一种视网膜OCT图像中血管结构的特征提取方法和配准方法

背景技术：

1、光学相干断层扫描技术(oct)作为一种非侵入性、高分辨率的成像技术，广泛应用于眼科和其他医学邻域。它可以产生视网膜每一层的高分辨率横截面图像。这些图像可用于诊断和监测多种眼部疾病，如黄斑变性、青光眼、视网膜脱离、视网膜血管阻塞等，在眼科诊断中扮演着至关重要的角色。oct enface图像是一种将视网膜oct三维体积数据沿z轴方向，自上而下投影到二维平面上的图像。该投影可用于在固定深度或体积处可视化和分析视网膜图像，使得医生能够直观地观察和分析视网膜结构。

2、为了实现对多种眼科疾病的精确监测，需要对相邻时间点的oct enface图像进行配准对齐。这一过程涉及到将不同时间点获取的enface图像通过图像处理技术进行空间对齐(即配准)，以确保图像之间的可比性。配准后的图像可以直观地展示病变区域的变化，包括新生血管的生长、萎缩，以及视网膜结构的改善或恶化。这对于评估治疗效果、指导后续治疗策略的制定具有重要意义。然而由于眼球运动，病变本身的干扰等，给配准带来了很大的困难，为后续对病变的观测和研究带来不便。因此有必要开发一种技术，能够实现相邻时间序列的oct enface图像的精确配准。

3、当前实现enface图像配准的方法有很多，主要可以分为两大类：基于特征的方法和基于强度的方法。基于特征的配准方法通过在两幅图像中提取关键的特征点，然后通过匹配这些特征点来建立图像之间的对应关系。基于强度的方法直接比较图像的像素强度，通过优化一个目标函数(如最小化两幅图像之间的均方误差)来寻找最佳的配准参数。基于强度的方法由于不需要提取特征，直接计算像素强度，因此图像适用性较广。然而，这类方法对噪声较为敏感，在复杂图像的配准精度不好。考虑到oct enface包含散斑噪声，因此，基于特征的图像配准方法在处理oct enface图像十分有效。

4、基于特征的方法中，常用的主要是基于血管结构特征点的配准方法。该方法通过从视网膜图像中提取血管结构，利用血管结构进行特征描述，匹配两幅图像的特征并估计变换模型，最终实现图像配准。但是这类方法对血管特征的依赖性较高，而病变的出现往往会给血管结构带来破坏和影响，从而影响血管特征的匹配。并且如果图像中的特征较多，也会带来计算复杂度，影响计算效率以及计算成本的同时给临床诊断带来不便。目前，还没有文献提出一种方法，能全面考虑并兼顾图像配准的准确性和时间复杂度问题。

5、因此，如何提出一种针对视网膜oct图像中血管结构的特征提取方法和配准方法，以全面考虑并兼顾图像配准的准确性和时间复杂度问题的，是本邻域技术人员亟待解决的问题。

技术实现思路

1、为解决现有技术存在的问题，本发明提出一种视网膜oct图像中血管结构的特征提取方法和配准方法。

2、本发明的技术方案如下：

3、一种视网膜oct图像中血管结构的特征提取方法，包括：

4、对所述视网膜oct图像进行用于体现血管结构3d特征的第一特征提取，得到第一特征；

5、对所述视网膜oct图像进行血管骨架图像的转化，得到血管骨架图像；

6、对所述血管骨架图像进行用于体现血管结构交点特征的第二特征提取并进行用于体现血管结构surf特征的第三特征提取，对应得到第二特征和第三特征；

7、对所述第一特征、所述第二特征和所述第三特征进行相关于特征坐标的融合，形成组合特征，作为特征提取结果。

8、进一步地，所述对所述视网膜oct图像进行用于体现血管结构3d特征的第一特征提取，得到第一特征的具体步骤包括：

9、1)对所述视网膜oct图像对应的每个b扫描图像进行去噪处理；

10、2)对去噪处理后的每个b扫描图像，计算每个柱面的中值、均值和方差；

11、3)基于计算出的中值、均值和方差，构建视网膜oct图像的像素点重要性评估模型，并基于所述视网膜oct图像的像素点重要性评估模型，计算所述视网膜oct图像中柱面像素点的强度差异；

12、4)将柱面像素点的强度差异与相关于所述中值的设定阈值比较，筛选出大于等于设定阈值的像素点，将筛选出的像素点作为体现血管结构3d特征的第一特征。

13、进一步地，所述像素点重要性评估模型的表达式为：

14、

15、式中，f(x)(s,i)为第s个b扫描图像中第i列的像素点重要性评估结果；m(s,i)为第s个b扫描图像第i列的像素均值；σ(s,i)为第s个b扫描图像第i列的像素方差；e为数学常数；

