基于圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)及其修復(fù)方法

基于圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)及其修復(fù)方法
【專利摘要】本發(fā)明公開一種基于圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)及其修復(fù)方法。所述基于圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)包括圖像處理模塊、圖像配準(zhǔn)模塊及填充模塊，通過所述圖像處理模塊獲得完整的具低精度的第一圖像和具缺失部位的高精度的第二圖像，通過位置映射關(guān)系獲得缺失部位相對(duì)應(yīng)的映射區(qū)域，再通過計(jì)算整體匹配度在第二圖像中獲得與所述映射區(qū)域相似度最高的匹配塊，再通過位置映射關(guān)系將所述匹配塊的填充區(qū)域填充至所述缺失部位完成修復(fù)。本發(fā)明的基于圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)及其修復(fù)方法具有修復(fù)精度高的優(yōu)點(diǎn)。
【專利說明】
基于圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)及其修復(fù)方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及數(shù)字圖像處理與醫(yī)學(xué)成像的交叉技術(shù)領(lǐng)域，具體地，設(shè)及一種基于圖 像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)及其修復(fù)方法。
【背景技術(shù)】
[0002] 在生物醫(yī)學(xué)領(lǐng)域，不同的成像技術(shù)可W觀察到不同的現(xiàn)象和數(shù)據(jù)，可W綜合考慮 不同掃描設(shè)備的優(yōu)勢(shì)，獲取真實(shí)生物軟組織多種尺度下的細(xì)微觀圖像數(shù)據(jù)。最新的同步加 速福射X-射線CT分辨率達(dá)到0.1微米，能在不破壞的前提下，直接對(duì)組織內(nèi)部結(jié)構(gòu)進(jìn)行S維 成像，而其缺點(diǎn)在于掃描數(shù)據(jù)的細(xì)節(jié)質(zhì)量明顯不如組織切片，而且能分辨的組織類型有限。 利用光學(xué)和電子顯微鏡對(duì)組織切片成像細(xì)節(jié)清晰，能觀察的組織類型多樣。因此，對(duì)同一軟 組織樣本，先用非破壞的顯微CT/MRI和同步福射CT直接掃描獲取骨組織的細(xì)微觀多尺度圖 像數(shù)據(jù);再對(duì)骨組織進(jìn)行序列連續(xù)切片，利用光學(xué)和電子顯微鏡獲取分辨清晰度更高、組織 結(jié)構(gòu)類型更豐富的細(xì)微觀多尺度圖像數(shù)據(jù)。而微觀掃描尺度越小時(shí)，能掃描樣本區(qū)域的范 圍越小，對(duì)骨組織樣本進(jìn)行細(xì)微觀多尺度掃描獲得的圖像數(shù)據(jù)存在局部區(qū)域缺失，因此，需 要對(duì)高分辨率精度掃描圖像中的局部缺失區(qū)域進(jìn)行修復(fù)填充。
[0003] 微觀骨組織圖像為3D紋理圖像，呈現(xiàn)類似蜂窩狀的形態(tài)，"微觀骨架"結(jié)構(gòu)顯著，正 常的骨質(zhì)較為密集，而當(dāng)骨骼發(fā)生病變，骨量就會(huì)減少，就是通常所說的"骨質(zhì)疏松"，它是 導(dǎo)致骨脆性和骨折危險(xiǎn)性增加的一種常見的代謝性疾病。而診斷骨質(zhì)疏松，有賴于高分辨 率的掃描圖像。
[0004] 所W，有必要提供一種針對(duì)有殘缺的高精度微觀骨組織掃描圖像進(jìn)行修復(fù)的技術(shù) 方案。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明通過映射位置關(guān)系和計(jì)算匹配度獲取修復(fù)缺失部位的填充區(qū)域，通過填充 區(qū)域修復(fù)缺失部位獲得完整的高精度圖像，具有修復(fù)精確度高的優(yōu)點(diǎn)。
[0006] -種基于圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)，包括圖像處理模塊、圖像配準(zhǔn)模塊及 填充模塊，其中：
[0007] 所述圖像處理模塊包括第一獲取單元及第二獲取單元，所述第一獲取單元用于獲 取第一圖像及第二圖像，所述第一圖像為完整的骨組織圖像，所述第二圖像為具缺失部位 的骨組織圖像，所述缺失部位為待修復(fù)的目標(biāo)區(qū)域，所述目標(biāo)區(qū)域向外延伸獲得立方體形 的擴(kuò)張區(qū)域，所述第二獲取單元用于獲得所述第一圖像的第一前景圖像和所述第二圖像的 第二前景圖像；
[000引所述圖像配準(zhǔn)模塊包括映射單元及匹配單元，所述映射單元用于在所述第一前景 圖像中獲取與所述擴(kuò)張區(qū)域位置相對(duì)應(yīng)且大小相同的映射區(qū)域，所述匹配單元用于在所述 第二前景圖像中獲得與所述映射區(qū)域整體匹配度Sbnne最大的匹配塊，所述匹配塊包括與所 述目標(biāo)區(qū)域位置相對(duì)應(yīng)的填充區(qū)域。
[0009] 所述填充模塊用于將所述填充區(qū)域填充到所述目標(biāo)區(qū)域并進(jìn)行接縫處理。
[0010] 在本發(fā)明提供的圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)的一種較佳實(shí)施例中，所述第二 獲取單元包括圖像分割單元及邊緣提取單元，所述圖像分割單元用于獲取所述第一圖像的 前景輪廓和所述第二圖像的前景輪廓，所述邊緣提取單元用于對(duì)所述第一圖像的前景輪廓 和所述第二圖像的前景輪廓進(jìn)行邊緣檢測(cè)獲得所述第一前景圖像和所述第二前景圖像。
[0011] 在本發(fā)明提供的圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)的一種較佳實(shí)施例中，所述匹配 單元包括劃分單元、特征關(guān)鍵點(diǎn)提取單元、匹配度計(jì)算單元及排序單元，其中，所述劃分單 元用于將所述第二圖像均分為多個(gè)與所述映射區(qū)域大小相同的侯選塊，所述特征關(guān)鍵點(diǎn)提 取單元用于提取所述映射區(qū)域和所述侯選塊的特征關(guān)鍵點(diǎn)，所述匹配度計(jì)算單元用于計(jì)算 所述映射區(qū)域和所述侯選塊的整體匹配度SbDne,所述排序單元用于對(duì)所有侯選塊的整體匹 配度Sbone進(jìn)行排序，選擇整體匹配度Sbone最大的侯選塊為匹配塊。
[0012] 在本發(fā)明提供的圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)的一種較佳實(shí)施例中，所述匹配 度計(jì)算單元包括第一計(jì)算單元、第二計(jì)算單元及第=計(jì)算單元，所述第一計(jì)算單元、所述第 二計(jì)算單元及所述第=計(jì)算單元分別用于計(jì)算所述映射區(qū)域和所述侯選塊的邊緣匹配度 Se、全局匹配度ShW及特征關(guān)鍵點(diǎn)匹配度Sc,所述整體匹配度Sbone = ASE+帖H+nSc，其中，入、y 及n分別為Se、Sh及Sc的權(quán)重系數(shù)，且A+y巧=1。
[0013] 在本發(fā)明提供的圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)的一種較佳實(shí)施例中，所述填充 模塊包括區(qū)域填充單元及接縫處理單元，所述區(qū)域填充單元用于將所述填充區(qū)域填充到所 述目標(biāo)區(qū)域，所述接縫處理單元用于對(duì)填充后的所述目標(biāo)區(qū)域和環(huán)繞所述目標(biāo)區(qū)域的鄰近 區(qū)域進(jìn)行接縫處理。
[0014] 本發(fā)明還提供一種基于上述圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)的修復(fù)方法，包括W 下步驟：
[0015] 步驟一、第一獲取單元獲取同一骨組織的第一圖像及第二圖像，所述第一圖像為 完整的骨組織圖像，所述第二圖像為具缺失部位的骨組織圖像.
