專利名稱：基于廣義模糊梯度矢量流場的醫(yī)學(xué)序列圖像運動估計方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖象處理方法，尤其是涉及一種反映人體心肺臟器和血管收縮、舒張運動的醫(yī)學(xué)序列圖像運動的估計方法。
背景技術(shù)：
在醫(yī)學(xué)圖像后處理及圖像引導(dǎo)的計算機輔助外科手術(shù)治療(IGS)等領(lǐng)域中，基于醫(yī)學(xué)圖像序列的生物軟組織形變和運動估計是一個重要的研究內(nèi)容。
計算機視覺領(lǐng)域的運動估計和跟蹤問題的全面研究始于上世紀(jì)八十年代初。經(jīng)過不斷的深入發(fā)展，已涌現(xiàn)出許多涉及非剛體內(nèi)部的點、曲線段、輪廓以及表面等等的運動狀態(tài)估計與跟蹤技術(shù)。該領(lǐng)域中，描述序列圖像中感興趣區(qū)域、邊緣、或輪廓線的時空運動狀態(tài)具有重要的現(xiàn)實意義，各種用來計算優(yōu)化動態(tài)輪廓線的方法主要有有限差分法、有限元法、動態(tài)規(guī)劃法、模擬退火法等等。用動態(tài)輪廓線模型(ACM或Snake)方法進行感興趣區(qū)域的分割是一種較成熟、有效并且應(yīng)用廣泛的方法，同時，描述序列圖像中動態(tài)輪廓線的運動和變化情況在醫(yī)學(xué)圖像后處理與計算機輔助診斷中具有更重要的研究應(yīng)用價值。動態(tài)輪廓線模型這一重要分析手段的基本性質(zhì)是能對單幅圖像感興趣的區(qū)域(ROI)做局部的分割和搜尋；當(dāng)施加合理的內(nèi)力、外力平衡條件后，它會穩(wěn)定在目標(biāo)區(qū)域，形成閉合鏈碼。如果直接將傳統(tǒng)的動態(tài)輪廓線模型方法用于非剛體運動跟蹤，其魯棒性面臨兩大挑戰(zhàn)其一，如果動態(tài)輪廓線缺少足夠的動態(tài)范圍(比如離真實邊界太遠)，會逼近偽目標(biāo)；其二，動態(tài)輪廓線對序列圖像中的偽邊、實邊缺少足夠的辨別能力?？偠灾?，如何產(chǎn)生新的外力條件、如何利用動態(tài)輪廓線模型造魯棒的運動跟蹤似然模型是該領(lǐng)域長期未能徹底解決的問題。本發(fā)明主要參考如下四篇文獻，并以此為基礎(chǔ)進行了改進與創(chuàng)新1江浩等“基于一種輪廓線估計慣性Snake模型的一般視頻跟蹤方法”.紐約圖象處理國際論壇論文集，2002年9月22-25，頁碼1301-1305。
2意法拉.米奇等“超聲心動掃描序列圖象的分割與跟蹤技術(shù)光流估計引導(dǎo)的動態(tài)輪廓線模型”.IEEE，醫(yī)學(xué)成像，1998年，17卷(2期)，頁碼127-136。
3許辰陽等“梯度矢量流形變模型”.霍普金斯大學(xué)學(xué)術(shù)出版社2000年9月出版的醫(yī)學(xué)成像手冊。
4陳武凡，魯賢慶，“彩色圖象邊緣檢測的新算法廣義模糊算子法”。中國科學(xué)(A輯)，1995年，25卷(2期)，頁碼219～224。
