專利名稱：圖像邊緣檢測的制作方法
技術領域：
本發明涉及一種用于在二維或三維圖像中定位對象的邊緣的系統，并且涉及一種在二維或三維圖像中定位對象的邊緣的方法。本發明進一步涉及供所述方法使用的軟件。
對于很多數字圖像處理的工業和生物醫學應用來說，精確定位圖像中的邊緣是很重要的。這種應用包括模式識別(例如對圖像中的文字或對象的識別)、對于在可用時間內不易打開的對象的X射線檢查(例如由海關當局進行的檢查)、制造產品質量檢查(例如對印刷電路板、IC、金屬疲勞等等的檢查)。醫學成像的臨床應用形成了邊緣檢測的一個重要應用領域。例如，在血管病的診斷過程中，狹窄度是確定治療療法的一個重要因素。因此需要精確地確定邊緣。
利用一階和二階導數能夠檢測對象邊界(即邊緣)。梯度(即一階導數的矢量)可以表示邊緣的存在，并且梯度幅度的最大值一般被用來定位邊緣。定位梯度方向中的二階導數(Lww)的過零點，此處的梯度幅度是最大的。根據上述原理的邊緣檢測器有時被稱為“Canny”檢測器。還經常使用所謂的“Marr-Hildreth”邊緣檢測器，其利用拉普拉斯算子(ΔL＝Lxx+Lyy+Lzz)的過零點來定位邊緣。拉普拉斯算子很容易計算，但是過零點并不位于梯度最大的地方。
把對象的“邊緣”定義為圖像數據集中梯度最大的位置，已經知道，所述兩種方法能夠正確地定位平面表面的邊緣。Lww的過零點還可以正確地定位不是平面的而是彎曲的表面的邊緣。基于ΔL的邊緣檢測會導致邊緣的錯位。如果所述邊緣被定義為所采集圖像中的邊緣則這些陳述成立，所述圖像由2D或3D(體積的)數據集表示。對于醫學應用，所述2D數據集典型地通過X射線或超聲波成像裝置來采集。體積數據集典型地利用3D掃描儀來采集，比如CT(計算機X射線斷層造影術)掃描儀或MR(磁共振)掃描儀。如果在采集前將“邊緣”定義為真實世界中的對象的實際邊緣的位置，則所述兩種方法均給出了彎曲邊緣的錯位。該錯位由采集期間的模糊效應造成。圖像采集所固有的是，正被采集的圖像的原理上應該被映射到一個圖像元素(例如像素)的一部分實際上對不止一個元素有影響。某些圖像模態(例如計算機X射線斷層造影術CT)的所采集數據集可以通過與點擴散函數(PSF)卷積的相當同質的對象進行模擬。在CT中，可以用具有標準偏差σ的高斯分布來近似PSF。所述模糊使得傳統邊緣檢測方法定位邊緣不準確，從而導致量化(例如給出血管的直徑)以及可視化(例如在顯示器上呈現血管)方面的誤差。
通常希望在模糊之前找到邊緣的位置而不是在已模糊的圖像中找到具有最大梯度的點。如果半徑為R的圓形對象的邊緣沒有被定義為梯度最大的位置，而是被定義為模糊前的位置，則所述兩種方法(ΔL以及Lww)均給出彎曲邊緣的錯位。這些方法的過零點r的位置處于相反的方向。這在

圖1中對于半徑為R的被表示成圓100的實際邊緣而示出。ΔL給出對于該半徑的過度估計(用實心黑色圓盤110示出)，而Lww給出對于該半徑的不足估計(用實心黑色圓盤120示出)。錯位(r-R)由曲率和模糊引起。因為ΔL和Lww看起來是在相反方向上錯位，因此公知的是使用所謂的加算子(Plus operator)，其將ΔL與Lww相加并且減少彎曲邊緣的錯位。該加算子在L.J.van Vliet和P.Verbeek的“On the locationerror of curved edges in low-pass filtered 2D and 3D images”(IEEE Trans.PatternAnal.Machine Intell.，vol.16，pp.726-733，1994年7月)中進行了描述。該加算子導致更加準確地定位邊緣的邊緣檢測器。這利用實心黑色圓盤130在圖1中示出。圖2示出了用于具有相對小的曲率的對象的三種方法的結果。然而，如果表面的彎曲程度太高(例如對于很小的彎曲對象)，該加算子的性能也會降低。希望能夠準確地定位圖像中的很小的對象，比如僅有幾個像素寬的血管。這種小對象具有相對高的曲率，而且不能通過已描述的方法準確地定位這種對象的邊緣。