[0016] 步驟二、第二獲取單元分別處理所述第一圖像和第二圖像并獲得所述第一圖像的 第一前景圖像和所述第二圖像的第二前景圖像；
[0017] 步驟S、映射單元識(shí)別映射區(qū)域：
[0018] 確定所述第二前景圖像中缺失部位為待修復(fù)的目標(biāo)區(qū)域，從所述目標(biāo)區(qū)域向外延 伸獲得立方體形的擴(kuò)張區(qū)域，通過映射位置關(guān)系在所述第一前景圖像中獲得與所述擴(kuò)張區(qū) 域相對(duì)應(yīng)且大小相同的映射區(qū)域；
[0019] 步驟四、進(jìn)行篩選匹配確定匹配塊
[0020] 在所述第二前景圖像中獲得與所述映射區(qū)域整體匹配度Sbnne最大的匹配塊，所述 匹配塊包括與所述目標(biāo)區(qū)域位置相對(duì)應(yīng)的填充區(qū)域；
[0021] 步驟五、填充模塊將所述填充區(qū)域填充到所述目標(biāo)區(qū)域并進(jìn)行接縫處理。
[0022] 在本發(fā)明提供的基于圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)的修復(fù)方法一種較佳實(shí)施 例中，所述步驟二包括：
[0023] 分別對(duì)所述第一圖像和所述第二圖像進(jìn)行圖像闊值分割獲取所述第一圖像的前 景輪廓和所述第二圖像的前景輪廓；
[0024] 分別對(duì)所述第一圖像的前景輪廓和所述第二圖像的前景輪廓進(jìn)行邊緣檢測(cè)獲得 所述第一前景圖像和所述第二前景圖像，所述邊緣檢測(cè)利用羅盤算子進(jìn)行邊緣檢測(cè)。
[0025] 在本發(fā)明提供的基于圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)的修復(fù)方法一種較佳實(shí)施 例中，所述步驟四包括：
[0026] 將所述第二前景圖像均分為多個(gè)與所述映射區(qū)域大小相同的侯選塊；
[0027] 提取所述侯選塊和所述映射區(qū)域的特征關(guān)鍵點(diǎn)；
[0028] 計(jì)算所述侯選塊和所述映射區(qū)域的邊緣匹配度Se、全局匹配度ShW及特征關(guān)鍵點(diǎn) 匹配度Sc;
[0029] 計(jì)算整體匹配度Sbone, Sbone = ASE+帖葉nSc，其中，A、y及n分別為Se、Sh及Sc的權(quán)重系 數(shù)，且巧=1 ;
[0030] 對(duì)所有侯選塊的整體匹配度進(jìn)行排序，將整體匹配度最大的侯選塊作為匹配塊。
[0031] 在本發(fā)明提供的基于圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)的修復(fù)方法一種較佳實(shí)施 例中，采用FAST算法提取特征關(guān)鍵點(diǎn)。
[0032] 在本發(fā)明提供的基于圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)的修復(fù)方法一種較佳實(shí)施 例中，所述步驟五包括：
[0033] 結(jié)構(gòu)填充:復(fù)制所述填充區(qū)域及環(huán)繞所述填充區(qū)域的第二相鄰區(qū)域，將所述填充 區(qū)域及環(huán)繞所述填充區(qū)域的第二相鄰區(qū)域填充到所述目標(biāo)區(qū)域及環(huán)繞所述目標(biāo)區(qū)域的第 一相鄰區(qū)域；
[0034] 接縫處理:所述填充區(qū)域修復(fù)所述目標(biāo)區(qū)域，所述第一相鄰區(qū)域和所述第二相鄰 區(qū)域形成重疊區(qū)域，通過SAD方法對(duì)所述重疊區(qū)域像素點(diǎn)的灰度差異進(jìn)行計(jì)算，累積誤差最 小路徑為最佳縫合路徑，沿所述最佳縫合路徑進(jìn)行接縫處理得到修復(fù)后圖像。
[0035] 相較于現(xiàn)有技術(shù)，本發(fā)明提供的基于圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)及其修復(fù)方 法，具有W下有益效果：
[0036] -、第二圖像中包括擴(kuò)張區(qū)域，待修復(fù)的目標(biāo)區(qū)域位于所述擴(kuò)張區(qū)域內(nèi)，通過位置 映射關(guān)系在第一圖像中獲得與所述擴(kuò)張區(qū)域相對(duì)應(yīng)的映射區(qū)域，然后通過計(jì)算整體匹配度 在第二圖像中獲得與所述映射區(qū)域相似度最高的匹配塊，再通過位置映射關(guān)系將所述匹配 塊中與所述目標(biāo)區(qū)域相對(duì)應(yīng)的填充區(qū)域填充于所述目標(biāo)區(qū)域，并進(jìn)行平滑性處理完成修 復(fù)，修復(fù)的精確度高。
[0037] 二、本發(fā)明通過闊值分割有效區(qū)分圖像數(shù)據(jù)的前景和背景，可有效減少邊緣檢測(cè)、 特征關(guān)鍵點(diǎn)識(shí)別W及灰度差異的計(jì)算量，提高修復(fù)效率。
【附圖說明】
[0038] 為了更清楚地說明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對(duì)實(shí)施例描述中所需要使 用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于 本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可W根據(jù)運(yùn)些附圖獲得其它 的附圖，其中：
[0039] 圖1為基于圖像的骨組織微觀結(jié)構(gòu)的修復(fù)過程示意圖；
[0040] 圖2為本發(fā)明提供的基于圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)的結(jié)構(gòu)框圖；
[0041] 圖3為圖2所示基于圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)的圖像處理模塊的結(jié)構(gòu)框圖；
[0042] 圖4(a)為在xoy平面設(shè)置羅盤示意圖；
[0043] 圖4(b)為3D羅盤設(shè)置示意圖；
[0044] 圖5(a)為邊緣檢測(cè)前骨組織結(jié)構(gòu)圖；
[0045] 圖5(b)為邊緣檢測(cè)后骨組織結(jié)構(gòu)圖；
[0046] 圖6為圖2所示基于圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)的圖像配準(zhǔn)模塊的結(jié)構(gòu)框圖；
[0047] 圖7為圖6所示基于圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)的圖像配準(zhǔn)模塊的匹配度計(jì) 算單元的結(jié)構(gòu)框圖；
[0048] 圖8為圖2所示基于圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)的填充模塊的結(jié)構(gòu)框圖；