依據(jù)圖像本身的性質(zhì)提高輪廓線的動態(tài)范圍并且優(yōu)化構(gòu)造曲線的外部作用力是輪廓跟蹤的關(guān)鍵，也是完整實現(xiàn)非剛體運動跟蹤的第一步。文獻1公開將光流場和幀間局部相關(guān)性作為動態(tài)輪廓線的兩種外力，并成功地解決了非醫(yī)學(xué)視頻圖像的運動跟蹤問題。然而，這種幀間局部相關(guān)性應(yīng)用于心臟非剛體運動估計時，往往以計算量大且相關(guān)性較弱而告失敗。文獻2中公開借助光流場用有限元法成功地在超聲心動序列圖像中完成了大運動區(qū)域跟蹤，且避免了偽邊界的干擾。文獻3中公開梯度矢量流場(GVF)作為新的外力條件在單幅圖像中約束動態(tài)輪廓線，這樣一來，不僅初始動態(tài)輪廓線的選取可以有更大的動態(tài)范圍，而且能夠逼近純梯度場所不能達到的邊緣凹陷區(qū)域，然而，利用梯度矢量流外力場分析心臟的單幀感興趣區(qū)域時，經(jīng)常遇到圖像中強邊緣吸引并消弱了弱邊緣的梯度矢量流場，實際上感興趣區(qū)的邊界經(jīng)常在弱邊緣處，從而產(chǎn)生了較大的跟蹤誤差。文獻4所提出的廣義模糊理論及其邊緣提取方法為本文的動態(tài)輪廓線跟蹤提供了很好的邊緣選擇依據(jù)和魯棒性標(biāo)準(zhǔn)。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種基于廣義模糊梯度矢量流場的醫(yī)學(xué)序列圖像運動估計方法，能從根本解決上述梯度矢量流場(GVF)外力場所遇到的問題，完成動態(tài)輪廓線的魯棒跟蹤并進一步實現(xiàn)逐點的估計與優(yōu)化。
為實現(xiàn)上述目的，本發(fā)明包括以下步驟1、獲取一個心動周期下的不低于20幀的連續(xù)的心臟MR和CT序列圖像，并將觀察部位按照適當(dāng)尺寸進行截取放大；2、獲得雙步跟蹤模型的三種外力場第一種外力場為反映了單幀圖像內(nèi)部各點的空間相關(guān)性的廣義模糊梯度矢量流場；第二種外力場為幀間動態(tài)輪廓線上各點周圍的廣義模糊梯度矢量流場的局部相關(guān)性；第三種外力場為反映了圖像幀之間各點的運動相關(guān)性的光流矢量場；3、針對第1步獲得的截取放大圖象，用手工勾勒出第一幀圖象的感興趣區(qū)輪廓；4、在第2步所得外力場的作用下，用雙步跟蹤模型逐幀跟蹤第3步得到的感興趣區(qū)輪廓
5、結(jié)合上述輪廓線跟蹤結(jié)果，用最大后驗估計對輪廓線上的每一點進行優(yōu)化估計與跟蹤，由此得到點的最佳運動軌跡。
本發(fā)明步驟2中獲取廣義模糊梯度矢量流場的具體步驟為a、針對步驟1中截取后的圖像，逐幀獲取它的廣義模糊邊緣圖并獲取其梯度；b、分別利用平滑項自適應(yīng)系數(shù)和數(shù)據(jù)項自適應(yīng)系數(shù)替換經(jīng)典梯度矢量流場擴散方程中的常數(shù)系數(shù)構(gòu)造廣義模糊梯度矢量流場擴散方程；c、利用上述構(gòu)造的廣義模糊梯度矢量流場擴散方程逐幀計算圖象的廣義模糊梯度矢量流場本發(fā)明步驟4中用雙步跟蹤模型逐幀跟蹤感興趣區(qū)輪廓線，具體步驟為a、第1幀初始鏈碼的靜態(tài)逼近與獲取第1幀輪廓線