本發明的一個目的是提供一種能夠更好地檢測具有高度曲率的對象的邊緣的邊緣檢測器和邊緣檢測方法。
為了達到本發明的該目的，用于在二維或三維圖像中定位對象邊緣的系統包括用于接收表示圖像的各元素值的數據元素集的輸入端；用于存儲該數據集的存儲裝置；
用于提供對該圖像中的邊緣位置的指示的輸出端；以及處理器，其用于在計算機程序的控制下處理該數據集，以便通過以下操作確定該圖像中的對象的邊緣計算所述數據元素的至少一階和/或二階導數；計算該圖像的等照度線(isophote)曲率，其中所述曲率由κ標識；確定對于由對象的曲率和/或所述數據的模糊造成的邊緣錯位進行校正的校正因數α；該校正因數α取決于所述等照度線曲率κ；以及確定取決于所計算出的導數和所述等照度線曲率的算子的過零點。
發明人意識到，可以通過使用取決于等照度線曲率κ的校正因數來改進已知邊緣檢測器。通過不僅利用局部導數而且還利用局部等照度線曲率，能夠更加準確地確定邊緣，特別是對于具有相對高的曲率的對象(例如小對象)尤其如此。
根據從屬權利要求2的措施，所述圖像已經被采集裝置所采集，該裝置使得所采集的數據模糊，并且所述校正因數α還取決于該圖像的模糊程度。如從屬權利要求3所述，該模糊可以基本上對應于與具有標準偏差σ的高斯點擴散函數的卷積，于是校正因數α取決于該高斯模糊函數的標準偏差σ。這樣，能夠更好地校正由模糊引起的邊緣錯位。模糊程度較高的圖像(例如用大檢測器采集的圖像)與模糊程度較低的圖像(例如用小檢測器采集的圖像)的校正是不同的。在簡單的系統中，對于該模糊度可以使用固定值，并且可以對于該值固定校正因數α。
根據從屬權利要求4的措施，所述處理器適于為所述圖像確定相關的估計模糊度，并且為該圖像加載與該圖像的模糊度相關的校正因數函數；該校正因數函數為等照度線曲率輸入值給出相應的校正因數值。這樣，對于特定的圖像能夠使用較簡單的校正因數。優選地，以查找表的形式給出該校正因數函數，其中等照度線曲率κ作為索引。對于所選擇的導數，可以經驗地確定該校正因數函數。優選地，通過對于給定的等照度線曲率和標準偏差最小化邊緣錯位，至少部分地分析確定該校正因數函數。
根據從屬權利要求5的措施，所述導數是高斯導數，并且所述算子由Lww-ακLw給出，其中w是梯度方向。
對于適當選擇的α，該算子勝過已知的邊緣檢測器。
根據從屬權利要求6的措施，對于2D圖像，α由下式給出
α(σ,κ)=1+(1σκ)2(1-I0((1σκ)2)I1((1σκ)2))]]>其中，In()是第一類修正貝塞爾函數。
這樣，在邊緣錯位方面的系統誤差被完全消除。
根據從屬權利要求7的措施，對于3D圖像，所述等照度線曲率κ包括在曲率的最大絕對值方向上的第一曲率分量κ1以及在垂直于κ1的方向上的第二曲率分量κ2，所述校正因數α取決于κ∑＝κ1+κ2。
這種校正因數能夠完全消除球形對象和圓柱形對象的邊緣錯位方面的系統誤差。這種邊緣檢測器例如非常適合于識別和量化管狀結構(諸如血管)的直徑。
根據從屬權利要求8的措施，所述校正因數α還取決于 。這種校正因數還能夠改進對于更復雜的3D對象的檢測。對于給定的標準偏差，有可能通過使用κ∑＝κ1+κ2和 而將該校正因數表示成二維查找表。