[0049] 圖9(a)為特征關(guān)鍵點(diǎn)提取示意圖一；
[0050] 圖9(b)為特征關(guān)鍵點(diǎn)提取示意圖二；
[0051 ]圖10(a)為描述子采樣區(qū)域平面示意圖；
[0052] 圖10(b)為描述子采樣區(qū)域立體示意圖；
[0053] 圖11為本發(fā)明提供的圖像的骨組織微觀結(jié)構(gòu)修復(fù)方法流程圖；
[0054] 圖12為圖11所示的圖像的骨組織微觀結(jié)構(gòu)修復(fù)方法步驟S2的流程圖；
[0055] 圖13為圖11所示的圖像的骨組織微觀結(jié)構(gòu)修復(fù)方法步驟S4的流程圖；
[0056] 圖14為圖11所示的圖像的骨組織微觀結(jié)構(gòu)修復(fù)方法步驟S5的流程圖；
[0057] 圖15(a)為待修復(fù)的一種骨組織結(jié)構(gòu)圖；
[005引圖15(b)為待修復(fù)的另一種骨組織結(jié)構(gòu)圖；
[0059] 圖16(a)為圖15(a)所示修復(fù)后的骨組織結(jié)構(gòu)圖；
[0060] 圖16(b)為圖15(b)所示修復(fù)后的骨組織結(jié)構(gòu)圖。
【具體實(shí)施方式】
[0061] 下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完 整地描述，顯然，所描述的實(shí)施例僅是本發(fā)明的一部分實(shí)施例，而不是全部的實(shí)施例?；?本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其它 實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0062] 本發(fā)明需解決的技術(shù)問題是修復(fù)具缺失部位的骨組織圖像。首先獲取待修復(fù)的第 二圖像W及用于修復(fù)所述第二圖像需用到的第一圖像，具體如下:通過光學(xué)電子顯微鏡獲 取同一骨組織的第一圖像和第二圖像，所述第一圖像為完整的低精度骨組織圖像，所述第 二圖像為具缺失部分的高精度骨組織圖像，此低精度和高精度是相對(duì)概念，即第一圖像的 掃描精度低于所述第二圖像的掃描精度。在本實(shí)施例中，具體如下:在不破壞樣本骨組織的 前提下，首先采用X-射線CT(分辨率0.1微米)對(duì)骨組織樣本進(jìn)行掃描，獲得S維的第一圖 像，所述第一圖像為完整的低精度骨組織圖像，為了獲得骨組織的微觀多尺度圖像數(shù)據(jù)，對(duì) 骨組織進(jìn)行序列連續(xù)切片，采用分辨率更高的光學(xué)電子顯微鏡進(jìn)行掃描獲得第二圖像，由 于分辨率越高，能掃描樣本區(qū)域的范圍越小，對(duì)骨組織樣本進(jìn)行細(xì)微觀多尺度掃描獲得的 圖像數(shù)據(jù)存在缺失部位，所述第二圖像為具缺失部位的高精度的骨組織圖像。
[0063] 請(qǐng)參閱圖1，為基于圖像的骨組織微觀結(jié)構(gòu)的修復(fù)過程示意圖。具體修復(fù)過程如 下：
[0064] T1、定義所述第二圖像的所述缺失部位為待修復(fù)的目標(biāo)區(qū)域1，所述目標(biāo)區(qū)域1向 外延伸獲得的立方體形擴(kuò)張區(qū)域12,環(huán)繞所述目標(biāo)區(qū)域1的為第一相鄰區(qū)域14,所述目標(biāo)區(qū) 域I和所述第一相鄰區(qū)域14的體積之和小于所述擴(kuò)張區(qū)域12的體積；
[0065] T2、通過映射位置關(guān)系在所述第一圖像中獲得與所述擴(kuò)張區(qū)域12相對(duì)應(yīng)的映射區(qū) 域3;
[0066] T3、然后在所述第二圖像中捜索匹配與所述映射區(qū)域3最相似的匹配塊5,再通過 映射位置關(guān)系獲得與所述目標(biāo)區(qū)域1和所述第一相鄰區(qū)域14相對(duì)應(yīng)的填充區(qū)域52與第二相 鄰區(qū)域54;
[0067] T4、將所述填充區(qū)域52與所述第二相鄰區(qū)域54填充至所述目標(biāo)區(qū)域1和所述第一 相鄰區(qū)域14,所述填充區(qū)域52修復(fù)缺失部位，所述第一相鄰區(qū)域14和所述第二相鄰區(qū)域54 形成重疊區(qū)域，對(duì)所述重疊區(qū)域進(jìn)行接縫處理，得到自然過渡的紋理圖像，完成修復(fù)，得到 完整的高精度骨組織圖像。
[0068] 請(qǐng)參閱圖2,為本發(fā)明提供的基于圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)的結(jié)構(gòu)框圖。所 述基于圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)100包括圖像處理模塊110、圖像配準(zhǔn)模塊130及填 充模塊150。
[0069] 請(qǐng)參閱圖3,為圖2所示基于圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)的圖像處理模塊的結(jié) 構(gòu)框圖。所述圖像處理模塊110包括第一獲取單元111及第二獲取單元113。所述第一獲取單 元111用于獲取第一圖像及第二圖像，所述第一圖像為完整的低精度骨組織圖像，所述第二 圖像為具缺失部位的高精度骨組織圖像，所述第一圖像和所述第二圖像均通過光學(xué)和電子 顯微鏡掃描獲得。所述第二獲取單元113用于獲得所述第一圖像的第一前景圖像和所述第 二圖像的第二前景圖像。
[0070] 在本實(shí)施例中，所述缺失部位定義為待修復(fù)的目標(biāo)區(qū)域1，從所述目標(biāo)區(qū)域1向外 延伸獲得立方體形的擴(kuò)張區(qū)域12,環(huán)繞所述目標(biāo)區(qū)域1的為第一相鄰區(qū)域14,所述目標(biāo)區(qū)域 1和所述第一相鄰區(qū)域14的體積之和小于所述擴(kuò)張區(qū)域12的體積。
[0071] 所述第二獲取單元113包括圖像分割單元1131及邊緣提取單元1133。
[0072] 所述圖像分割單元1131通過闊值分割獲取所述第一圖像的前景輪廓和所述第二 圖像的前景輪廓。具體地，采用最大類間方差法進(jìn)行闊值分割，通過有效區(qū)分圖像數(shù)據(jù)的前 景和背景，可W正確呈現(xiàn)所述第一圖像的前景輪廓和所述第二圖像的前景輪廓。
[0073] 最大類間方差法是由日本學(xué)者大津(Nobuyuki Otsu)于1979年提出的，是一種自 適應(yīng)的闊值確定的方法，又叫大津法，簡(jiǎn)稱0TSU。它是按圖像的灰度特性，將圖像分成背景 和前景兩部分。背景和前景之間的類間方差越大，說明構(gòu)成圖像的兩部分的差別越大，當(dāng)部 分目標(biāo)錯(cuò)分為背景或部分背景錯(cuò)分為前景都會(huì)導(dǎo)致兩部分差別變小。
[0074] 所述邊緣提取單元1133用于對(duì)所述第一圖像的前景輪廓和所述第二圖像的前景 輪廓進(jìn)行邊緣檢測(cè)獲得所述第一前景圖像和所述第二前景圖像。所述邊緣檢測(cè)利用羅盤算 子進(jìn)行邊緣檢測(cè)。
