一种自动分离动静脉血管的内源光学成像方法

摘要

本发明公开了一种自动分离动静脉血管的内源光学成像方法，目的是提供一种有效的自动分离生物组织动静脉血管的内源光学成像方法，技术方案是采用窄带准单色光照明，对采集到的图像序列进行频谱分析，利用图像序列的低频振荡信号的幅值分布特征，通过频谱变换，局部自适应对比度增强和自动阈值分割等操作实现了动脉血管和静脉血管的识别与自动分割。采用本发明可实现动静脉血管的自动分离，能凸显并分离很多小动脉和小静脉的血管结构，避免了使用多种中心波长的光照明时成像装置设计的复杂性。

主权项

1.一种自动分离动静脉血管的内源光学成像方法，其特征在于包括以下步骤：第一步，将窄带准单色光照射到被测对象上，用CCD或CMOS相机通过光学成像系统，以相同的曝光时间和帧间隔时间连续采集N帧被测对象反射的光学图像，每帧图像的曝光时间不高于100ms，帧间隔时间ΔT不高于500ms，采集的帧数N≥20；第二步，按公式一计算平均时间序列中第n个点的平均灰度值${\bar{p}}_n=\frac{1}{\mathrm{RC}}\underset{i=1}{\overset{R\times C}{\Sigma }}{p}_{n,i}-\bar{p},1\le n\le N$公式一，其中p_n，i为第n幅图像的第i个像素的灰度值，为N帧图像所有像素的平均灰度值，R为图像矩阵的行数，C为图像矩阵的列数，单幅图像的尺寸为I_R×C，该图像共有R×C个像素，相应的图像时间序列中包含R×C个像素时间序列；第三步，利用快速傅里叶变换算法将第二步所得的平均像素时间序列变换到频谱域，确定频率区间(0.05Hz，1Hz)中具有最大幅值的频率值f_m，f_m位于0.1Hz附近，称为0.1-Hz低频振荡；第四步，利用快速傅里叶变换算法将每个像素时间序列变换到频谱域，获得f_m频率处的特征频率幅值A_m(r，c)，其中r为像素所在位置的行，c为像素所在位置的列；以每个像素时间序列对应的特征频率幅值A_m(r，c)为灰度，组成二维的特征频率幅值图A_m；第五步，利用快速傅里叶变换算法将每个像素时间序列变换到频谱域，计算频率区间[1Hz，1/(2·ΔT)]中所有离散频率点的谱功率总和W_g(r，c)，其中各频率点的谱功率为相应频率幅值的平方；计算特征频率比值R_a(r，c)，R_a(r，c)为各像素时间序列对应的特征频率f_m的谱值(A_m(r，c))²与W_g(r，c)的比值，R_a(r，c)＝(A_m(r，c))²/W_g(r，c)；以各像素时间序列对应的特征频率比值R_a(r，c)为灰度，组成二维的特征频率比值图R_a；第六步，利用局部对比度增强方法对由第四步和第五步得到的特征频率幅值图A_m和特征频率比值图R_a做局部对比度增强，具体操作如下：步骤6.1以图像中第r行，第c列处的像素为中心，选取像素大小为49×49的空间滑动窗W，按公式二得到中心像素的新灰度值p(r，c)，$p(r,c)=255\times \left[\frac{[{\Psi }_w\left(p\right)-{\Psi }_w\left(p_{\min }\right)]}{[{\Psi }_w\left(p_{\max }\right)-{\Psi }_w\left(p_{\min }\right)]}\right]$公式二其中，p_min为待操作图像所有像素灰度值的最小值，p_max为待操作图像所有像素灰度值的最大值，Ψ_w(p)按公式三计算，${\Psi }_w\left(p\right)={[1+\exp \left(\frac{{\bar{p}}_w-p}{{\sigma }_w}\right)]}^{-1}$公式三其中和σ_w分别为W滑动窗所覆盖的所有像素的灰度平均值和方差；步骤6.2遍历图像Am和Ra中所有的像素，将每个像素的灰度值按步骤6.1的方法进行更新，得到局部对比度增强后的特征频率幅值图IAm和特征频率比值图IRa；第七步，使用阈值分割方法将第六步中所得局部对比度增强后的特征频率幅值图IAm作二值化处理，得到二维动脉血管结构图像Iartery，其中动脉血管区域像素值为1，其他区域像素值为0；第八步，使用阈值分割方法将第六步中所得图像IRa作二值化处理，得到二维静脉血管结构图像Ivein，其中静脉血管区域像素值为1，其他区域像素值为0。