為了達到本發明的目的，一種在二維或三維圖像中定位對象邊緣的方法包括接收表示該圖像的各元素值的數據元素集；計算所述數據元素的至少一階和/或二階導數；計算該圖像的等照度線曲率，其中所述曲率由κ標識；確定校正因數α，該因數對于在采集期間由對象曲率和/或數據模糊造成的邊緣錯位進行校正；該校正因數α取決于所述等照度線曲率κ；以及在與取決于所計算出的導數和等照度線曲率的算子的過零點相對應的位置處確定該圖像中的對象邊緣。
根據下面參照實施例的描述，本發明的這些以及其他方面將變得顯而易見。
在附圖中圖1示出現有技術邊緣檢測器的性能；
圖2示出比較用于低曲率的各種現有技術邊緣檢測方法的曲線圖；圖3示出其中可以使用本發明的圖像采集和處理系統的框圖；圖4示出用于2D中的圓形對象(圓盤)的函數α的曲線圖；圖5示出用于球(3D)的函數α的曲線圖；圖6示出用于作為彎曲導管(3D)的模型的超環面(toroidal)對象(donut環)的函數α的曲線圖；以及圖7示出將現有技術邊緣檢測方法與用于高曲率的根據本發明的方法相比較的曲線圖。
比較用于低曲率的現有技術邊緣檢測方法；圖3示出根據本發明的系統的框圖。該系統可在傳統的計算機系統(諸如工作站或高性能個人計算機)上實現。該系統300包括用于接收圖像的輸入端310。在實踐中，該圖像是二維(2D)或三維的(3D，也稱作體積)。輸入端310接收表示該圖像的各元素值的數據元素集。對于2D圖像，所述數據元素可以是像素(圖像元素)。對于3D圖像，所述數據元素可以是體素(體積元素)?？梢酝ㄟ^任何局域或廣域網(分別例如是以太網或ISDN)或者另外的數據載體(比如緊致盤)來提供該數據。許多醫院已經安裝了圖片存檔和通信系統(PACS)以便提供數據。在圖3中，通過諸如醫學MR或CT掃描儀之類的圖像采集裝置315來采集圖像。這種采集裝置315可以是系統300的一部分，但是也可以在該系統的外部。
該系統還包括用于存儲所述數據集的存儲裝置320。優選地，該存儲裝置是永久類型的，比如硬盤。在實際的實現方式中，由處理器340在計算機程序的控制下執行根據本發明的邊緣檢測方法，該處理器340用于處理所述數據集以便確定圖像中的對象邊緣。當然，該處理器不必是通用處理器，其還可以是專用硬件以便優化速度。通常，該處理器將定位一起形成邊緣的許多邊緣點。可以從諸如存儲裝置320的永久存儲裝置中將程序加載到諸如RAM的工作存儲器中以用于執行。該系統的輸出端330用于提供對圖像中的邊緣位置的指示。其可以按照任何適當的方式指示邊緣。例如，其可以提供經過濾的圖像，其中邊緣由過零點清晰地指示?；蛘撸梢宰鳛楸砻驿秩?比特映射)的圖像來提供輸出以用于顯示。顯示器350可以但不必是該系統的一部分。該系統可以同時提供兩個2D圖像以用于立體顯示。如果是這樣的化，則從兩個不同的視點產生兩個圖像，每個圖像相應于觀看者的對應的眼睛。作為提供經過濾的圖像以用于呈現的替換或補充，所述輸出端可以提供邊緣點的電子表示(例如曲線的邊緣坐標列表或者其他合適的描述)，從而可以根據所定位的邊緣來執行測量(例如血管的寬度可以被測量)。可以在諸如工作站的任何適當的計算機硬件上實現這樣的系統。
該系統可以由操作員通過例如輸入裝置(比如鼠標360和鍵盤370)來控制。聲音控制也可以被使用。