的廣義模糊梯度矢量流局部相關(guān)性外力條件從第1幀圖像中選定感興趣區(qū)域初始輪廓(用手工繪出)，此時便立即得到其初始鏈碼，該初始鏈碼在第1幀圖象的廣義模糊梯度矢量流場的作用下，通過雙步跟蹤模型的靜態(tài)跟蹤算子的計算，會逼近感興趣區(qū)的真實輪廓，并形成鏈碼，并稱之為收斂態(tài)，此時第1幀輪廓跟蹤完畢；然后，利用已獲得的各幀廣義模糊梯度矢量流場數(shù)據(jù)，并依據(jù)已有的局部相關(guān)性算法，獲得上述第1幀收斂態(tài)鏈碼上各點的廣義模糊梯度矢量流場局部相關(guān)性外力數(shù)據(jù)；b、第2幀的動態(tài)估計當(dāng)已經(jīng)跟蹤完第1幀，并且產(chǎn)生收斂態(tài)，便要進行第2幀的動態(tài)跟蹤；此時首先進行狀態(tài)賦值，即把上述步驟a中得到的第1幀的收斂態(tài)鏈碼作為第2幀的預(yù)估計態(tài)鏈碼；然后，在第1幀光流場和上述步驟a中得到的廣義模糊梯度矢量流場局部相關(guān)性兩種外力的作用下，通過雙步跟蹤模型的動態(tài)跟蹤算子的計算，產(chǎn)生第2幀的估計態(tài)鏈碼；c、第2幀的靜態(tài)逼近與獲取第2幀輪廓線的廣義模糊梯度矢量流局部相關(guān)性外力條件與第一步情況相同首先狀態(tài)賦值，即把上述步驟b中得到的第2幀的估計態(tài)鏈碼作為第2幀的預(yù)收斂態(tài)鏈碼；然后，在第2幀的廣義模糊梯度矢量流的作用下，通過雙步跟蹤模型的靜態(tài)跟蹤算子的計算，產(chǎn)生第2幀的收斂態(tài)鏈碼，此時完成了從第1幀到第2幀的跟蹤過程；然后，利用已獲得的各幀廣義模糊梯度矢量流數(shù)據(jù)，并依據(jù)已有的局部相關(guān)性算法，獲得第2幀的收斂態(tài)鏈碼上各點的廣義模糊梯度矢量流局部相關(guān)性外力數(shù)據(jù)；d、重復(fù)步驟b、c中的處理過程，直到最后一幀圖象跟蹤完畢。
本發(fā)明所述步驟5中的逐點優(yōu)化估計與跟蹤的具體步驟a、給出起始點的初始分布；b、對初始分布的每一點，產(chǎn)生若干個試探點，在其中找出其與下幀動態(tài)輪廓線的最近點；c、針對上述步驟b中的所有試探點以空間一致性和時間連續(xù)性的要求構(gòu)造先驗函數(shù)；d、針對上述步驟b中的所有試探點和其對應(yīng)下幀動態(tài)輪廓線上的最近點，構(gòu)造似然約束條件，并獲得似然概率；e、利用上述構(gòu)造的先驗約束條件和似然約束條件，對上述具有馬爾可夫隨機特性的試探點進行最大后驗估計、并逐幀獲得最大后驗概率，可得到特征點的最佳運動軌跡，從而完成感興趣區(qū)的動態(tài)跟蹤。
對本發(fā)明的比較試驗如下1、請心外科專家對兩類心臟圖像逐幀勾勒出心室和心房形變運動輪廓(如圖3)；2、選擇每類圖像的第一幀所勾勒出的輪廓作為初始鏈碼，用本發(fā)明進行逐幀處理；3、分別用梯度矢量流場與廣義模糊梯度矢量流場兩種外力作用于雙步跟蹤模型進行跟蹤，將兩類跟蹤結(jié)果與手工勾勒出的結(jié)果相對比既有直觀的差別(如圖4)，更有量化均方誤差(見表1)，由表可見廣義模糊梯度矢量流(GFGVF)場外力條件下的跟蹤精度明顯好于梯度矢量流(GFGVF)場條件。