[0075] 羅盤算子檢測(cè)方法如下：
[0076] 二維的羅盤邊緣檢測(cè)方法W每個(gè)像素為中屯、點(diǎn)，設(shè)置一個(gè)圓盤，從X軸開始，順時(shí) 針旋轉(zhuǎn)，每隔45度得到下一個(gè)軸，每個(gè)軸將圓盤分為兩部分，計(jì)算兩部分相應(yīng)像素和的差 距，取最大距離;事先設(shè)置了一個(gè)距離范圍[dl，d2]，若該較大距離位于此范圍之中，則此軸 的方向即為邊緣方向。當(dāng)圖像分辨率較低時(shí)，為提高魯棒性，可W W中屯、點(diǎn)加所述中屯、點(diǎn)的 =維26鄰域點(diǎn)集表示一個(gè)像素單元。
[0077] 請(qǐng)結(jié)合參閱圖4(a)和圖4(b)，其中圖4(a)為在xoy平面設(shè)置羅盤示意圖，圖4(b)為 3D羅盤設(shè)置示意圖。在3D圖像數(shù)據(jù)中，對(duì)于每一個(gè)像素單元，令其作為半徑為R的球的中屯、 點(diǎn)，二維中的圓盤升級(jí)為球，軸升級(jí)為過球屯、的截面;類似的，使得兩個(gè)半球距離最大的截 面，即為邊緣所在的面，進(jìn)一步把該截面當(dāng)作一個(gè)羅盤，使得兩個(gè)半圓距離最大的軸的方向 即為邊緣方向。WR = 4為例，在xoy平面上設(shè)置一個(gè)羅盤，并取得羅盤上W45度為間隔的4個(gè) 軸axisl ,axis2 ,axis3 ,axis4,得到上述4個(gè)軸與Z軸組成的四個(gè)截面planel ,plane2 , plane3，plane4。進(jìn)一步將上述4個(gè)平面分別作為羅盤，設(shè)置3D羅盤圖，W相同的方法設(shè)置4 個(gè)軸，軸的數(shù)量為 16,標(biāo)記為 AXISu(i = l，2,3,4，j = l，2,3,4)，其中 AXISi3，AXIS23，AXIS33， AXIS43是同一個(gè)方向，邊緣的方向?yàn)?3個(gè)方向的其中一個(gè)。在程序中，方向變量設(shè)為0，它的 取值標(biāo)記為：91，02，03，...，013，它們依次代表13個(gè)方向。得到邊緣點(diǎn)的邊緣方向和強(qiáng)度（即 為半羅盤距離差），邊緣像素點(diǎn)表示為扣(x，y，z，g，D，目），其中（x，y，z)為該邊緣點(diǎn)坐標(biāo)，g為 該像素點(diǎn)灰度值，D為該點(diǎn)邊緣強(qiáng)度，0代表邊緣指示的方向。通過計(jì)算兩部分相應(yīng)像素和的 差距，取最大距離，若該較大距離位于事先設(shè)置的距離范圍之中，則此軸的方向即為邊緣方 向。
[0078] 請(qǐng)參閱圖5(a)和圖5(b)，圖5(a)為邊緣檢測(cè)前骨組織結(jié)構(gòu)圖，圖5(b)為邊緣檢測(cè) 后骨組織結(jié)構(gòu)圖。對(duì)比邊緣前骨組織結(jié)構(gòu)圖和邊緣檢測(cè)后骨組織結(jié)構(gòu)圖可發(fā)現(xiàn)利用羅盤算 子進(jìn)行邊緣檢測(cè)具有較好的效果。
[0079] 請(qǐng)參閱圖6,為圖2所示基于圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)的圖像配準(zhǔn)模塊的結(jié) 構(gòu)框圖。所述圖像配準(zhǔn)模塊130包括映射單元131及匹配單元133,所述映射單元131用于在 所述第一前景圖像中獲取與所述擴(kuò)張區(qū)域12位置相對(duì)應(yīng)且大小相同的映射區(qū)域3,所述匹 配單元133用于在所述第二前景圖像中獲得與所述映射區(qū)域3整體匹配度Sbnne最大的匹配 塊5,所述匹配塊5包括與所述目標(biāo)區(qū)域1位置相對(duì)應(yīng)的填充區(qū)域52。
[0080] 所述匹配單元133包括劃分單元1331、特征關(guān)鍵點(diǎn)提取單元1333、匹配度計(jì)算單元 1335及排序單元1337,其中，所述劃分單元1331用于將所述第二圖像均分為多個(gè)與所述映 射區(qū)域3大小相同的侯選塊，所述特征關(guān)鍵點(diǎn)提取單元1333用于提取所述映射區(qū)域3和所述 侯選塊的特征關(guān)鍵點(diǎn)，所述匹配度計(jì)算單元1335用于計(jì)算所述映射區(qū)域3和所述侯選塊的 整體匹配度Sbone,所述排序單元1337用于對(duì)所有侯選塊的整體匹配度Sbone進(jìn)行排序，選擇整 體匹配度SbDne最大的侯選塊為匹配塊。
[0081] 請(qǐng)結(jié)合參閱圖7,為圖6所示基于圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)的圖像配準(zhǔn)模塊 的匹配度計(jì)算單元的結(jié)構(gòu)框圖。所述匹配度計(jì)算單元1335包括第一計(jì)算單元13351、第二計(jì) 算單元13353及第立計(jì)算單元13355,所述第一計(jì)算單元13351、所述第二計(jì)算單元13353及 所述第=計(jì)算單元13355分別用于計(jì)算所述映射區(qū)域和所述侯選塊的邊緣匹配度Se、全局 匹配度S擬及特征關(guān)鍵點(diǎn)匹配度Sc,所述整體匹配度Sbone = ASE+帖州Sc,其中，A、y及n分別 為Se、Sh及Sc的權(quán)重系數(shù)，且A+y巧=1。
[0082] 對(duì)所述第一前景圖像中的所述映射區(qū)域3及所述第二前景圖像中的所述侯選塊進(jìn) 行匹配度計(jì)算，W下邊緣匹配度Se、全局匹配度ShW及特征關(guān)鍵點(diǎn)匹配度Sc的計(jì)算過程中的 兩幅圖分別指所述映射區(qū)域3和所述侯選塊，具體計(jì)算方法如下。
[0083] 邊緣匹配度Se計(jì)算方法如下：
[0084] 采用余弦定理的公式計(jì)算兩幅圖像數(shù)據(jù)的灰度、角度差、方向強(qiáng)度向量之間的余 弦值，余弦定理的計(jì)算公式如下：
[0085] 對(duì)于兩個(gè)向量化，...,U,,), 設(shè)它們的余弦為R，計(jì)算公式如下：
[0086]
(1)
[0087]首先對(duì)兩幅圖像中的邊緣點(diǎn)進(jìn)行均勻抽樣得到邊緣點(diǎn)序列分別為Ci(pi，p2, ...， Pn)和C2(pi'，P2'，. . .，Pn'），對(duì)應(yīng)的角度序列分別Al(ai，a2, . . .，an)和A2(a'l，a'2, . . .，a'n); [008引然后計(jì)算得到長(zhǎng)度為n-1的角度差序列分別為Bi(0i，化，...，0n-i)和B2(0i'， 02 , . . . , Pn-I ),其中，Pm-I 二曰 m-曰 m-1 (m=l,2,...,n),P m-1 二曰 m-曰 m-l(m=l,2, . . . ,n);
[0089] 邊緣點(diǎn)序列的灰度特征向量分別表示為每佔(zhàn)，各2，...，&,)和撫(容',，各'2，...，各'")，方 向差特征向量分別表示為耳(知知...，A ,)和馬(/V，/V，...，A 1'），方向強(qiáng)度特征向量分別 表不為 Dl(Dl ,〇2 , . . . ,Dn)和 02(D '1,D'2, . . . ,D'n);