根據本發明的系統和方法包括以如下方式確定圖像中的邊緣點1、計算所述數據元素的至少一個一階和/或二階導數；2、計算該圖像的所述數據元素的等照度線曲率κ；3、確定校正因數α，該因數校正在采集期間由對象曲率和/或數據模糊引起的邊緣錯位；4、確定取決于所計算出的導數和等照度線曲率的算子的過零點。
標記法用于描述優選實施例的等式使用下列標記法。與傳統的標記法一樣，對于2D圖像，笛卡兒坐標系中的坐標將被表示為x和y，而對于3D圖像來說是x、y和z。偏導數將由下標表示，比如Mx表示 ，Lyy表示 。在典型的等式中，在局部固定的坐標系(標準坐標)中計算導數。矢量w被定義為在梯度的方向上，而矢量v垂直w。對于3D圖像，第三正交矢量被表示為u。因此，Lww是梯度方向上的二價導數。梯度方向上的一階導數Lw等于梯度幅度，而與等表面(iso-surface)相切的一階導數Lv等于零。術語“等照度線”將被用于通過具有相同強度的元素圖像的曲線。2D中的等照度線曲率是所述等照度線的曲率。該等照度線曲率將用數值κ表示。在3D中，該等照度線曲率κ由兩個分量組成主曲率κ1和κ2。與這些值相對應的矢量垂直于梯度并且彼此垂直。主曲率的和將被表示為κ∑＝κ1+κ2。
計算導數原則上，任何適當的方法都可以被用于計算導數，比如中心差、中間差、Roberts方法、Prewitt方法或者Sobel方法。在下文描述的一個優選實施例中將使用高斯導數。因此，高斯算子能夠被用于計算所述導數。優選高斯算子是因為其是旋轉不變的，并且其給出了在噪聲抑制和模糊之間的最佳平衡。由于可分離性，所以高斯算子執行起來很快?；诟咚购瘮档奈⒎炙阕訉⒔o出對于模糊圖像中的導數的準確測量。所述微分算子在標度空間(scale-space)中被用作近似過濾器，并且用于噪聲移除。高斯算子的標準偏差將被表示為σop。如下文進一步詳細描述的那樣，在一個優選實施例中，通過高斯點擴散函數來模擬由采集引起的模糊。該模糊函數的標準偏差被表示為σpsf?？梢岳门c高斯函數和高斯導數的卷積在特定標度下計算直到二階的導數。然后由σ=σpsf2+σop2]]>(半群屬性)給出總的標準偏差。這個屬性是利用高斯導數的另一個優點不會引入其他類型的干擾；總的模糊仍然是高斯模糊。
一階導數能被用于確定梯度幅度、梯度方向等等。(Lw是梯度方向上的一階導數)。在該優選實施例中，將使用下列一階導數2D:Lw=Lx2+Ly2,Lv=0]]>3D:Lw=Lx2+Ly2+Lz2,Lv=0,Lu=0]]>赫賽矩陣(Hessian)(二階導數的矩陣)可以被用于獲得優選的二階導數(梯度方向上)。這是通過旋轉赫賽矩陣完成的，從而使得第一分量將是梯度方向上的二階導數。
這在2D中給出 Lww=Lx2Lxx+2LxLxyLy+Ly2LyyLx2+Ly2]]>Lw=Ly2Lxx+2LxLxyLy+Lx2LyyLx2+Ly2]]>ΔL＝求跡(Hessian)＝Lxx+Lyy＝Lww+Lvvκ=-LvvLw=Lww-ΔLLw]]>在3D中給出 Lww=Lx2Lxx+Ly2Lyy+Lz2Lzz+2LxLxyLy+2LxLxzLz+2LyLyzLzLx2+Ly2+Lz2]]>
ΔL＝求跡(Hessian)＝Lww+Lvv+Luu＝Lxx+Lyy+Lzz計算等照度線曲率在2D中，等照度線曲率被定義為κ=-LvvLw]]>。利用上面給出的定義，等照度線曲率能夠按照以下方式計算κ=-LvvLw=Lww-ΔLLw。]]>在3D中，能夠通過獲取子矩陣HT的特征值(κ1，κ2)和(主方向上的)特征向量來確定等照度線曲率的主分量，該子矩陣與等表面相切{κ1，κ2}＝特征值(HT){vκ1，vκ2}＝特征向量(HT)κ∑=κ1+κ2=Lww-ΔLLw]]>取代旋轉赫賽矩陣以及計算子矩陣的特征值，其他適當的等式也能夠被用于實現。