跟蹤結(jié)果誤差對比
因此采用廣義模糊梯度矢量流場，使得梯度流場得以優(yōu)化，圖像平坦處的梯度流數(shù)據(jù)得以更好的平滑、圖像邊緣處的梯度數(shù)據(jù)得以更好地恢復(fù)，從而解決了全局和局部適應(yīng)性的矛盾；避免了用經(jīng)典梯度矢量流場處理心臟圖像序列時，多幀圖像出現(xiàn)匯流外溢而導(dǎo)致動態(tài)輪廓線出現(xiàn)異常的形變結(jié)果，提高了魯棒性。


圖1為本發(fā)明的流程框圖；圖2為單個周期MR圖像序列下的心臟左心室內(nèi)壁形變跟蹤過程描述。這種基于廣義模糊梯度矢量流場的雙步跟蹤模型可對序列圖像的感興趣區(qū)的輪廓進行魯棒的時空跟蹤。
圖3為針對CT六幀心臟序列圖像的左心房，心外科醫(yī)生手工描繪的感興趣的輪廓邊緣；圖4為針對圖3中CT六幀心臟序列圖像的左心房，分別將梯度矢量流場(上行)與廣義模糊梯度矢量流場(下行)兩種外力作用下的雙步跟蹤模型模型輪廓跟蹤結(jié)果與圖3心外科醫(yī)生手工描繪邊緣進行對比。比較結(jié)果不僅顯示出雙步跟蹤模型跟蹤算法的穩(wěn)定性，同時也說明廣義模糊梯度矢量流場具有更優(yōu)的性質(zhì)。
具體實施例方式
1、獲取一個心動周期下的連續(xù)的心臟MR和CT序列圖像25幀，并利用現(xiàn)有的插值算法將觀察部位按照適當(dāng)尺寸進行截取放大，該方法有利于增強圖像感興趣區(qū)的細(xì)節(jié)分辨率、并提高跟蹤的質(zhì)量；2、利用已有的光流計算方法逐幀計算步驟1中截取放大后圖像的光流場；3、針對截取后的圖像，利用現(xiàn)有方法逐幀計算它的廣義模糊邊緣圖；4、獲取廣義模糊梯度矢量流場，具體步驟如下a、獲取步驟3中所得的廣義模糊圖象的廣義模糊邊緣數(shù)據(jù)Ie并計算其梯度Ie；b、構(gòu)造廣義模糊梯度矢量流場擴散方程分別利用平滑項自適應(yīng)系數(shù)和數(shù)據(jù)項自適應(yīng)系數(shù)ηexp(-(|μ′I|/σ)2)和ρ(1-g(·))|Ie|2替換經(jīng)典梯度矢量流場擴散方程中的常數(shù)系數(shù)η和|Ie|2；構(gòu)造出的廣義模糊梯度矢量流場擴散方程為Ut＝g(|μ′I|)2U-ρ(1-g(μ′I))| Ie|2(U-Ie)c、利用如上廣義模糊梯度矢量流方程逐幀計算圖象的廣義模糊梯度矢量流場；5、針對第1步獲得的截取放大圖象，手工勾勒出第一幀圖象的感興趣區(qū)輪廓；6、用雙步跟蹤模型逐幀跟蹤步驟5中的動態(tài)輪廓線，雙步跟蹤模型的理論為雙步跟蹤模型由靜態(tài)算子和動態(tài)算子構(gòu)成，它們分別用來解決運動的靜態(tài)逼近和動態(tài)估計的問題。其中動態(tài)算子為經(jīng)典梯度矢量流模型的改進，在經(jīng)典梯度矢量流模型的算法的結(jié)構(gòu)形式中改變了經(jīng)典梯度矢量流模型的受力條件，即增加了光流矢量場和動態(tài)輪廓線上各點的廣義模糊梯度矢量流的局部相關(guān)性兩種外力；其靜態(tài)算子為經(jīng)典梯度矢量流模型的算法的結(jié)構(gòu)形式，但采用了廣義模糊梯度矢量流外力場而不是其原本的梯度矢量流外力場。