[发明专利]一种X射线冠脉造影图像血管增强方法

摘要

本发明公开了一种X射线冠脉造影图像血管增强方法，包括以下步骤：对X射线冠脉造影图像I进行二维经验模态分解；分析各层经验模态分解的本征模态函数进行去噪，并利用能够代表冠脉造影图像的特征层来加权重构去除背景噪声的图像；对重构的图像进行Hessian矩阵分解，利用血管测度函数或血管特征拟合函数达到增强血管结构的目的。本发明利用经验模态分解X射线冠脉造影图像为一系列本征模态函数，利用噪声的分布规律达到去除背景噪声的目的，进而选择一些特定层本征模态函数进行加权构造冠状动脉图像，利用基于Hessian矩阵特征值的血管测度函数进一步增强图像中的血管结构。本发明能明显改善冠脉造影图像的视觉效果。

主权项

1.一种X射线冠脉造影图像血管增强方法，其特征在于：包括以下步骤：A、对X射线冠脉造影图像I进行二维经验模态分解A1、利用输入的X射线冠脉造影图像I作为分解初始值，设定当前层为i＝1，第i层本征模态函数的估计为r_i＝I；A2、令第i层本征模态函数的第j次估计量为h_j＝r_i，j＝1；A3、求取h_j的局部极大值和极小值；A4、对所获得的极大和极小值分别用三次样条插值得到上包络env_max和下包络env_min；A5、计算上包络env_max和下包络env_min的均值，A6、从第i层本征模态函数的第j次估计量h_j中减去m，h_j+1＝h_j-m；A7、令第i层本征模态函数的估计次数j＝j+1；A8、判断：如果||h_j‖＜ε或j＞＝4不成立，则转到步骤A3；如果||h_j‖＜ε或j＞＝4成立，则获得X射线冠脉造影图像I的第i层本征模态函数F_i＝h_j；A9、得到第i+1层本征模态函数的初始估计A10、令本征模态函数的层序数i＝i+1；A11、如果r_i为单调函数，则R＝r_i为残余分量，分解过程结束；否则转到步骤A2；B、分析各层经验模态分解的本征模态函数进行去噪，并利用能够代表冠脉造影图像的特征层来加权重构去除背景噪声的图像B1、分析X射线冠脉造影图像I的各层本征模态函数F_i，计算强度直方图得到强度分布点数最大的强度值hist_i；B2、计算各层本征模态函数F_i的强度方差σ_i；B3、将方差σ_i或强度值hist_i的最大者作为第i层本征模态函数的阈值Th_i；B4、对每一层本征模态函数利用阈值Th_i将小于阈值的点置0；B5、设定进行重构的本征模态函数层数为M_ite＝3，迭代初始值ite＝1；B6、设定过程变量temp为0；B7、将去噪后的第ite层本征模态函数F_i取绝对值abs(F_ite)；B8、过程变量其中abs(·)为取绝对值操作；B9、令ite＝ite+1；B10、如果ite＜(M_ite+1)，则转到B8；否则重构过程结束，输出重构冠脉造影图像I_re＝temp；C、对重构的图像进行Hessian矩阵分解，利用血管测度函数或血管特征拟合函数达到增强血管结构的目的C1、构造多尺度高斯滤波器集σ_n为高斯滤波器的方差，σ_n∈[σ₁，...，σ_N]；C2、对多尺度高斯滤波器集求二阶导数，用的二阶导数与重构后的冠脉造影图像I_re进行卷积得到和C3、利用图像I_re的二阶导数计算Hessian矩阵的特征值；C4、若Hessian矩阵的两个特征值|λ₁＞|λ₂|，利用血管测度函数或血管特征拟合函数计算血管特征图C5、得到血管特征图C6、输出血管结构增强结果图