[0090] 將兩幅圖的灰度特征向量代入余弦定理公式（I)得到灰度向量之間的余弦值Rg， 將兩幅圖的角度差特征向量代入余弦定理公式（1)得到角度差向量之間的余弦值Rb,將兩 幅圖的方向強(qiáng)度特征向量代入余弦定理公式(1)得到方向強(qiáng)度向量之間的余弦值化；
[0091] 兩幅圖邊緣匹配度Se = RgX化X化。
[0092] 全局匹配度Sh計(jì)算方法如下：
[0093] 首先分別將兩幅圖劃分為W個(gè)完全相同的小立方塊，對(duì)每一小立方塊構(gòu)建直方圖， 并將兩幅圖中對(duì)應(yīng)位置的小立方塊進(jìn)行相似度計(jì)算，最后將W個(gè)小立方塊的直方圖相似度 累積求平均值得到全局匹配度Sh。
[0094] 小立方塊的相似度表示為Sim(Mml ,Mm2)，其中Mml和Mm2代表兩幅圖中體位置相對(duì)應(yīng) 的小立方塊。
[009引對(duì)于兩幅圖的圖像數(shù)據(jù)塊Ml,M2,（根據(jù)闊值分割）分別得到各自的"0-r矩陣Bi, 62,求取各自劃分闊值的直方圖化化），出化），定義函數(shù)u(x，y，z):
[0096]
[0097]
[009引
[0099] 本發(fā)明定義的直方圖巧f作)，加入了闊值分割的信息，即當(dāng)待匹配的兩個(gè)數(shù)據(jù)塊的 位置像素點(diǎn)均屬于前景區(qū)域，則u(x，y，z) = l和S(X) = I,即只有當(dāng)待匹配的小立方塊均位 于前景圖像中才做有效點(diǎn)來統(tǒng)計(jì)。
[0100]
[0101] 其甲，pU，y，z)GSm巧不圏像數(shù)據(jù)甲的像素點(diǎn)，GU，y，z)巧不像素點(diǎn)p(x，y，z)的 灰度值，G(x，y，z)=k表示灰度值G(x，y，z)屬于灰度等級(jí)k;將圖像中的像素灰度劃分為L(zhǎng)個(gè) 等級(jí)（分成L個(gè)段），H(k)是統(tǒng)計(jì)落在等級(jí)k中的像素點(diǎn)的個(gè)數(shù)，Nm表示L個(gè)等級(jí)的像素總個(gè) 數(shù)。
[0102]
[0103]
[0104] 特征關(guān)鍵點(diǎn)匹配度Se計(jì)算方法如下：
[0105] (1)特征關(guān)鍵點(diǎn)識(shí)別
[0106] 請(qǐng)結(jié)合參閱圖9(a)和圖9(b)，其中，圖9(a)為特征關(guān)鍵點(diǎn)提取示意圖一；圖9(b)為 特征關(guān)鍵點(diǎn)提取示意圖二。如圖9所示骨組織圖像分叉點(diǎn)通常有=個(gè)W上方向的連接，而一 般的橋接線上的點(diǎn)可W看作只有兩個(gè)方向的連接，根據(jù)上述特征，利用針對(duì)骨質(zhì)圖像的 FAST算法進(jìn)行特征關(guān)鍵點(diǎn)提取。FAST(Fea1:ures from Accelerated Segment Test)是一種 簡(jiǎn)單有效的關(guān)鍵點(diǎn)檢測(cè)法，對(duì)于二維圖像，它一般選取周圍12或16個(gè)像素點(diǎn)，如果有足夠多 的像素點(diǎn)灰度都大于當(dāng)前對(duì)象灰度，或者都小于當(dāng)前對(duì)象灰度，則判定為關(guān)鍵點(diǎn)。
[0107] 所述侯選塊和所述映射區(qū)域的特征關(guān)鍵點(diǎn)識(shí)別方法相同，在此W所述映射區(qū)域的 特征關(guān)鍵點(diǎn)識(shí)別為例進(jìn)行介紹。將所述映射區(qū)域標(biāo)記為Ms,其大小為nXnXn，矩陣中某一 點(diǎn)(X，y，Z)的值記為ms(X，y，Z)。利用1 X 1 X 1大小的像素作為中屯、點(diǎn)，構(gòu)造與其尺度大小相 同的26鄰域特征點(diǎn)。令該鄰域塊中的點(diǎn)標(biāo)記為Nxyz,其中，中屯、點(diǎn)為Nooo;重新定義關(guān)鍵特征 點(diǎn)檢測(cè)規(guī)則:在鄰域點(diǎn)中，計(jì)算關(guān)于中屯、點(diǎn)對(duì)稱的一對(duì)鄰域點(diǎn)的差值，關(guān)于中屯、點(diǎn)對(duì)稱的點(diǎn) 對(duì)有如下13對(duì)：
[0108] NooiNoo-I ,NiOiN-IO-I ,NiiiN-:1-:1-1 ,NoiiNo-：l-i ,N-iiiN：l-：l-i ,N-IOiNiO-I ,N-I-IiNii-I ,No-IiNoi-I, N：l-iiN-：u-i , N：l-ioN-iio , No-ioNoio, N-：l-ioNiio , NiooN-ioo
[0109] 按上述點(diǎn)對(duì)順序，每對(duì)點(diǎn)對(duì)差值1^\^2, -Wwa I依次為:山~cUm=13)。
[0110] 對(duì)于理想的分支骨架，其鄰域點(diǎn)對(duì)差應(yīng)該基本都約為0,而對(duì)于關(guān)鍵特征點(diǎn)處，其 鄰域點(diǎn)對(duì)會(huì)有若干對(duì)差異較大。定義關(guān)于中屯、點(diǎn)對(duì)稱的點(diǎn)對(duì)差有S種狀態(tài)："similar"，('d i f f er ent"和"unc 1 ear "，記為R，如下式所示：
[0111]
[0112] 其中，巧郵值的設(shè)定是為了提高魯棒性，理想狀態(tài)下similar,dm = 0;different， 血〉0。在本實(shí)施例中，e取最大灰度值的1/20，W取最大灰度值的1/10。
[0113] 對(duì)于某一目標(biāo)中屯、點(diǎn)，若其鄰域點(diǎn)對(duì)狀態(tài)有2個(gè)W上均為different,則判定為特 征關(guān)鍵點(diǎn)。在矩陣Ms中標(biāo)記為key。
[0114] (2)特征關(guān)鍵點(diǎn)匹配度計(jì)算
[0115] 請(qǐng)結(jié)合參閱圖10(a)和圖10(b)，其中，圖10(a)為描述子采樣區(qū)域平面示意圖，圖 10(b)為描述子采樣區(qū)域立體示意圖。BRIEF(Binary Robust Independent ElementaiT Features)描述子是一種效率比較高的特征描述方法，該方法從特征關(guān)鍵點(diǎn)周圍的一定區(qū) 域內(nèi)隨機(jī)地選取n對(duì)點(diǎn)，對(duì)于n個(gè)有序點(diǎn)對(duì)(P，q)，計(jì)算每一對(duì)中像素 P與像素 q的差值，如果 結(jié)果大于0,則該位標(biāo)記為1，若結(jié)果相等，標(biāo)記為0,若結(jié)果小于0,則標(biāo)記為-1，運(yùn)樣，將n對(duì) 點(diǎn)比較完畢，便得到了長(zhǎng)度為n的描述子，兩個(gè)描述子相對(duì)應(yīng)位置上相同的個(gè)數(shù)越多，表明 兩個(gè)關(guān)鍵點(diǎn)越相似。