算子還可以理解的是，可以選擇被校正的算子。所選擇的算子將使用一階和/或二階導數。在下面更加詳細描述的優選實施例中，加算子將被用作起始點。拉普拉斯算子或其他適當的算子能夠被同樣好地優化。
根據本發明，確定算子校正因數α，該校正因數校正在采集期間由對象曲率和/或數據模糊所引起的邊緣錯位。校正因數α取決于等照度線曲率κ?？梢岳斫獾氖牵撔Ｕ驍等Q于所使用的算子。使用分析方法，經校正的算子將是相同的或相似的。利用經驗方法來確定該校正因數，在實際情況下的輸出可能與下文描述的優選實施例十分相似，但是也可能有所不同。
在一個優選實施例中，使用算子Lww+αLvv，其與Lww-ακLw相同。
校正因數根據本發明，校正因數α是局部等照度線曲率的函數α(κ)。因此，所述算子也可以被表示為Lww+α(κ)Lvv。利用上面給出的等式，其能被改寫為Lww-α(κ)κLw。在其中模糊在圖像間變化的系統中，優選地使用還取決于模糊度的校正因數。優選地，模糊度被表示為一個函數的標準偏差，該函數代表被用于采集圖像的采集裝置的模糊。已知的是，對于許多采集裝置，可以通過高斯點擴散函數(PSF)來模擬該模糊。當模糊為高斯函數時，或者當高斯函數是對該模糊函數的良好近似時(例如在CT圖像中)，下面給出的詳細描述給出了最佳校正。本領域技術人員能夠將相同的原理應用于其他的模糊函數。高斯PSF能夠被數學地描述為G=1(2πσ2)Nexp(-r→·r→2σ2)]]>其中σ是標準偏差，N是維數，而 是位置矢量與其自身的點積。在笛卡兒坐標系中，位置矢量r→={x,y,z,}T]]>。將未模糊對象定義為M，模糊對象L被定義為L＝M*G(卷積)。
因此，在一個優選實施例中，校正因數α是局部等照度線曲率和標準偏差的函數α(κ，σ)。在剩余部分中清楚的是，使用取決于局部等照度線曲率和標準偏差的乘積的校正因數α是足夠的α(σκ)，這樣，僅需要使用一個輸入值。在剩余部分中，通常不示出α的函數系數。還將清楚的是，所述標準偏差可以覆蓋模糊和高斯導數的標準偏差。
在下文的描述中，為了分析和近似所述校正因數函數，假設圖像中的區域是相當同質的。因此，能夠通過Heaviside單位階躍來模擬邊緣。此外，假設曲率在局部幾乎是恒定的。局部恒定的曲率意味著該曲率在模糊函數的覆蓋區(footprint)內是恒定的。
2D中的理想的α(避免過零點的錯位)的模型是等式Lww-ακLw＝0的解。該等式的解對于2D中的圓形對象(圓盤)已被解析地導出。對于這種對象，由下式給出最佳校正因數αα(σ,κ)=1+(1σκ)2(1-I0((1σκ)2)I1((1σκ)2))]]>其中In()是第一類修正貝塞耳函數。只要曲率在高斯函數的覆蓋區內是(近似)恒定的，其對于所有對象來說都是有效的。
圖4示出所述函數。如果σκ逼近0，則α＝0.5?？梢允境?，對于恒定的α＝0.5來說，所選擇的算子恒等于所述加算子。對于σκ＞0.5，整個對象處于高斷PSF的中心部分的內部。對于2D中的具有局部恒定曲率的對象來說，給定的α避免了過零點的錯位。根據本發明的方法產生無偏的圓盤檢測器。
3D中的理想α(避免過零點的錯位)的模型是等式Lww-ακ∑Lw＝0的解。對于3D中的球形對象(“球”)和圓柱形對象來說，該等式的解已被解析地導出，所述球形對象和圓柱形對象是3D中具有不同的κ2/κ1(對于球來說是κ2/κ1＝1，而對于圓柱來說是κ2/κ1＝0)比值的具有恒定曲率的最簡單的對象。對于球來說，通過下式給出校正因數αα=2(2σκ∑)4+2(1-e2(2σκ∑)2)+(2σκ∑)2(3+e2(2σκΣ)2)2(1-e2(2σκ∑)2+(2σκ∑)2(1+e2(2σκΣ)2))]]>在圖5中還示出了該校正因數α。其可以被用作無偏的球檢測器。
