光聲顯微血管圖像分割和量化方法及裝置的制造方法
【技術領域】
[0001] 本發(fā)明設及圖像處理領域，具體設及一種光聲顯微血管圖像分割和量化方法及裝 置。
【背景技術】
[0002] 對人體微循環(huán)系統(tǒng)的實時成像，允許人們直觀的觀測與血管相關的疾病發(fā)展過 程。光聲顯微成像技術（PAM)作為一種無損檢測技術，可用于獲取生物組織血管圖像用于 微循環(huán)疾病的檢測。雖然光聲顯微血管圖像可W實現(xiàn)血管目標的可視化，但是僅能定性的 表征血管特征。而定量的方法可數(shù)字的形式更為直觀的用于臨床疾病的診斷。
[0003] 已有的一些量化方法包括測量血管直徑，血流速度和最鄰近血管的最大距離等。 但運些參數(shù)僅僅描述血管的強度信息，而描述血管彎曲形態(tài)的參數(shù)更為有用，比如視網(wǎng)膜 血管形態(tài)的變化可W作為冠屯、病和中風的早期表征。由此，尋找一種綜合血管的強度信息 和形態(tài)信息的血管特征的量化方法成為一種亟待解決的問題。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于，提供一種光聲顯微血管圖像分割和量化方法及裝置，能夠準 確、全面的量化光聲顯微血管圖像的血管特征。 陽〇化]為此目的，一方面，本發(fā)明提出一種光聲顯微血管圖像分割和量化方法，包括：
[0006] 獲取待進行分割和量化處理的光聲顯微血管圖像，利用多尺度化ssian濾波器對 所述光聲顯微血管圖像進行分割得到第一分割圖像，并利用局部自適應闊值方法對所述光 聲顯微血管圖像進行分割得到第二分割圖像；
[0007] 采用加權平均方法對所述第一分割圖像和所述第二分割圖像進行復合，并將得到 的圖像作為第=分割圖像；
[0008] 基于所述第=分割圖像計算所述光聲顯微血管圖像的血管特征參數(shù)，其中，所述 血管特征參數(shù)包括血管半徑、血管密度、血管長度分數(shù)和分形維數(shù)。
[0009] 另一方面，本發(fā)明提出一種光聲顯微血管圖像分割和量化裝置，包括：
[0010] 分割單元，用于獲取待進行分割和量化處理的光聲顯微血管圖像，利用多尺度 Hessian濾波器對所述光聲顯微血管圖像進行分割得到第一分割圖像，并利用局部自適應 闊值方法對所述光聲顯微血管圖像進行分割得到第二分割圖像；
[0011] 復合單元，用于采用加權平均方法對所述第一分割圖像和所述第二分割圖像進行 復合，并將得到的圖像作為第=分割圖像；
[0012] 計算單元，用于基于所述第=分割圖像計算所述光聲顯微血管圖像的血管特征參 數(shù)，其中，所述血管特征參數(shù)包括血管半徑、血管密度、血管長度分數(shù)和分形維數(shù)。
[0013] 本發(fā)明實施例所述的光聲顯微血管圖像分割和量化方法及裝置，結合化ssian 濾波器的多尺度特性有效分割圖像中不同尺寸的血管，并采用自適應局域闊值方法對 Hessian濾波器的模糊和放大效應進行改進，W給出更為精確的分割結果，即利用改進的多 尺度化ssian濾波器從光聲顯微血管圖像中分割出血管，并量化得到表征血管特征的血管 半徑、血管密度、血管長度分數(shù)和分形維數(shù)，相較于僅對血管的強度信息進行量化的現(xiàn)有技 術，本發(fā)明綜合血管的強度信息和形態(tài)信息，對血管的特征參數(shù)進行量化，能夠更為準確、 全面的量化光聲顯微血管圖像的血管特征，W用W識別血管疾病。
【附圖說明】
[0014] 圖1為本發(fā)明光聲顯微血管圖像分割和量化方法一實施例的流程示意圖；
[0015] 圖2為一個原始的光聲顯微血管圖像；
[0016] 圖3為本發(fā)明光聲顯微血管圖像分割和量化方法另一實施例得到的骨架圖像；
[0017] 圖4為本發(fā)明光聲顯微血管圖像分割和量化方法又一實施例得到的分割圖像W 及血管特征參數(shù)的量化圖：(A)為原始光聲顯微血管圖像，度）為第一分割圖像，（C)為第二 分割圖像，值）為第S分割圖像，巧）為血管半徑量化圖；
