一种基于多圆盘掩膜的眼底图像配准方法

1.本发明涉及医学影像分析技术领域，具体一种基于多圆盘掩膜的眼底图像配准方法。


背景技术：

2.现有技术中，在进行眼底图像配准时，需要先获得图片中的特征点，一般获得的是点的位置，仅使用位置进行后续配准，会产生很大的形变，所以，需要使用特征描述算子对特征点周围信息进行描述，扩大配准点的信息，此时会形成相应的特征向量。眼底图像处理中对陪准点信息进行描述最常见的为freak算法描述的特征向量，总计为512维，使用该向量在后续计算图像变换矩阵进行图像拼接时耗时较长，尤其针对像素高的图像，不符合现代医疗中实时性的要求。而且，由于配准的眼底图像之间存在拍摄过程产生的旋转角度差异，因此即使引入特征点周围信息，也可能由于两幅图之间存在旋转角度而导致无法精确配准，因此如何以较少的计算量实现眼底图像的精确配准，克服图像旋转角度差异并满足现代医学对实时性的要求是本方案需要解决的技术问题。


技术实现要素：

3.本发明提供一种基于多圆盘掩膜的眼底图像配准方法，用于解决现有技术无法兼顾精准性和实时性，并且容易受图像旋转角度差异而影响配准精确性的技术问题。
4.所述的基于多圆盘掩膜的眼底图像配准方法，包括下列步骤：
5.步骤1、完成眼底图像中血管树的分割识别，获取血管分叉点位置；
6.步骤2、利用多圆盘掩膜组成的结构提取血管分叉点的周围信息形成对应的特征向量，周围信息包括圆盘掩膜与血管分叉点周围血管树相交产生的交点信息，所述交点信息包括距离特征和角度特征，所述距离特征为该交点到对应血管分叉点之间的距离，所述角度特征为该交点在以所述血管分叉点为原点的坐标系中到横坐标的顺时针角度；
7.步骤3、根据特征向量中的血管长度进行粗特征点配准，以特征向量的距离特征进行对比确定两幅眼底图像是否粗配准成功；
8.步骤4、根据粗配准的结果，对粗配准成功的眼底图像以相应血管分叉点为中心进行旋转，更新特征向量中的角度特征，保持图片旋转不变性，再根据更新后的角度特征进行对比完成眼底图像的精确配准。
9.优选的，所述步骤2中，本文采用多圆盘掩膜组成的结构进行特征信息提取，各个圆盘掩膜的半径由小到大，模拟人眼视网膜接收图像信息的原理，以特征点为原点建立二维坐标系，各个圆盘掩膜的圆心均与所述特征点重合，采集的交点信息具有旋转不变性。
10.优选的，所述步骤2中，二维坐标系的每个象限中如果存在圆盘掩膜与血管分叉点周围血管树相交产生的交点则采集交点信息，如果一个象限内一个圆盘掩膜存在与血管树相交的2个或2个以上交点则只采集其中长度最长的一交点。
11.优选的，所述步骤4中，根据粗匹配成功的交点信息计算待配准图像旋转角度θ：
[0012][0013]
其中，θ
ai
(i＝1，2.3
…
16)表示图(a)中各个交点的具体的距离特征值，θ
bi
(i＝1，2.3
…
16)表示表示图(b)中各个交点的具体的距离特征值；依据待配准图像旋转角度θ进行向量校准，进行角度特征的更新。
[0014]
优选的，所述步骤2中，圆盘掩膜由小到大有4个，二维坐标系存在四个象限，每个交点信息包括距离特征和角度特征两个特征值，因此对应特征点的特征描述子具有4
×4×
2＝32维度，相应特征向量的表达式如下：
[0015]
v＝[lengths angles]
[0016]
lengths＝[l1，l2，l3，...，l
16
]
[0017]
angles＝[θ1，θ2，θ3，...，θ
16
]
[0018]
其中，v表示特征向量，lengths表示距离特征，angles表示角度特征，li(i＝1，2.3
…
16)表示各个交点的具体的距离特征值，θi(i＝1，2.3
…
16)表示各个交点的具体的角度特征值。
[0019]
