血管的眼底圖像與SD-OCT投影圖像配準方法，其特徵在於，步驟7利用快速並行細化算法骨骼化血管圖像得到細化圖像，具體是假設已知目標點標記為1，背景點標記為0，邊界點定義為本身標記為I而其8-連通鄰域中至少有I個標記點為O的點，處理方法如下: 步驟7-1、對以邊界點為中心的8-鄰域進行處理，記中心點為pl，其鄰域的8個點順時針繞中心點分別記為p2, p3,......p9,其中p2在pl的正上方；首先標記同時滿足下列條件的邊界點:
2^ N (pl) ^ 6 ；S (pl) =1 ；p2Xp4Xp6=0 ；p4Xp6Xp8=0 ；其中N(pl)是pl的非零鄰點的個數，S(pl)是以p2，p3，……p9為序時這些點的值從O到I變化的次數,當對所有邊界點都檢驗完畢後，除去所有標記的點； 步驟7-2、對以邊界點為中心的8-鄰域進行處理，記中心點為Pl，其鄰域的8個點順時針繞中心點分別記為p2, p3,......p9,其中p2在pl的正上方；首先標記同時滿足下列條件的邊界點:
8.根據權利要求1所述的基於血管的眼底圖像與SD-OCT投影圖像配準方法，其特徵在於，步驟8對SD-OCT血管圖像按照4X4進行均勻分塊，然後將每一個局部圖像塊作為模板遍歷彩色眼底血管圖像並確定血管重疊像素數，根據重疊率提取控制點，具體方法為: 步驟8-1、將每一個局部圖像塊作為模板遍歷彩色眼底血管圖像，然後統計每個像素點的血管重疊像素數,具體公式為:overlapCount=sum(CImg*M),式中*是卷積算子，CImg是彩色眼底血管圖像，M是局部圖像塊，圖像中的值由O和I組成，sum是求和運算符；之後求取最大重疊像素數的像素位置； 步驟8-2、根據步驟8-1的像素位置為中心，提取大小為128X128的彩色眼底血管圖像塊，之後計算與模板的重疊率，具體公式為:
9.根據權利要求1所述的基於血管的眼底圖像與SD-OCT投影圖像配準方法，其特徵在於，步驟10將基於步驟9的粗配準結果作為控制點搜索區域，重新提取四個局部圖像塊的控制點，之後確定仿射變換係數，再次進行圖像匹配，得到精配準結果；所述重新提取的四個局部圖像塊是指位於SD-OCT投影圖像左上角、右上角、右下角、左下角的圖像塊，具體方法為: 步驟10-1、提取粗配準結果的彩色眼底圖像，並對其按照2X2進行分塊； 步驟10-2、對這四個局部圖像塊分別遍歷對應步驟10-1的四個圖像塊，求取最大重疊像素數的位置，並根據位置提取大小為128X128的圖像塊； 步驟10-3、利用步驟7的方法細化重疊的圖像塊； 步驟10-4、根據面積去除步驟10-3細化圖像的孤立點，其面積閾值為50 ； 步驟10-5、基於步驟10-4結果獲取重疊像素的位置，並提取SD-OCT投影圖像和彩色眼底圖像每個重疊區域的2 個控制點，該兩個控制點分別是第一個控制點和中間位置的控制點。
【文檔編號】G06T7/00GK103810709SQ201410064190
【公開日】2014年5月21日 申請日期:2014年2月25日 優先權日:2014年2月25日
【發明者】陳強, 牛四傑, 時佳佳, 陸聖陶 申請人:南京理工大學