基于广义模糊梯度矢量流场的医学序列图像运动估计方法

摘要

本发明公开了一种基于广义模糊梯度矢量流场的医学序列图像运动估计方法，包括以下步骤：1.获取一个序列图像；2.获得双步跟踪模型的广义模糊梯度矢量流场、广义模糊梯度矢量流场的局部相关性和光流矢量场；3.用手工在勾勒出第一帧图象的感兴趣区边缘轮廓；4.在三种外力场的作用下，用双步跟踪模型逐帧跟踪勾勒的感兴趣区边缘轮廓；5.结合上述轮廓线跟踪结果，用最大后验估计对轮廓线上的每一点进行优化估计与跟踪，由此得到点的最佳运动轨迹。本发明能从根本解决上述梯度矢量流场(GVF)外力场所遇到的问题，完成动态轮廓线的鲁棒跟踪并进一步实现逐点的估计与优化。

主权项

1、一种基于广义模糊梯度矢量流场的医学序列图像运动估计方法，其特征在于包括以下步骤：(1)获取一个心动周期下的不低于20帧的连续的心脏MR和CT序列图像，并将观察部位按照适当尺寸进行截取放大；(2)获得双步跟踪模型的三种外力场：第一种外力场为反映了单帧图像内部各点的空间相关性的广义模糊梯度矢量流场；第二种外力场为帧间动态轮廓线上各点周围的广义模糊梯度矢量流场的局部相关性；第三种外力场为反映了图像帧之间各点的运动相关性的光流矢量场；(3)针对第1步获得的截取放大图象，用手工勾勒出第一帧图象的感兴趣区轮廓；(4)在第2步所得外力场的作用下，用双步跟踪模型逐帧跟踪第3步得到的感兴趣区轮廓；(5)结合上述轮廓线跟踪结果，用最大后验估计对轮廓线上的每一点进行优化估计与跟踪，由此得到点的最佳运动轨迹。