對于圓柱體來說，3D高斯函數能夠被分解為圓柱體中心軸方向(z方向)上的一個分量以及橫截面中的兩個分量。因為z方向上的所有的導數均為0，因此圓柱體的解類似于圓盤。如果2D的κ被替代為3D的κ∑，則作為κ∑和σ的函數的避免算子錯位的校正因數α等價于上文給出的2D圓盤的等式，從而給出下式α(σ,κ∑)=1+(1σκ∑)2(1-I0((1σκΣ)2)I1((1σκΣ)2))]]>這個函數可被用于精確地量化管狀結構(比如血管)的直徑。
根據上文給出的兩個關于3D的例子，可以理解的是，校正因數α對于κ2/κ1的比值來說不是不變的。對于隨機形狀的對象，各曲率分量的和可能無法給出足夠的信息用以校正彎曲表面的錯位。在一個優選的實施例中，不僅各曲率分量的和、而且各曲率分量之間的比值也被用于校正該錯位。這兩個系數允許在有限閾內創建一個二維查找表，其中κ∑在一個軸上，κ2/κ1在另一個軸上。校正因數α的數值近似由下式給出α(σκΣ,κ2κ1)≈~-1+κ222κ12+(32-κ222κ12)e(σκΣ)24(6.7-7.2·1.0374(54κ22κ1)2)]]>利用存儲在離散數據集中的超環面對象(donut環)(作為彎曲的管的模型)數值地獲得該函數。圖6示出了該近似。
結果圖7示出了在2D中利用存儲在離散圖像中的圓形對象(半徑R)獲得的實驗結果。在該圖中，對于拉普拉斯算子(ΔL)、加算子(PLUS)、梯度方向上的二階導數(Lww)以及根據本發明的過濾器示出了不同曲率的相對錯位“(r-R)/R”，其被稱作iCurv。正如從圖中能夠看出的那樣，本發明提出的過濾器的錯位遠低于其他方法下的錯位。特別對于較高的曲率，該方法顯著地更好。
根據本發明的方法計算量較少，而且比很多去卷積方法更穩定。該方法不是迭代的(因此與迭代去卷積方法相比較快)并且僅需要直到二階的導數。該方法可以被自動化(不需要人工分段)。
可以理解的是，本發明還擴展到計算機程序，特別是在載體上的計算機程序，其適于實現本發明。所述程序可以是源代碼、對象代碼、中間源代碼以及諸如部分編譯形式的對象代碼的形式，或者可以是適于實現本發明的方法的任何其他形式。所述載體是能夠承載該程序的任意實體或裝置。例如，該載體可以包括諸如ROM(例如CD ROM或半導體ROM)的存儲介質或者磁記錄介質(例如軟盤或硬盤)。此外，該載體可以是諸如電信號或光學信號的可傳輸載體，其可以通過電纜或光纜或者通過無線電或其他方式來傳送。當所述程序被嵌入到這種信號中時，所述載體可以由這種電纜或者其他裝置或器件構成。或者，所述載體可以是其中嵌入了程序的集成電路，該集成電路適于執行相關方法或者在執行該方法時使用。
應該注意的是，上述實施例是為了說明而不是限制本發明，本領域的普通技術人員可以在不超出所附權利要求書范圍的前提下設計許多替換實施例。在權利要求書中，置于括號間的任何附圖標記不應被解釋為限制該權利要求?！鞍ā币辉~不排除存在除了權利要求中已列出的元件或步驟之外的其他元件或步驟。元件前面的“一個”不排除多個該元件的存在。可以通過包括幾個不同元件的硬件以及通過適當編程的計算機來實現本發明。在列舉幾個器件的裝置權利要求中，可以用同一硬件項來實現這些器件當中的幾個。在相互不同的從屬權利要求中列舉某些措施這一事實不表示不能使用這些措施的組合來獲益。