[0116] 在本發(fā)明中，特征關(guān)鍵點(diǎn)進(jìn)行匹配時(shí)，比較的是所述特征關(guān)鍵點(diǎn)周圍骨質(zhì)的結(jié)構(gòu) 分布情況，相比于普通圖像，其分布相對(duì)有規(guī)則，所W不宜選取點(diǎn)對(duì)，而應(yīng)該采取均勻采樣 的方法。在特征關(guān)鍵點(diǎn)的周圍選擇一個(gè)LXLXL的鄰域塊，特征關(guān)鍵點(diǎn)的鄰域塊可W看作是 中屯、有空缺的立方體殼，1取為15，則特征點(diǎn)的鄰域可^分為3層立方體殼，厚度1'依次為2<\ 21，22，根據(jù)上述劃分的3層鄰域厚度來進(jìn)行采樣，根據(jù)空間自相關(guān)性，采樣頻率反比于鄰域 層的厚度T。設(shè)最后采得的點(diǎn)集合為F，從其中取得2N個(gè)點(diǎn)，平均分成兩個(gè)點(diǎn)序列，并有次序 地組成N個(gè)點(diǎn)對(duì)，形成新的點(diǎn)對(duì)集合，S={(Si，ti)，i = l，2,3, . . .，N}，每個(gè)點(diǎn)對(duì)得到的二進(jìn) 制碼對(duì)應(yīng)二進(jìn)制串中的2位，得到一個(gè)長(zhǎng)度為2N的二進(jìn)制串，每一位的規(guī)則如下：
[0117]
[0118] 其中b(i)表示點(diǎn)對(duì)的二進(jìn)制碼，V(Si)和V(ti)代表體素點(diǎn)（在S維圖像中，像素點(diǎn) 稱為體素點(diǎn)）的灰度，e取最大灰度的1/2。
[0119] 則一個(gè)二進(jìn)制描述子為BN=bib2b3…bN，其真正長(zhǎng)度為2N。
[0120]對(duì)每個(gè)特征點(diǎn)建立描述子時(shí)，都采用位置對(duì)應(yīng)的點(diǎn)對(duì)順序。在比較兩個(gè)特征點(diǎn)是 否匹配時(shí)，只需統(tǒng)計(jì)它們的二進(jìn)制串描述子相同的位數(shù)，W每?jī)晌粸榻y(tǒng)計(jì)單位。
[012。 設(shè)％和巧是兩個(gè)特征點(diǎn)P和q的二進(jìn)制串描述子，有巧。皆解…蠟，巧=鮮鄉(xiāng)…巧。
[0122] 根據(jù)漢明距離來判斷兩個(gè)描述子的相似度，對(duì)?化!進(jìn)行同或運(yùn)算，特征關(guān)鍵點(diǎn) 匹配度'化、'，公。如下：
[0123]
[0124] 其中，
代表特祉夫鍵點(diǎn)匹配度，N代表點(diǎn)對(duì)數(shù)量，和的分別代表P和q兩 個(gè)特征點(diǎn)中某個(gè)點(diǎn)對(duì)的二進(jìn)制串描述子。
[0125] 整體匹配度的計(jì)算如下：
[0126] 所述整體匹配度Sbone = ASe+帖H巧Sc,其中，A、]i及n分別為Se、Sh及Sc的權(quán)重系數(shù)，且 A+14+r[- Io
[0127] 請(qǐng)參閱圖8,為圖2所示基于圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)的填充模塊的結(jié)構(gòu)框 圖。所述填充模塊150包括區(qū)域填充單元151及接縫處理單元153。所述區(qū)域填充單元151用 于將所述填充區(qū)域52填充到所述目標(biāo)區(qū)域1，所述接縫處理單元153用于對(duì)填充后的所述目 標(biāo)區(qū)域1和環(huán)繞所述目標(biāo)區(qū)域1的鄰近區(qū)域進(jìn)行接縫處理，所述填充區(qū)域52覆蓋所述目標(biāo)區(qū) 域1完成修復(fù)，為保護(hù)填充后的目標(biāo)區(qū)域1與鄰近區(qū)域平滑過渡，需進(jìn)行接縫處理，本發(fā)明采 用SAD算法計(jì)算最佳縫合路徑。
[0128] 請(qǐng)參閱圖11，為本發(fā)明提供的圖像的骨組織微觀結(jié)構(gòu)修復(fù)方法流程圖。本發(fā)明提 供一種圖像的骨組織微觀結(jié)構(gòu)修復(fù)方法，包括如下步驟：
[0129] S1、第一獲取單元111獲取同一骨組織的第一圖像及第二圖像，所述第一圖像為完 整的骨組織圖像，所述第二圖像為具缺失部位的骨組織圖像；
[0130] 所述第一圖像為低精度圖像，所述第二圖像為高精度圖像，其中低精度和高精度 為相對(duì)概念，即采用更高分辨率的光學(xué)和電子顯微鏡獲得第二圖像；
[0131] S2、第二獲取單元113分別處理所述第一圖像和第二圖像并獲得所述第一圖像的 第一前景圖像和所述第二圖像的第二前景圖像；
[0132] S3、映射單元131識(shí)別映射區(qū)域：
[0133] 確定所述第二前景圖像中缺失部位為待修復(fù)的目標(biāo)區(qū)域1，從所述目標(biāo)區(qū)域1向外 延伸獲得立方體形的擴(kuò)張區(qū)域12,通過映射位置關(guān)系在所述第一前景圖像中獲得與所述擴(kuò) 張區(qū)域12相對(duì)應(yīng)且形狀相同的映射區(qū)域3;
[0134] S4、進(jìn)行篩選匹配確定匹配塊：
[0135] 在所述第二前景圖像中獲得與所述映射區(qū)域3整體匹配度Sbone最大的匹配塊5,所 述匹配塊5包括與所述目標(biāo)區(qū)域1位置相對(duì)應(yīng)的填充區(qū)域52;
[0136] S5、填充模塊150將所述填充區(qū)域52填充到所述目標(biāo)區(qū)域1并進(jìn)行接縫處理。
[0137] 請(qǐng)參閱圖12,為圖11所示的圖像的骨組織微觀結(jié)構(gòu)修復(fù)方法步驟S2的流程圖。所 述步驟S2包括：
[0138] S21、分別對(duì)所述第一圖像和所述第二圖像進(jìn)行圖像闊值分割獲取所述第一圖像 的前景輪廓和所述第二圖像的前景輪廓；
[0139] 在本實(shí)施例中，具體采用最大方差法進(jìn)行闊值分割區(qū)分前景輪廓和背景輪廓。
[0140] S22、分別對(duì)所述第一圖像的前景輪廓和所述第二圖像的前景輪廓進(jìn)行邊緣檢測(cè) 獲得所述第一前景圖像和所述第二前景圖像；
[0141] 在本實(shí)施例中，所述邊緣檢測(cè)利用羅盤算子進(jìn)行邊緣檢測(cè)。
[0142] 請(qǐng)參閱圖13,為圖11所示的圖像的骨組織微觀結(jié)構(gòu)修復(fù)方法步驟S4的流程圖。所 述步驟S4包括：
[0143] S41、將所述第二前景圖像均分為多個(gè)與所述映射區(qū)域3大小相同的侯選塊；
[0144] S42、采用FAST算法提取所述侯選塊和所述映射區(qū)域3的特征關(guān)鍵點(diǎn)；
[0145] S43、計(jì)算所述侯選塊和所述映射區(qū)域3的邊緣匹配度Se、全局匹配度ShW及特征關(guān) 鍵點(diǎn)匹配度Sc;
[0146] S44、計(jì)算整體匹配度Sbone，Sbone = ASe+帖H+nSc，其中，A、y及n分別為Se、細(xì)及5。的權(quán) 重系數(shù)，且巧=1;