逐幀跟蹤動態(tài)輪廓線具體步驟如下a、第1幀初始鏈碼的靜態(tài)逼近與獲取第1幀輪廓線的廣義模糊梯度矢量流場局部相關(guān)性外力條件從第1幀圖像中選定感興趣區(qū)域初始輪廓(用手工繪出)，此時便立即得到其初始鏈碼，該初始鏈碼在第1幀圖象的廣義模糊梯度矢量流場的作用下，通過雙步跟蹤模型的靜態(tài)跟蹤算子的計算，會逼近感興趣區(qū)的真實輪廓，并形成鏈碼，并稱之為收斂態(tài)，此時第1幀輪廓跟蹤完畢；然后，利用已獲得的各幀廣義模糊梯度矢量流場數(shù)據(jù)，并依據(jù)已有的局部相關(guān)性算法，獲得上述第1幀收斂態(tài)鏈碼上各點的廣義模糊梯度矢量流場局部相關(guān)性外力數(shù)據(jù)；b、第2幀的動態(tài)估計當(dāng)已經(jīng)跟蹤完第1幀，并且產(chǎn)生收斂態(tài)，便要進行第2幀的動態(tài)跟蹤；此時首先進行狀態(tài)賦值，即把上述步驟a中得到的第1幀的收斂態(tài)鏈碼作為第2幀的預(yù)估計態(tài)鏈碼；然后，在第1幀光流場和上述步驟a中得到的廣義模糊梯度矢量流場局部相關(guān)性兩種外力的作用下，通過雙步跟蹤模型的動態(tài)跟蹤算子的計算，產(chǎn)生第2幀的估計態(tài)鏈碼；c、第2幀的靜態(tài)逼近與獲取第2幀輪廓線的廣義模糊梯度矢量流場局部相關(guān)性外力條件與第一步情況相同首先狀態(tài)賦值，即即把上述步驟b中得到的第2幀的估計態(tài)鏈碼作為第2幀的預(yù)收斂態(tài)鏈碼；然后，在第2幀的廣義模糊梯度矢量流場的作用下，通過雙步跟蹤模型的靜態(tài)跟蹤算子的計算，產(chǎn)生第2幀的收斂態(tài)鏈碼，此時完成了從第1幀到第2幀的跟蹤過程；然后，利用已獲得的各幀廣義模糊梯度矢量流場數(shù)據(jù)，并依據(jù)已有的局部相關(guān)性算法，獲得第2幀的收斂態(tài)鏈碼上各點的廣義模糊梯度矢量流場局部相關(guān)性外力數(shù)據(jù)；d、重復(fù)步驟b、c中的處理過程，直到最后一幀圖象跟蹤完畢；7、結(jié)合上述輪廓線跟蹤結(jié)果，用最大后驗估計對輪廓線上的每一點進行優(yōu)化估計與跟蹤，具體步驟a、給出起始點的初始分布；b、對初始分布的每一點，產(chǎn)生64個試探點，在其中找出其與下幀動態(tài)輪廓線的最近點；試探點越多越好，但太多會增加計算的復(fù)雜度；c、針對上述步驟b中的所有試探點以空間一致性和時間連續(xù)性的要求構(gòu)造先驗函數(shù)；上述空間一致性和時間連續(xù)性的理論為被視為運動整體的剛性和非剛性物體中的某一質(zhì)點(或微粒)具有和其鄰點一致或相近的運動狀態(tài)，該運動狀態(tài)隨時間進行連續(xù)變化?？