[发明专利]一种图像处理方法、装置及计算机可读存储介质在审

专利信息
申请号: 201910525842.1 申请日: 2019-06-18
公开(公告)号: CN112102327A 公开(公告)日: 2020-12-18
发明(设计)人: 郑海荣;刘新;万丽雯;张娜;张磊 申请(专利权)人: 中国科学院深圳先进技术研究院
主分类号: G06T7/11 分类号: G06T7/11;G06T7/136;G06T7/194;G06T7/33
代理公司: 广州三环专利商标代理有限公司 44202 代理人: 郝传鑫;熊永强
地址: 518055 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 图像 处理 方法 装置 计算机 可读 存储 介质
【权利要求书】:

1.一种图像处理的方法,其特征在于,包括:

采集第一血管图像和所述第一血管图像对应的第一血管壁图像;

将所述第一血管图像和所述第一血管壁图像进行图像配准,得到第一图像;

对所述第一图像中的血管进行拉直处理,得到第二图像;

截取所述第二图像中血管壁的横断面图像。

2.根据权利要求1所述的方法,其特征在于,所述方法还包括:

对所述第一血管图像中的血管和背景进行图像分割处理,得到第二血管图像;

所述将所述第一血管图像和所述第一血管壁图像进行图像配准,得到第一图像,包括:

将所述第二血管图像和所述第一血管壁图像进行图像配准,得到第一图像。

3.根据权利要求2所述的方法,其特征在于,所述对所述第一血管图像中的血管和背景进行图像分割处理,得到第二血管图像,包括:

对所述第一血管图像进行图像增强处理,得到第三血管图像;

将所述第一血管图像和所述第三血管图像进行图像融合处理,得到第四血管图像;

对所述第四血管图像进行阈值化处理,得到第五血管图像;

对所述第五血管图像中的血管和背景进行图像分割处理,得到所述第二血管图像。

4.根据权利要求3所述的方法,其特征在于,所述对所述第五血管图像进行图像分割处理,得到所述第二血管图像,包括:

根据所述第四血管图像的直方图数据构建图像分割模型;

使用所述图像分割模型对所述第五血管图像的血管和背景进行图像分割,得到所述第二血管图像。

5.根据权利要求2所述的方法,其特征在于,所述对所述第一血管图像中的血管和背景进行图像分割处理,得到第二血管图像之后,还包括:

对所述第二血管图像进行图像滤波处理,得到第六血管图像;

所述将所述第二血管图像和所述第一血管壁图像进行图像配准,得到第一图像,包括:

将所述第六血管图像与所述第一血管壁图像进行图像配准,得到第一图像。

6.根据权利要求1所述的方法,其特征在于,所述将所述第一血管图像和所述第一血管壁图像进行图像配准,得到第一图像,包括:

将所述第一血管图像和所述第一血管壁图像转换到同一坐标系中;

将转换后的第一血管图像和第一血管壁图像进行图像配准,得到所述第一图像。

7.根据权利要求1所述的方法,其特征在于,所述对所述第一图像中的血管进行拉直处理,得到第二图像,包括:

确定所述第一血管的第一中轴线,所述第一血管为所述第一图像中的任意一根血管;

计算所述第一中轴线在第一点的法向量和副法向量,所述第一点为所述第一中轴线上的任意一点;

截取所述第一点的血管壁平面图像,得到血管壁平面图像,所述血管壁平面图像包括所述法向量和副法向量;

调整所述血管壁平面图像的位置,使所述血管壁平面图像包括中心点的法向量重合。

8.根据权利要求1-7任一项所述的方法,其特征在于,所述截取所述第二图像中血管壁的横断面图像,包括:

确定所述第二图像中第一血管的第二中轴线;

截取所述第二图像中与所述第二中轴线垂直的平面图像,得到所述第二图像中血管壁的横断面图像;

将所述血管壁的横断面图像输入图像分割神经网络中,得到所述血管壁横断面图像的血管壁分割图像;

分析所述血管壁分割图像中的血管壁;

在分析出所述血管壁为异常血管壁的情况下,确定所述血管壁对应的区域为病变区。

9.一种图像处理装置,其特征在于,包括:

采集单元,用于采集第一血管图像和所述第一血管图像对应的第一血管壁图像;

配准单元,用于将所述第一血管图像和所述第一血管壁图像进行图像配准,得到第一图像;

拉直单元,用于对所述第一图像中的血管进行拉直处理,得到第二图像;

截取单元,用于截取所述第二图像中血管壁的横断面图像。

10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-8任一项所述的方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院深圳先进技术研究院,未经中国科学院深圳先进技术研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910525842.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top