[0147] S45、對(duì)所有侯選塊的整體匹配度進(jìn)行排序，將整體匹配度最大的侯選塊作為匹配 塊5。
[0148] 請(qǐng)參閱圖14,為圖11所示的圖像的骨組織微觀結(jié)構(gòu)修復(fù)方法步驟S5的流程圖。所 述步驟S5包括：
[0149] S51、結(jié)構(gòu)填充：
[0150] 復(fù)制所述填充區(qū)域52及環(huán)繞所述填充區(qū)域52的第二相鄰區(qū)域54,將所述填充區(qū)域 52及環(huán)繞所述填充區(qū)域52的第二相鄰區(qū)域54填充到所述目標(biāo)區(qū)域1及環(huán)繞所述目標(biāo)區(qū)域1 的第一相鄰區(qū)域14;
[0151] S52、接縫處理：
[0152] 所述填充區(qū)域52覆蓋所述目標(biāo)區(qū)域1完成待修復(fù)缺失部位的修復(fù)，所述第一相鄰 區(qū)域14和所述第二相鄰區(qū)域54形成重疊區(qū)域，通過SAD方法對(duì)所述重疊區(qū)域像素點(diǎn)的灰度 差異進(jìn)行計(jì)算，累積誤差最小路徑為最佳縫合路徑，沿所述最佳縫合路徑進(jìn)行接縫處理得 到修復(fù)后圖像。尋找最佳縫合路徑的方法如下：
[0153] 假設(shè)尋找沿y方向的縫合路徑，設(shè)重疊區(qū)域y軸坐標(biāo)范圍為[ymin，y"ax]，則對(duì)于每個(gè) y坐標(biāo)，遍歷當(dāng)前y坐標(biāo)下屬于重疊區(qū)域的像素點(diǎn)A,，化，計(jì)算&，&的像素灰度值差異(/的，吃），從7?1。^7。3、，累積誤差最小的路徑為最佳的縫合路徑。像素灰度值差異計(jì)算采用 SAD算法。
[0154] SAD(sum of absolute difference)是通用的灰度差異計(jì)算方法之一，其思想是 對(duì)于每個(gè)像素點(diǎn)，選取(2n+l)(2m+l)大小的鄰域，在抑制噪聲的前提下進(jìn)行差異計(jì)算，公式 如下：
[0155]
[0156] 其中SAD表示差異值，X和y表示像素點(diǎn)的坐標(biāo)，巧日j表示偏移量。
[0157] 在本發(fā)明中，骨組織圖像中有明顯的蜂窩狀紋理，利用常規(guī)的差異計(jì)算公式并未 考慮此方面因素，很容易破壞紋理的結(jié)構(gòu)性，因此，本文首先對(duì)利用最大類間方差設(shè)定自動(dòng) 的闊值，將圖像二值化，得到骨架結(jié)構(gòu)圖Isi, Is2,即兩組圖像數(shù)據(jù)均分為了前景markF和背景 markB，如果重疊區(qū)域的像素點(diǎn)分屬于HiarkF和markB，則給予它們一個(gè)很大的差異值， 定義函數(shù)磁(Al,扔。)；
[01581
12345678 其中DIFF為一個(gè)很大的值。 2 加入結(jié)構(gòu)信息的SAD公式如下： 3
[0161]
4
[0162 ]其中SAD表示差異值，X和y表示像素點(diǎn)的坐標(biāo)，i和j表示偏移量。 5
[01創(chuàng)對(duì)于S維圖像數(shù)據(jù)的填充，假設(shè)Z軸為增加的第S方向，則按照Zmin^Zmax的方向， 尋找每一個(gè)Xy平面上的拼縫，對(duì)于穿過填充區(qū)域的截面，可W將其分為若干個(gè)子連續(xù)區(qū)域 來尋找接縫。 6 應(yīng)用上述修復(fù)方法對(duì)骨組織進(jìn)行修復(fù)，待修復(fù)前骨組織結(jié)構(gòu)圖和完成修復(fù)后的骨 組織結(jié)構(gòu)圖詳見圖15(a)、圖15(b)、圖16(a)及圖16(b)，由效果圖可W得知，應(yīng)用該方法修 復(fù)具缺失部位的骨組織的精度高。 7 本發(fā)明提供的基于圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)及修復(fù)方法具有W下有益效 果： 8 -、第二圖像中包括擴(kuò)張區(qū)域12,待修復(fù)的目標(biāo)區(qū)域1位于所述擴(kuò)張區(qū)域12內(nèi)，通 過位置映射關(guān)系在第一圖像中獲得與所述擴(kuò)張區(qū)域12相對(duì)應(yīng)的映射區(qū)域3,然后通過計(jì)算 整體匹配度在第二圖像中獲得與所述映射區(qū)域3相似度最高的匹配塊5,再通過位置映射關(guān) 系將所述匹配塊5中與所述目標(biāo)區(qū)域1相對(duì)應(yīng)的填充區(qū)域52填充于所述目標(biāo)區(qū)域1，并進(jìn)行 其與鄰近區(qū)域的平滑性處理，完成修復(fù)，修復(fù)的精確性高。
[0167] 二、本發(fā)明通過闊值分割有效區(qū)分圖像數(shù)據(jù)的前景和背景，可有效減少邊緣檢測(cè)、 特征關(guān)鍵點(diǎn)識(shí)別W及灰度差異的計(jì)算量，提高修復(fù)效率。
[0168] 所屬技術(shù)領(lǐng)域的技術(shù)人員可W理解:實(shí)現(xiàn)上述方法實(shí)施例的全部或部分步驟可W 通過程序指令相關(guān)的硬件來完成，前述的程序可W存儲(chǔ)于計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中，并被 處理器執(zhí)行，前述的程序在被執(zhí)行時(shí)處理器可W執(zhí)行包括上述方法實(shí)施例的全部或者部分 步驟。其中，所述處理器可W作為一個(gè)或多個(gè)處理器忍片實(shí)施，或者可W為一個(gè)或多個(gè)專用 集成電路(Application Specific Integrated Circuit,ASIC)的一部分；而前述的存儲(chǔ)介 質(zhì)可W包括但不限于W下類型的存儲(chǔ)介質(zhì)：閃存(Flash Memo巧）、只讀存儲(chǔ)器(ReadHDnly Memoir ,ROM)、隨機(jī)存取存儲(chǔ)器（Random Access Memory ,RAM)、移動(dòng)硬盤、磁碟或者光盤等 各種可W存儲(chǔ)程序代碼的介質(zhì)。