臻g一致性和時間連續(xù)性可用貝葉斯方法表示為如下概率形式如果n代表具有時間意義的幀數(shù)、i代表具有空間意義的特征點序數(shù)，則P(Xn)=P(xni|xn-1i)P(xni+1|xni)]]>上述第一項概率是時間連續(xù)性條件、第二項是空間一致性條件，以概率形式始終保持該兩項乘積最大便是空間一致性和時間連續(xù)性的基本要求；d、針對上述步驟b中的所有試探點和其對應(yīng)下幀動態(tài)輪廓線上的最近點，構(gòu)造似然約束條件，并獲得似然概率；e、利用上述構(gòu)造的先驗約束條件和似然約束條件，對上述具有馬爾可夫隨機特性的試探點進行最大后驗估計、并逐幀獲得最大后驗概率，可得到每一點的最佳運動軌跡，從而完成感興趣區(qū)的動態(tài)跟蹤。
權(quán)利要求
1.一種基于廣義模糊梯度矢量流場的醫(yī)學(xué)序列圖像運動估計方法，其特征在于包括以下步驟(1)獲取一個心動周期下的不低于20幀的連續(xù)的心臟MR和CT序列圖像，并將觀察部位按照適當(dāng)尺寸進行截取放大；(2)獲得雙步跟蹤模型的三種外力場第一種外力場為反映了單幀圖像內(nèi)部各點的空間相關(guān)性的廣義模糊梯度矢量流場；第二種外力場為幀間動態(tài)輪廓線上各點周圍的廣義模糊梯度矢量流場的局部相關(guān)性；第三種外力場為反映了圖像幀之間各點的運動相關(guān)性的光流矢量場；(3)針對第1步獲得的截取放大圖象，用手工勾勒出第一幀圖象的感興趣區(qū)輪廓；(4)在第2步所得外力場的作用下，用雙步跟蹤模型逐幀跟蹤第3步得到的感興趣區(qū)輪廓；(5)結(jié)合上述輪廓線跟蹤結(jié)果，用最大后驗估計對輪廓線上的每一點進行優(yōu)化估計與跟蹤，由此得到點的最佳運動軌跡。
2.根據(jù)權(quán)利要求1所述的基于廣義模糊梯度矢量流場的醫(yī)學(xué)序列圖像運動估計方法，其特征在于步驟2中獲取廣義模糊梯度矢量流場的具體步驟為(a)針對步驟1中截取后的圖像，逐幀獲取它的廣義模糊邊緣圖并獲取其梯度；(b)分別利用平滑項自適應(yīng)系數(shù)和數(shù)據(jù)項自適應(yīng)系數(shù)替換經(jīng)典梯度矢量流場擴散方程中的常數(shù)系數(shù)構(gòu)造廣義模糊梯度矢量流場擴散方程；(c)利用上述構(gòu)造的廣義模糊梯度矢量流場擴散方程逐幀計算圖象的廣義模糊梯度矢量流場。
3.根據(jù)權(quán)利要求1所述的基于廣義模糊梯度矢量流場的醫(yī)學(xué)序列圖像運動估計方法，其特征在于步驟4中用雙步跟蹤模型逐幀跟蹤感興趣區(qū)輪廓線，具體步驟為(a)第1幀初始鏈碼的靜態(tài)逼近與獲取第1幀輪廓線的廣義模糊梯度矢量流局部相關(guān)性外力條件從第1幀圖像中選定感興趣區(qū)域初始輪廓(用手工繪出)，此時便立即得到其初始鏈碼，該初始鏈碼在第1幀圖象的廣義模糊梯度矢量流場的作用下，通過雙步跟蹤模型的靜態(tài)跟蹤算子的計算，會逼近感興趣區(qū)的真實輪廓，并形成鏈碼，并稱之為收斂態(tài)，此時第1幀輪廓跟蹤完畢；然后，利用已獲得的各幀廣義模糊梯度矢量流場數(shù)據(jù)，并依據(jù)已有的局部相關(guān)性算法，獲得上述第1幀收斂態(tài)鏈碼上各點的廣義模糊梯度矢量流場局部相關(guān)性外力數(shù)據(jù)；(b)第2幀的動態(tài)估計當(dāng)已經(jīng)跟蹤完第