[0018] 圖5為本發(fā)明光聲顯微血管圖像分割和量化方法又一實施例得到的子區(qū)域的血 管特征參數(shù)的量化圖：(A)為血管長度分數(shù)量化圖，度）為血管密度量化圖，（C)為分形維數(shù) 量化圖；
[0019] 圖6為本發(fā)明光聲顯微血管圖像分割和量化裝置一實施例的方框結構示意圖。
【具體實施方式】
[0020] 為使本發(fā)明實施例的目的、技術方案和優(yōu)點更加清楚，下面將結合本發(fā)明實施例 中的附圖，對本發(fā)明實施例中的技術方案進行清楚地描述，顯然，所描述的實施例是本發(fā)明 一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領域普通技術人員在沒有 做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
[0021] 如圖1所示，本實施例公開一種光聲顯微血管圖像分割和量化方法，包括：
[0022] S1、獲取待進行分割和量化處理的光聲顯微血管圖像（如圖2所示為一個原始的 光聲顯微血管圖像），利用多尺度化ssian濾波器對所述光聲顯微血管圖像進行分割得到 第一分割圖像，并利用局部自適應闊值方法對所述光聲顯微血管圖像進行分割得到第二分 割圖像；
[0023] S2、采用加權平均方法對所述第一分割圖像和所述第二分割圖像進行復合，并將 得到的圖像作為第=分割圖像；
[0024] S3、基于所述第=分割圖像計算所述光聲顯微血管圖像的血管特征參數(shù)，其中，所 述血管特征參數(shù)包括血管半徑、血管密度、血管長度分數(shù)和分形維數(shù)。
[00巧]本發(fā)明實施例所述的光聲顯微血管圖像分割和量化方法，結合化ssian濾波器的 多尺度特性有效分割圖像中不同尺寸的血管，并采用自適應局域闊值方法對化ssian濾波 器的模糊和放大效應進行改進，W給出更為精確的分割結果，即利用改進的多尺度化ssian 濾波器從光聲顯微血管圖像中分割出血管，并量化得到表征血管特征的血管半徑、血管密 度、血管長度分數(shù)和分形維數(shù)，相較于僅對血管的強度信息進行量化的現(xiàn)有技術，本發(fā)明綜 合血管的強度信息和形態(tài)信息，對血管的特征參數(shù)進行量化，能夠更為準確、全面的量化光 聲顯微血管圖像的血管特征，W用W識別血管疾病。
[00%] 可選地，在本發(fā)明光聲顯微血管圖像分割和量化方法的另一實施例中，所述利用 多尺度化ssian濾波器對所述光聲顯微血管圖像進行分割得到第一分割圖像，包括：
[0027] 根據(jù)所述光聲顯微血管圖像I確定所述多尺度化ssian濾波器的尺度范圍 [Smin,SmaJW及尺度間隔AS，其中，IERmXn，mE妒，nEN+;
[0028] 對于每一個尺度s，計算該尺度s下所述光聲顯微血管圖像I中每一個像素點位 置X處的的化ssian矩陣H(I)sx，并對行特征值分解，得到D個特征值AXI，A。，… ，入XD，計算公式為
，其中，S = Smm+k*As，k為整數(shù)，且 SG[Smi。，SmJ，丫為正則化參數(shù)，I(X)為所述光聲顯微血管圖像I中位置為X的像素點的 強度，D為所述光聲顯微血管圖像I的維數(shù)，I AJ>I>I >I AJ;
[0029] 對于每一個尺度S，計算該尺度S下所述光聲顯微血管圖像I中每一個像素點位 置X處的血管函數(shù)值V, (X)，計算公式為
其 中，
a、P和0為常數(shù)；
[0030] 計算所述第一分割圖像Ih中每一個像素點的強度Ih(x)，計算公式為
I其中，X為像素點的位置，T為闊值參數(shù)；
[0031] 根據(jù)所述第一分割圖像Ih中每一個像素點的強度IH(x)生成所述第一分割圖像 If)。
[0032] 可選地，在本發(fā)明光聲顯微血管圖像分割和量化方法的另一實施例中，所述利用 局部自適應闊值方法對所述光聲顯微血管圖像進行分割得到第二分割圖像，包括：
[0033] 對于所述光聲顯微血管圖像I中每一個像素點，計算該像素點位置X處的闊值參 數(shù)L，計算公式關
其中，I(V)為所述光聲顯微血管圖像I中位置為V的像素 點的強度，W