16、所述柱面像素点强度差异的计算公式为：

17、sub(s,i,j)＝|i(s,i,j)×(1-f(x)(s,i))|

18、式中，sub(s,i,j)为第s个b扫描图像第i列j行的像素灰度差估量函数值；i(s,i,j)为第s个b扫描图像第i列j行的像素值。

19、进一步地，所述对所述视网膜oct图像进行血管骨架图像的转化，得到血管骨架图像的具体步骤包括：

20、1)对所述视网膜oct图像进行z轴方向的投影，得到oct enface图像；

21、2)再基于所述oct enface图像进行血管骨架图像的提取。

22、进一步地，所述进行用于体现血管结构交点特征的第二特征提取的具体步骤包括：

23、1)血管结构交点的识别，对血管骨架图像进行邻域图分析，获取潜在的血管结构交点；

24、2)血管结构交点的提取，基于预先构建的第一特征提取矩阵，对潜在的血管交点进行血管结构交点提取，得到初筛后的血管交点；

25、血管结构交点的精细化处理，基于预先构建的第二特征提取矩阵，对初筛后的血管结构交点进行伪特征点的排除，得到二次筛选后的血管交点；

26、血管结构交点的标记与应用，对二次筛选后的血管交点进行标记，作为体现血管结构交点特征的第二特征提取。

27、进一步地，所述第一特征提取矩阵t1的表达式为：

28、

29、所述基于预先构建的第一特征提取矩阵，对潜在的血管交点进行血管结构交点提取，得到初筛后的血管交点的具体的提取方法为：使用第一特征提取矩阵对oct enface图像中的每一像素点进行8个邻域值的求和，筛选出求和结果大于第一设定值的像素点作为潜在的血管结构交点，其中，求和的表达式为：

30、gr1(x,y)＝f(x-1,y-1)+f(x-1,y)+f(x-1,y+1)+f(x,y-1)+f(x,y)

31、+f(x,y+1)+f(x+1,y-1)+f(x+1,y)+f(x+1,y+1)

32、式中，gr1(x,y)为oct enface图像中坐标为(x,y)的像素点对应的8个邻域值的求和结果；f(x-1,y-1)、f(x-1,y)、f(x-1,y+1)、f(x,y-1)、f(x,y)、f(x,y+1)、f(x+1,y-1)、f(x+1,y)和f(x+1,y+1)分别为oct enface图像中坐标为(x-1,y-1)、(x-1,y)、(x-1,y+1)、(x,y-1)、(x,y)、(x,y+1)、(x+1,y-1)、(x+1,y)和(x+1,y+1)的像素点。

33、进一步地，所述第二特征提取矩阵t2的表达式为：

34、

35、所述基于预先构建的第二特征提取矩阵，对初筛后的血管结构交点进行伪特征点的排除，得到二次筛选后的血管交点的具体方法包括：使用第一特征提取矩阵t2对初筛后的血管交点的8个邻域的值求和，筛选出求和结果大于等于第二设定值或等于第三设定值的像素点作为潜在的二次筛选后的血管交点；其中，求和的表达式为：

36、gr2(x,y)＝f(x,y-1)+f(x-1,y)+f(x,y)+f(x+1,y)+f(x,y+1)

37、式中，gr2(x,y)为oct enface图像中坐标为(x,y)的像素点对应的5个邻域值的求和结果；f(x,y-1)、f(x-1,y)、f(x,y)、f(x+1,y)和f(x,y+1)分别为oct enface图像中坐标为(x,y-1)、(x-1,y)、(x,y)、(x+1,y)和(x,y+1)的像素点。

38、进一步地，所述进行用于体现血管结构surf特征的第三特征提取的具体步骤包括：

39、采用surf算法进行用于体现血管结构surf特征的第三特征提取，将提取结果作为第三特征。

40、一种视网膜oct图像中血管结构的配准方法，包括：

41、获取两个相邻时间视网膜oct图像；

42、采用本发明的视网膜oct图像中血管结构的特征提取方法，分别对对所述两个相邻时间视网膜oct图像进行组合特征的提取，得到对应两个相邻时间视网膜oct图像的两个特征提取结果；

43、对所述两个相邻时间视网膜oct图像分别进行血管骨架图像的转化，分别得到对应的血管骨架图像，再对每一所述血管骨架图像进行血管骨架特征的提取以及坐标简化，得到对应两个相邻时间视网膜oct图像的两个血管骨架特征；

44、基于两个相邻时间视网膜oct图像对应的特征提取结果和血管骨架特征，进行所述两个相邻时间视网膜oct图像的血管结构配准。

45、进一步地，所述基于两个相邻时间视网膜oct图像对应的特征提取结果和血管骨架特征，进行所述两个相邻时间视网膜oct图像的血管结构配准的具体方法包括：

46、基于两个相邻时间视网膜oct图像对应的特征提取结果和血管骨架特征，采用cpd算法，进行所述两个相邻时间视网膜oct图像的血管结构配准。

47、相比于现有技术本发明具有如下有益效果：

48、本发明提出一种视网膜oct图像中血管结构的特征提取方法，该方法基于视网膜oct图像进行体现血管结构3d特征的第一特征、用于体现血管结构交点特征的第二特征、用于体现血管结构surf特征的第三特征提取，并对提取到的特征进行融合，因此得到的特征能够具有更全面的血管结构信息，为后续配准等操作打下基础。

49、本发明的特征提取方法设计了像素点重要性评估模型并基于柱面像素点的强度差异进行体现血管结构3d特征的第一特征的筛选，用于对血管结构交点特征以及surf特征等2d特征的补充，多维度地进行血管结构特征提取。

50、本发明的特征提取方法设计了用于体现血管结构交点特征的第二特征提取的提取步骤，通过第一特征提取矩阵对潜在的血管交点进行血管交点提取，得到初筛后的血管交点；再通过第二特征提取矩阵对初筛后的血管交点进行伪特征点的排除，得到二次筛选后的血管交点，由此可以避免血管交点的错漏，使得第二特征的提取更加准确。

51、本发明的特征提取方法中采用douglas-peucker进行血管点坐标的简化，满足特征提取快速性的要求，尤其适用于临床上的配准等操作。

52、本发明提出一种视网膜oct图像中血管结构的配准方法，该方法采用本发明的特征提取方法，可以在保证配准速度的同时优化了精度。