优选的，所述步骤1中，采用基于深度学习技术的语义分割方法对眼底图像进行血管的分割识别，还对血管进行中心线提取，利用数学形态学对断裂血管进行连接操作，从而得到最后符合要求的血管树；再将血管树中的血管分叉点作为特征点进行提取，通过zernike矩对特征点位置进行亚像素级精准计算，采用八邻域查表法进行粗略分叉点检测。
[0020]
本发明具有以下优点：本方法由于采点用的是圆盘掩膜，其与血管树之间的交点具有旋转不变性，旋转不变性的一个特点是角度特征变化不影响交点的距离特征，因此能依据距离特征对两幅眼底图像中的交点进行粗匹配。另一个特点是即使在图像发生旋转的情况下，在以特征点为圆心的圆盘掩膜进行采点时，只需要上述交点以特征点为中心进行图像旋转即能实现精确匹配，基本不受待配准的眼底图像的旋转角度差异影响。
[0021]
同时，本方法对血管分叉点的周围信息进行特征描述时，最终得到的特征描述子具有4
×4×
2＝32维度，相对于现有技术常用的freak描述子的512维数据，在产生的数据量大幅减少，有效提高了配准效率，在时间计算上具有很大优势，满足了现代医学对眼底图像处理实时性的要求。
附图说明
[0022]
图1为本发明一种基于多圆盘掩膜的眼底图像配准方法的流程图；
[0023]
图2为本发明步骤1从眼底图像中分割识别得到的血管树的图；
[0024]
图3为本发明为步骤1获取血管分叉点的图；
[0025]
图4为本发明为步骤2中一个血管分叉点的多圆盘掩膜拓扑结构图；
[0026]
图5(a)为本发明为经步骤2对一个待配准的眼底图像完成交点信息采集得到的图；
[0027]
图5(b)为本发明为经步骤2对另一个待配准的眼底图像完成交点信息采集得到的图。
具体实施方式
[0028]
下面对照附图，通过对实施例的描述，对本发明具体实施方式作进一步详细的说明，以帮助本领域的技术人员对本发明的发明构思、技术方案有更完整、准确和伸入的理解。
[0029]
如图1-5所示，本发明提供一种基于多圆盘掩膜的眼底图像配准方法，包括下列步骤：
[0030]
步骤1：完成眼底图像中血管树的分割识别，获取血管分叉点位置。
[0031]
本方法可以采用基于深度学习技术的语义分割方法对眼底图像进行血管的分割识别，还能对分割得到的血管信息进行进一步处理，如对血管进行中心线提取，利用数学形态学对断裂血管进行连接操作，从而得到最后符合要求的血管树。再将血管树中的血管分叉点作为特征点进行提取，通过zernike矩对特征点位置进行亚像素级精准计算(如图2、图3所示)。由于不同图像的相同部位中心线可能存在着一些差异，为了避免提取错误，采用八邻域查表法进行粗略分叉点检测。相对于原先的像素级别，利用zernike矩计算得到的特征点位置精度更高，更有利于提升图像配准的精度。
[0032]
步骤2：利用多圆盘掩膜组成的结构提取血管分叉点的周围信息形成对应的特征向量，周围信息包括圆盘掩膜与血管分叉点周围血管树相交产生的交点信息。
[0033]
血管特征提取可以得到血管分叉点的位置，但在图像进行配准时，仅使用位置特征会导致配准不精确，还需要对特征点周围的信息进行提取。如果以眼底图像处理常用的freak描述子进行周围信息的特征描述，会产生大量数据信息，导致后续计算图像变换矩阵进行图像拼接时耗时较长，不符合现代医学对图像处理实时性的要求。
[0034]
本文采用多圆盘掩膜组成的结构进行特征信息提取，拓扑结构如图4所示。使用4个圆盘掩膜，各个圆盘掩膜的半径分别为3、5、7、9，由粗到细，模拟人眼视网膜接收图像信息的原理，以特征点为原点建立二维坐标系，各个圆盘掩膜的圆心均与所述特征点重合。二维坐标系存在四个象限，每个象限中如果存在圆盘掩膜与血管分叉点周围血管树相交产生的交点则采集交点信息，所述交点信息包括距离特征和角度特征，所述距离特征为该交点到对应血管分叉点之间的距离，所述角度特征为该交点在以所述血管分叉点为原点的坐标系中到横坐标的顺时针角度(即交点到坐标系原点的连线到横坐标的顺时针角度)。通过上述方式对血管分叉点的周围信息进行描述，由于采用同心设置的多圆盘掩膜因此采集的交点信息具有旋转不变性。
