一种定位二维或三维图像（特别是医学图像）中的对象的边缘的系统。通过输入端（３１０）接收表示该图像的各元素值的数据元素集。该数据集被存储在存储装置（３２０）中。处理器（３４０）确定该图像中的对象的边缘。该处理器计算所述数据元素的至少一阶和／或二阶导数，并且计算该图像的等照度线曲率，所述曲率由κ标识。该处理器还确定校正因数α，该校正因数α对于由对象的曲率和／或所述数据的模糊造成的边缘错位进行校正。该校正因数α取决于所述等照度线曲率κ。然后，该处理器确定取决于所计算出的导数和所述等照度线曲率的算子的过零点。该系统的输出端（３３０）提供对于该图像中的边缘位置的指示。
【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及一种用于在二维或三维图像中定位对象的边缘的系统，并且涉及一种在二维或三维图像中定位对象的边缘的方法。本专利技术进一步涉及供所述方法使用的软件。对于很多数字图像处理的工业和生物医学应用来说，精确定位图像中的边缘是很重要的。这种应用包括模式识别(例如对图像中的文字或对象的识别)、对于在可用时间内不易打开的对象的X射线检查(例如由海关当局进行的检查)、制造产品质量检查(例如对印刷电路板、IC、金属疲劳等等的检查)。医学成像的临床应用形成了边缘检测的一个重要应用领域。例如，在血管病的诊断过程中，狭窄度是确定治疗疗法的一个重要因素。因此需要精确地确定边缘。利用一阶和二阶导数能够检测对象边界(即边缘)。梯度(即一阶导数的矢量)可以表示边缘的存在，并且梯度幅度的最大值一般被用来定位边缘。定位梯度方向中的二阶导数(Lww)的过零点，此处的梯度幅度是最大的。根据上述原理的边缘检测器有时被称为“Canny”检测器。还经常使用所谓的“Marr-Hildreth”边缘检测器，其利用拉普拉斯算子(ΔL＝Lxx+Lyy+Lzz)的过零点来定位边缘。拉普拉斯算子很容易计算，但是过零点并不位于梯度最大的地方。把对象的“边缘”定义为图像数据集中梯度最大的位置，已经知道，所述两种方法能够正确地定位平面表面的边缘。Lww的过零点还可以正确地定位不是平面的而是弯曲的表面的边缘。基于ΔL的边缘检测会导致边缘的错位。如果所述边缘被定义为所采集图像中的边缘则这些陈述成立，所述图像由2D或3D(体积的)数据集表示。对于医学应用，所述2D数据集典型地通过X射线或超声波成像装置来采集。体积数据集典型地利用3D扫描仪来采集，比如CT(计算机X射线断层造影术)扫描仪或MR(磁共振)扫描仪。如果在采集前将“边缘”定义为真实世界中的对象的实际边缘的位置，则所述两种方法均给出了弯曲边缘的错位。该错位由采集期间的模糊效应造成。图像采集所固有的是，正被采集的图像的原理上应该被映射到一个图像元素(例如像素)的一部分实际上对不止一个元素有影响。某些图像模态(例如计算机X射线断层造影术CT)的所采集数据集可以通过与点扩散函数(PSF)卷积的相当同质的对象进行模拟。在CT中，可以用具有标准偏差σ的高斯分布来近似PSF。所述模糊使得传统边缘检测方法定位边缘不准确，从而导致量化(例如给出血管的直径)以及可视化(例如在显示器上呈现血管)方面的误差。通常希望在模糊之前找到边缘的位置而不是在已模糊的图像中找到具有最大梯度的点。如果半径为R的圆形对象的边缘没有被定义为梯度最大的位置，而是被定义为模糊前的位置，则所述两种方法(ΔL以及Lww)均给出弯曲边缘的错位。这些方法的过零点r的位置处于相反的方向。这在附图说明图1中对于半径为R的被表示成圆100的实际边缘而示出。ΔL给出对于该半径的过度估计(用实心黑色圆盘110示出)，而Lww给出对于该半径的不足估计(用实心黑色圆盘120示出)。错位(r-R)由曲率和模糊引起。因为ΔL和Lww看起来是在相反方向上错位，因此公知的是使用所谓的加算子(Plus operator)，其将ΔL与Lww相加并且减少弯曲边缘的错位。该加算子在L.J.van Vliet和P.Verbeek的“On the locationerror of curved edges in low-pass filtered 2D and 3D images”(IEEE Trans.PatternAnal.Machine Intell.，vol.16，pp.726-733，1994年7月)中进行了描述。该加算子导致更加准确地定位边缘的边缘检测器。