權利要求
1.一種用于定位二維或三維圖像、特別是醫學圖像中的對象的邊緣的系統，該系統包括輸入端(310)，用于接收表示該圖像的各元素值的數據元素集；存儲裝置(320)，用于存儲該數據集；輸出端(330)，用于提供對于該圖像中的邊緣位置的指示；以及處理器(340)，用于在計算機程序的控制下處理該數據集，以便通過如下操作確定該圖像中的對象的邊緣計算所述數據元素的至少一階和/或二階導數；計算該圖像的等照度線曲率，其中所述曲率由κ標識；確定對于由對象的曲率和/或所述數據的模糊造成的邊緣錯位進行校正的校正因數α；該校正因數α取決于所述等照度線曲率κ；以及確定取決于所計算出的導數和所述等照度線曲率的算子的過零點。
2.如權利要求1中所述的系統，其中所述圖像已經被采集裝置(315)所采集，該采集裝置使得所采集的數據模糊；并且所述校正因數α還取決于該圖像的模糊程度。
3.如權利要求2中所述的系統，其中，所述模糊基本上對應于與具有標準偏差σ的高斯點擴散函數的卷積，并且所述校正因數α取決于該高斯模糊函數的標準偏差σ。
4.如權利要求2中所述的系統，其中，所述處理器適于為所述圖像確定相關的估計模糊度，并且為該圖像加載與該圖像的模糊度相關的校正因數函數；該校正因數函數為等照度線曲率輸入值給出相應的校正因數值。
5.如權利要求1中所述的系統，其中，所述導數是高斯導數，并且所述算子由Lww-ακLw給出，其中w是梯度方向。
6.如權利要求3和5中所述的系統，其中，對于2D圖像，α由α(σ,κ)=1+(1σκ)2(1-I0((1σκ)2)I1((1σκ)2))]]>給出，其中In()是第一類修正貝塞耳函數。
7.如權利要求3和5中所述的系統，其中，對于3D圖像，所述等照度線曲率κ包括在該曲率的最大絕對值方向上的第一曲率分量κ1以及在垂直于κ1的方向上的第二曲率分量κ2，所述校正因數α取決于κΣ＝κ1+κ2。
8.如權利要求7中所述的系統，其中，所述校正因數α還取決于
9.一種定位二維或三維圖像、特別是醫學圖像中的對象的邊緣的方法；該方法包括接收表示該圖像的各元素值的數據元素集；計算所述數據元素的至少一階和/或二階導數；計算該圖像的等照度線曲率，其中所述曲率由κ標識；確定校正因數α，該校正因數對于由對象的曲率和/或所述數據的模糊造成的邊緣錯位進行校正；該校正因數α取決于所述等照度線曲率κ；以及在該圖像的與取決于所計算出的導數和等照度線曲率的算子的過零點相對應的位置處確定該圖像中的對象的邊緣。
10.一種適于使處理器執行如權利要求9中所述的方法的計算機程序產品。
全文摘要
一種定位二維或三維圖像(特別是醫學圖像)中的對象的邊緣的系統。通過輸入端(310)接收表示該圖像的各元素值的數據元素集。該數據集被存儲在存儲裝置(320)中。處理器(340)確定該圖像中的對象的邊緣。該處理器計算所述數據元素的至少一階和/或二階導數，并且計算該圖像的等照度線曲率，所述曲率由κ標識。該處理器還確定校正因數α，該校正因數α對于由對象的曲率和/或所述數據的模糊造成的邊緣錯位進行校正。該校正因數α取決于所述等照度線曲率κ。然后，該處理器確定取決于所計算出的導數和所述等照度線曲率的算子的過零點。該系統的輸出端(330)提供對于該圖像中的邊緣位置的指示。
文檔編號G06T5/20GK1965331SQ200580007615
公開日2007年5月16日 申請日期2005年3月7日 優先權日2004年3月12日
發明者H·鮑馬 申請人:皇家飛利浦電子股份有限公司