[0035]
上述采集过程中，如果一个象限内一个圆盘掩膜存在与血管树相交的2个或2个以上交点则只采集其中长度最长的一交点，这样每个象限中至多有四个交点，交点数量不足的将缺少的交点信息的值取(0，0)，最终得到的特征描述子具有4
×4×
2＝32维度，相对于freak描述子的512维数据产生的数据量大幅减少，在时间计算上具有很大优势。相应特征向量的表达式如下：
[0036]
v＝[lengths angles]
[0037]
lengths＝[l1，l2，l3，...，l
16
]
[0038]
angles＝[θ1，θ2，θ3，...，θ
16
]
[0039]
其中，v表示特征向量，lengths表示距离特征，angles表示角度特征，li(i＝1，2.3
…
16)表示各个交点的具体的距离特征值，θi(i＝1，2.3
…
16)表示各个交点的具体的角
度特征值。
[0040]
步骤3：根据特征向量中的血管长度进行粗特征点配准，以各交点到对应血管分叉点之间的距离特征进行对比确定两幅眼底图像是否粗配准成功。
[0041]
由于图片在拍摄过程中存在一定的旋转角度，如图5(a)、图5(b)所示，图5(a)与图5(b)为两幅待配准图中的同一分叉点，但图5(b)相对于图5(a)来说产生了旋转，直接计算交点处的特征值会得到图5(a)中交点a的信息va＝[l1，θ1]，图5(b)中交点b的信息vb＝[l2，θ2]两种结果，在进行特征点匹配时将会认为这两个交点无法匹配从而产生误差。为了避免旋转带来的误差，在进行特征点匹配前先进行粗匹配，只利用特征点的距离特征进行对比，如果点a与点b的距离特征相同则认为这两点粗配准成功。
[0042]
步骤4：根据粗配准的结果，对粗配准成功的眼底图像以特征点(即相应血管分叉点)为中心进行旋转，更新特征向量中的角度特征，保持图片旋转不变性，再根据更新后的角度特征进行对比完成眼底图像的精确配准。
[0043]
根据粗匹配成功的交点信息计算待配准图像旋转角度θ：
[0044][0045]
其中，θ
ai
(i＝1，2.3
…
16)表示图(a)中各个交点的具体的距离特征值，θ
bi
(i＝1，2.3
…
16)表示表示图(b)中各个交点的具体的距离特征值。依据待配准图像旋转角度θ进行向量校准，进行角度特征的更新，并依据更新后的角度特征对两幅眼底图像的特征向量进行精确比对，通过则配准成功。
[0046]
采用这种方式，由于采点用的是圆盘掩膜，其与血管树之间的交点具有旋转不变性，旋转不变性的一个特点是角度特征变化不影响交点的距离特征，因此能依据距离特征对两幅眼底图像中的交点进行粗匹配。另一个特点是即使在图像发生旋转的情况下，在以特征点为圆心的圆盘掩膜进行采点时，只需要上述交点以特征点为中心进行图像旋转即能实现精确匹配，具体旋转角度即前述具体步骤中的待配准图像旋转角度θ。
[0047]
最后，通过实验验证本方法的配准效率的提升。取任意5对图像，使用freak算法和本文算法进行特征描述，最终在进行图像配准，所用时间对比如表1所示。相对于freak描述子的512维在时间计算上具有很大优势。
[0048]
表1 freak算法与本文中方法的配准所用时间
[0049][0050]
其中提升比＝(freak算法时间-本文算法时间)/freak算法时间*100％。
[0051]
上面结合附图对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的发明构思和技术方案进行的各种非实质性的改进，或未经改进将本发明构思和技术方案直接应用于其它场合的，均在本发明保护范围之内。