这利用实心黑色圆盘130在图1中示出。图2示出了用于具有相对小的曲率的对象的三种方法的结果。然而，如果表面的弯曲程度太高(例如对于很小的弯曲对象)，该加算子的性能也会降低。希望能够准确地定位图像中的很小的对象，比如仅有几个像素宽的血管。这种小对象具有相对高的曲率，而且不能通过已描述的方法准确地定位这种对象的边缘。本专利技术的一个目的是提供一种能够更好地检测具有高度曲率的对象的边缘的边缘检测器和边缘检测方法。为了达到本专利技术的该目的，用于在二维或三维图像中定位对象边缘的系统包括用于接收表示图像的各元素值的数据元素集的输入端；用于存储该数据集的存储装置；用于提供对该图像中的边缘位置的指示的输出端；以及处理器，其用于在计算机程序的控制下处理该数据集，以便通过以下操作确定该图像中的对象的边缘计算所述数据元素的至少一阶和/或二阶导数；计算该图像的等照度线(isophote)曲率，其中所述曲率由κ标识；确定对于由对象的曲率和/或所述数据的模糊造成的边缘错位进行校正的校正因数α；该校正因数α取决于所述等照度线曲率κ；以及确定取决于所计算出的导数和所述等照度线曲率的算子的过零点。专利技术人意识到，可以通过使用取决于等照度线曲率κ的校正因数来改进已知边缘检测器。通过不仅利用局部导数而且还利用局部等照度线曲率，能够更加准确地确定边缘，特别是对于具有相对高的曲率的对象(例如小对象)尤其如此。根据从属权利要求2的措施，所述图像已经被采集装置所采集，该装置使得所采集的数据模糊，并且所述校正因数α还取决于该图像的模糊程度。如从属权利要求3所述，该模糊可以基本上对应于与具有标准偏差σ的高斯点扩散函数的卷积，于是校正因数α取决于该高斯模糊函数的标准偏差σ。这样，能够更好地校正由模糊引起的边缘错位。模糊程度较高的图像(例如用大检测器采集的图像)与模糊程度较低的图像(例如用小检测器采集的图像)的校正是不同的。在简单的系统中，对于该模糊度可以使用固定值，并且可以对于该值固定校正因数α。根据从属权利要求4的措施，所述处理器适于为所述图像确定相关的估计模糊度，并且为该图像加载与该图像的模糊度相关的校正因数函数；该校正因数函数为等照度线曲率输入值给出相应的校正因数值。这样，对于特定的图像能够使用较简单的校正因数。优选地，以查找表的形式给出该校正因数函数，其中等照度线曲率κ作为索引。对于所选择的导数，可以经验地确定该校正因数函数。优选地，通过对于给定的等照度线曲率和标准偏差最小化边缘错位，至少部分地分析确定该校正因数函数。根据从属权利要求5的措施，所述导数是高斯导数，并且所述算子由Lww-ακLw给出，其中w是梯度方向。对于适当选择的α，该算子胜过已知的边缘检测器。根据从属权利要求6的措施，对于2D图像，α由下式给出α(σ,κ)=1+(1σκ)2(1-I0((1σκ)2)I1((1σκ)2))]]>其中，In()是第一类修正贝塞尔函数。这样，在边缘错位方面的系统误差被完全消除。根据从属权利要求7的措施，对于3D图像，所述等照度线曲率κ包括在曲率的最大绝对值方向上的第一曲率分量κ1以及在垂直于κ1的方向上的第二曲率分量κ2，所述校正因数α取决于κ∑＝κ1+κ2。这种校正因数能够完全消除球形对象和圆柱形对象的边缘错位方面的系统误差。这种边缘检测器例如非常适合于识别和量化管状结构(诸如血管本文档来自技高网...
【技术保护点】
一种用于定位二维或三维图像、特别是医学图像中的对象的边缘的系统，该系统包括：输入端（３１０），用于接收表示该图像的各元素值的数据元素集；存储装置（３２０），用于存储该数据集；输出端（３３０），用于提供对于该图像中的边 缘位置的指示；以及处理器（３４０），用于在计算机程序的控制下处理该数据集，以便通过如下操作确定该图像中的对象的边缘：计算所述数据元素的至少一阶和／或二阶导数；计算该图像的等照度线曲率，其中所述曲率由κ标识；确 定对于由对象的曲率和／或所述数据的模糊造成的边缘错位进行校正的校正因数α；该校正因数α取决于所述等照度线曲率κ；以及确定取决于所计算出的导数和所述等照度线曲率的算子的过零点。
【技术特征摘要】
【国外来华专利技术】...
【专利技术属性】
技术研发人员：H鲍马，
申请(专利权)人：皇家飞利浦电子股份有限公司，
类型：发明
国别省市：NL[荷兰]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。