论文研究-基于CT心血管图像的随机点霍夫变换血管检测算法 .pdf

所需积分/C币:28 2019-08-15 10:49:32 590KB .PDF
收藏 收藏
举报

基于CT心血管图像的随机点霍夫变换血管检测算法,安羽,刘杰,本文在传统霍夫变换算法的基础上提出了基于CT心血管图像的改进随机点霍夫变换(Randomized Point Hough Transform,RPHT)算法。结合自适应采�
国武技论文在线 http:/www.paper.edu.cn 空问中的点。由于同个圆上的采样点在a-b-r空间中的映射点相同,则将计算相同的点 合并,合并次数(称之为累积〕较多的点在概率上满足算法的阈值,则这一点确定为图像空 间中·个圆的映射。这种随机抽取点集进行参数空间映射的算法称为为随机点霍大变换。 随机点霍夫变换是图像空间上多点映射于a-b-r空间上ˉ点的算法,采用多对映射 75方式,不同于广义霍夫变换一对多的映射方式,计算量减小,能有效提高霍夫变换算法效率。 算法的不足在于随机采样会带来大量的无效单元,造成大量无效累积;同时,由于CT图像 中固有的噪声以及其他非血管结构(如肺部血管、心腔、脊椎等)带来的采样干扰,算法冗 余度高且精确度差。 1.2算法改进 由CT心血管图像可知,二维横截面图像中血管轮廓并非严格的圆形。在随机采样过程 中,采样点间隔需要根据图像中的血管分布进行确定,若图像上细微血管分布较为密集,则 采样时可能将不同血管的点同时采样,从而计算出错误的圆。同时由于其他非血管物体的干 扰,易获得错误采样并影响血管识别结果。为消除上述不利因素对血營检测的影响,本文根 据CT心血管图像的先验知识提出了改进算法 1)对不同CT图像进行自适应采样。首先将图像上所有采样点进行从左到右、从上到 下的排序。然后根据血管分布特点将图像划分不同区域,将这些区域定义为血管区域和 非血管区域。最后以较高概率P1来采样血管区域的点,以较低的概率P2来采样非血管 区域内部的点。自适应采样可有效排除非血管物体的采样干扰,获得准确的血管检测结 果,尤其能够准确保留图像中的纤细血管,有效滤除图像中的非血管区域。 R 90 图2血管边缘采样效果 Fig. 2 The sampling of the edge ot vessel 2)由于血管轮廓并非严格的圆形,由血管边界上采样获得的点计算出的圆与真实的血 管轮廓相比会出现圆心偏移及半径差错(如图2所小)。因此木文设定合并阈值 prm mid设两次样计算出的a-b-r空间点分别为C1(4,b1,r1)、C2(al2,b2,r2), 若 )2≤ prm mid (6) 则合并C1、C2,合并后半径设为两次采样的平均值:若不满足式(6)则不能合并。 在实现算法的过程中,本文采用动态链表结构来进行数据结构处理,充分降低了算法复 杂度以及内存占用。改进RPI算法流程图如图3所示: 3 国武技论文在线 http:/www.paper.edu.cn 囱像感”惠区点 入米样链表 样点划分区域并分组 自适应采样将采样点+ 映到abr空可4 断新映射点 新射点入性表 能台开 与a-b-空间已有点合并 断區链表中点能玉需足 加值霸值,天满足则刪心 将愿链表牛点映身到 间巾 图3改进RPHT算法流程图 Fig 3 The flow chart of improved RPht 2结果分析 实验原始数据为临床获得的心血管CT造影图像,图像灰度级为0-2047,分辨率为512 ×512。本文分别采用原始RPHT算法和改进RPHT算法对图像进行处理,将算法结果进行 对比研究。结果如图4、图5所示。 110 a)原始图像 图4原始RPHT算法结果 Fig 4 The result of the original RPht 纤细血管 a)原始图像 图5改进RPHT算法结果 115 Fig. 5 The result of the improved RPhT 4 国武技论文在线 http:/www.paper.edu.cn 图4显示原始RPHT算法的识别结果,图5显示改进RPHT算法的识别效果,图中显 示的括号中为计算出的该血管轮廓参数,包括圆心位置和半径。由图可知,原始RPHT算法 能够识别主动脉及周围纤细血管,但保留了很多非连通区域及很多非血管等类圆形物体,算 120法随杋性较强,无效采样较多,识别效果较差。改进RPIT算法精确度更高,能准确识別岀 主动脉及周围纤细的血管,并滤除其他非血管区域,更有效获得血管边界及区域信息,能 准确计算岀血管横截面的参数,获得血管圆心及半径的参数,可满疋临床血管检测的需求。 3结论 由实验结果可知,本文提岀的改进RrH算法能够准确和快速地检测岀目标血管,获 125得准确的血管几何参数,充分满足临床需要。改进RPT算法结果可作为主动轮廓分割算法 (如 Snake模型以及水平集算法)的初始轮廓,轮廓拟合度高,能够减少主动轮廓内外力作 用的时间并提高分割准确度。该算法也可以为中心线提取等血管骨架提取算法提供中心点 直径等信息。 130「参考文献l( References) [1 David Lesage a, b,, Elsa D. Angelini b, Isabelle Bloch b, Gareth Funka-Lea a. A review of 3D vessel lumen segmentation techniques: Models, features and extraction schemes. IEEE Medical Image Analysis 13(2009): 819-8 [2 Aggarwal N, Karl WC line detection in images through regularized Hough transform]. IEEE Transactions 135 on Image Processing, 2006, 15(3): 582-591 [ Hahn K, Jung S, Han Y, et al. A new algorithm for ellipse detection by curve segments[J]. Pattern Recognition Letter,2008,29(13):1836-1841. [4 Bonci A, Leo T, Longhi S. a bayesian approach to the Hough transform for line detection[]. IEEE Transactions on Systems, Man, and Cybernetics, 2005, 35(6: 945-955 140 [5] Leemans V, Destain M F. Application of the Hough transform for seed row localisation using machine vision J Biosystems Engineering, 2006, 94(3): 325-336 6] Guerra C, Hambrush S Parallel algorithm for line detection on a mesh].J Parallel Distributed Computing 1989,6:1-19 [7] Kiryati N, Eldar Y, Bruckstein A M. A probabilistic Hough transform[J]. Pattern Recognition, 1991, 24(4) 145303-316. [8 Atiquzzaman M. Multiresolution Hough transform: An efficient method of detecting patterns in images[] IEEE Transactions on Pattern Analysis and Machine Intelligence, 1992,14(11): 1090-1095 [9 Han J H, Koczy L T, Poston T. Fuzzy Hough transform [J]. Pattern Recognition Letters, 1994, 15(7): 649-658 0]Cha J, Cofer R H, Kozaitis S P. Extended Hough trans form for linear feature detection[J]. Pattern Recognition, 1502006,39(6):1034-1043

...展开详情
试读 5P 论文研究-基于CT心血管图像的随机点霍夫变换血管检测算法 .pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
    抢沙发
    一个资源只可评论一次,评论内容不能少于5个字
    • 至尊王者

      成功上传501个资源即可获取
    关注 私信 TA的资源
    上传资源赚积分,得勋章
    最新推荐
    论文研究-基于CT心血管图像的随机点霍夫变换血管检测算法 .pdf 28积分/C币 立即下载
    1/5
    论文研究-基于CT心血管图像的随机点霍夫变换血管检测算法 .pdf第1页
    论文研究-基于CT心血管图像的随机点霍夫变换血管检测算法 .pdf第2页

    试读已结束,剩余3页未读...

    28积分/C币 立即下载 >