1幀，并且產(chǎn)生收斂態(tài)，便要進行第2幀的動態(tài)跟蹤；此時首先進行狀態(tài)賦值，即把上述步驟a中得到的第1幀的收斂態(tài)鏈碼作為第2幀的預(yù)估計態(tài)鏈碼；然后，在第1幀光流場和上述步驟a中得到的廣義模糊梯度矢量流場局部相關(guān)性兩種外力的作用下，通過雙步跟蹤模型的動態(tài)跟蹤算子的計算，產(chǎn)生第2幀的估計態(tài)鏈碼；(c)第2幀的靜態(tài)逼近與獲取第2幀輪廓線的廣義模糊梯度矢量流局部相關(guān)性外力條件首先狀態(tài)賦值，即把上述步驟b中得到的第2幀的估計態(tài)鏈碼作為第2幀的預(yù)收斂態(tài)鏈碼；然后，在第2幀的廣義模糊梯度矢量流的作用下，通過雙步跟蹤模型的靜態(tài)跟蹤算子的計算，產(chǎn)生第2幀的收斂態(tài)鏈碼，此時完成了從第1幀到第2幀的跟蹤過程；然后，利用已獲得的各幀廣義模糊梯度矢量流數(shù)據(jù)，并依據(jù)已有的局部相關(guān)性算法，獲得第2幀的收斂態(tài)鏈碼上各點的廣義模糊梯度矢量流局部相關(guān)性外力數(shù)據(jù)；(d)重復(fù)步驟b、c中的處理過程，直到最后一幀圖象跟蹤完畢。
4.根據(jù)權(quán)利要求1所述的基于廣義模糊梯度矢量流場的醫(yī)學(xué)序列圖像運動估計方法，其特征在于所述步驟5中的逐點優(yōu)化估計與跟蹤的具體步驟(a)給出起始點的初始分布；(b)對初始分布的每一點，產(chǎn)生若干個試探點，在其中找出其與下幀動態(tài)輪廓線的最近點；(c)針對上述步驟b中的所有試探點以空間一致性和時間連續(xù)性的要求構(gòu)造先驗函數(shù)；(d)針對上述步驟b中的所有試探點和其對應(yīng)下幀動態(tài)輪廓線上的最近點，構(gòu)造似然約束條件，并獲得似然概率；(e)利用上述構(gòu)造的先驗約束條件和似然約束條件，對上述具有馬爾可夫隨機特性的試探點進行最大后驗估計、并逐幀獲得最大后驗概率，可得到特征點的最佳運動軌跡，從而完成感興趣區(qū)的動態(tài)跟蹤。
全文摘要
本發(fā)明公開了一種基于廣義模糊梯度矢量流場的醫(yī)學(xué)序列圖像運動估計方法，包括以下步驟1.獲取一個序列圖像；2.獲得雙步跟蹤模型的廣義模糊梯度矢量流場、廣義模糊梯度矢量流場的局部相關(guān)性和光流矢量場；3.用手工在勾勒出第一幀圖象的感興趣區(qū)邊緣輪廓；4.在三種外力場的作用下，用雙步跟蹤模型逐幀跟蹤勾勒的感興趣區(qū)邊緣輪廓；5.結(jié)合上述輪廓線跟蹤結(jié)果，用最大后驗估計對輪廓線上的每一點進行優(yōu)化估計與跟蹤，由此得到點的最佳運動軌跡。本發(fā)明能從根本解決上述梯度矢量流場(GVF)外力場所遇到的問題，完成動態(tài)輪廓線的魯棒跟蹤并進一步實現(xiàn)逐點的估計與優(yōu)化。
文檔編號G06F19/00GK1516051SQ0314027
公開日2004年7月28日 申請日期2003年8月27日 優(yōu)先權(quán)日2003年8月27日
發(fā)明者周壽軍, 陳武凡 申請人:中國人民解放軍第一軍醫(yī)大學(xué)