[0169] W上所述僅為本發(fā)明的優(yōu)選實(shí)施例而已，并不用于限制本發(fā)明，對(duì)于本領(lǐng)域的技 術(shù)人員來說，本發(fā)明可W有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修 改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 一種基于圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)，其特征在于，包括圖像處理模塊、圖像配 準(zhǔn)模塊及填充模塊，其中： 所述圖像處理模塊包括第一獲取單元及第二獲取單元，所述第一獲取單元用于獲取第 一圖像及第二圖像，所述第一圖像為完整的骨組織圖像，所述第二圖像為具缺失部位的骨 組織圖像，所述缺失部位為待修復(fù)的目標(biāo)區(qū)域，所述目標(biāo)區(qū)域向外延伸獲得立方體形的擴(kuò) 張區(qū)域，所述第二獲取單元用于獲得所述第一圖像的第一前景圖像和所述第二圖像的第二 前景圖像； 所述圖像配準(zhǔn)模塊包括映射單元及匹配單元，所述映射單元用于在所述第一前景圖像 中獲取與所述擴(kuò)張區(qū)域位置相對(duì)應(yīng)且大小相同的映射區(qū)域，所述匹配單元用于在所述第二 前景圖像中獲得與所述映射區(qū)域整體匹配度Sb_最大的匹配塊，所述匹配塊包括與所述目 標(biāo)區(qū)域位置相對(duì)應(yīng)的填充區(qū)域； 所述填充模塊用于將所述填充區(qū)域填充到所述目標(biāo)區(qū)域并進(jìn)行接縫處理。2. 根據(jù)權(quán)利要求1所述的基于圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)，其特征在于，所述第二 獲取單元包括圖像分割單元及邊緣提取單元，所述圖像分割單元用于獲取所述第一圖像的 前景輪廓和所述第二圖像的前景輪廓，所述邊緣提取單元用于對(duì)所述第一圖像的前景輪廓 和所述第二圖像的前景輪廓進(jìn)行邊緣檢測(cè)獲得所述第一前景圖像和所述第二前景圖像。3. 根據(jù)權(quán)利要求1所述的基于圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)，其特征在于，所述匹配 單元包括劃分單元、特征關(guān)鍵點(diǎn)提取單元、匹配度計(jì)算單元及排序單元，其中， 所述劃分單元用于將所述第二圖像均分為多個(gè)與所述映射區(qū)域大小相同的侯選塊； 所述特征關(guān)鍵點(diǎn)提取單元用于提取所述映射區(qū)域和所述侯選塊的特征關(guān)鍵點(diǎn)； 所述匹配度計(jì)算單元用于計(jì)算所述映射區(qū)域和所述侯選塊的整體匹配度Sb_; 所述排序單元用于對(duì)所有侯選塊的整體匹配度Sb_進(jìn)行排序，選擇整體匹配度Sb_最 大的侯選塊為匹配塊。4. 根據(jù)權(quán)利要求3所述的基于圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)，其特征在于，所述匹配 度計(jì)算單元包括第一計(jì)算單元、第二計(jì)算單元及第三計(jì)算單元，所述第一計(jì)算單元、所述第 二計(jì)算單元及所述第三計(jì)算單元分別用于計(jì)算所述映射區(qū)域和所述侯選塊的邊緣匹配度 Se、全局匹配度Sh以及特征關(guān)鍵點(diǎn)匹配度Sc，所述整體匹配度3-(3 =人5￡+以311+1^，其中，入4 及η分別為Se、Sh及Sc的權(quán)重系數(shù)，且λ+μ+η=1。5. 根據(jù)權(quán)利要求1所述的基于圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)，其特征在于，所述填充 模塊包括區(qū)域填充單元及接縫處理單元，所述區(qū)域填充單元用于將所述填充區(qū)域填充到所 述目標(biāo)區(qū)域，所述接縫處理單元用于對(duì)填充后的所述目標(biāo)區(qū)域和環(huán)繞所述目標(biāo)區(qū)域的鄰近 區(qū)域進(jìn)行接縫處理。6. -種如權(quán)利要求1所述的基于圖像的骨組織微觀結(jié)構(gòu)修復(fù)系統(tǒng)的修復(fù)方法，其特征 在于，包括如下步驟： 步驟一、第一獲取單元獲取同一骨組織的第一圖像及第二圖像，所述第一圖像為完整 的骨組織圖像，所述第二圖像為具缺失部位的骨組織圖像； 步驟二、第二獲取單元分別處理所述第一圖像和第二圖像并獲得所述第一圖像的第一 前景圖像和所述第二圖像的第二前景圖像； 步驟三、映射單元識(shí)別映射區(qū)域： 確定所述第二前景圖像中缺失部位為待修復(fù)的目標(biāo)區(qū)域，從所述目標(biāo)區(qū)域向外延伸獲 得立方體形的擴(kuò)張區(qū)域，通過映射位置關(guān)系在所述第一前景圖像中獲得與所述擴(kuò)張區(qū)域相 對(duì)應(yīng)且大小相同的映射區(qū)域； 步驟四、進(jìn)行篩選匹配確定匹配塊 在所述第二前景圖像中獲得與所述映射區(qū)域整體匹配度Sb_最大的匹配塊，所述匹配 塊包括與所述目標(biāo)區(qū)域位置相對(duì)應(yīng)的填充區(qū)域； 步驟五、填充模塊將所述填充區(qū)域填充到所述目標(biāo)區(qū)域并進(jìn)行接縫處理。7. 根據(jù)權(quán)利要求6所述的基于圖像的骨組織微觀結(jié)構(gòu)修復(fù)方法，其特征在于，所述步驟 二包括： 分別對(duì)所述第一圖像和所述第二圖像進(jìn)行圖像閾值分割獲取所述第一圖像的前景輪 廓和所述第二圖像的前景輪廓； 分別對(duì)所述第一圖像的前景輪廓和所述第二圖像的前景輪廓進(jìn)行邊緣檢測(cè)獲得所述 第一前景圖像和所述第二前景圖像，所述邊緣檢測(cè)利用羅盤算子進(jìn)行邊緣檢測(cè)。8. 根據(jù)權(quán)利要求6所述的基于圖像的骨組織微觀結(jié)構(gòu)修復(fù)方法，其特征在于，所述步驟 四包括： 將所述第二前景圖像均分為多個(gè)與所述映射區(qū)域大小相同的侯選塊； 提取所述侯選塊和所述映射區(qū)域的特征關(guān)鍵點(diǎn)； 計(jì)算所述侯選塊和所述映射區(qū)域的邊緣匹配度Se、全局匹配度SH以及特征關(guān)鍵點(diǎn)匹配 度Sc; 計(jì)算整體匹配度Sbone，Sbone = XSE+ySH+riS(；，其中，λ、μ及η分別為Se、Sh及Sc的權(quán)重系數(shù)，且 λ+μ+η = 1; 對(duì)所有侯選塊的整體匹配度進(jìn)行排序，將整體匹配度最大的侯選塊作為匹配塊。9. 根據(jù)權(quán)利要求8所述的基于圖像的骨組織微觀結(jié)構(gòu)修復(fù)方法，其特征在于，采用FAST 算法提取特征關(guān)鍵點(diǎn)。10. 根據(jù)權(quán)利要求6所述的基于圖像的骨組織微觀結(jié)構(gòu)修復(fù)方法，其特征在于，所述步 驟五包括： 結(jié)構(gòu)填充：復(fù)制所述填充區(qū)域及環(huán)繞所述填充區(qū)域的第二相鄰區(qū)域，將所述填充區(qū)域 及環(huán)繞所述填充區(qū)域的第二相鄰區(qū)域填充到所述目標(biāo)區(qū)域及環(huán)繞所述目標(biāo)區(qū)域的第一相 鄰區(qū)域； 接縫處理:所述填充區(qū)域修復(fù)所述目標(biāo)區(qū)域，所述第一相鄰區(qū)域和所述第二相鄰區(qū)域 形成重疊區(qū)域，通過SAD方法對(duì)所述重疊區(qū)域像素點(diǎn)的灰度差異進(jìn)行計(jì)算，累積誤差最小路 徑為最佳縫合路徑，沿所述最佳縫合路徑進(jìn)行接縫處理得到修復(fù)后圖像。
【文檔編號(hào)】G06T5/00GK106023094SQ201610304053
【公開日】2016年10月12日
【申請(qǐng)日】2016年5月10日
【發(fā)明人】廖勝輝, 鄭晚秋, 梁毅雄, 鄒北驥, 陳再良, 劉熙堯
【申請(qǐng)人】中南大學(xué)