图像方向性的应用与研究开题报告

1. 研究目的与意义

图像方向性是一种结构特征量，该结构特征量对于线状区域的分割起到了指导性的关键作用。通过对现在流行的4种方向结构算法：1基于频域的傅立叶变换方法；2 A. Hunter, J. Lowell 等人提出的Tram-line filtering算法；3 W. K. Law and Albert C. S. Chung等人提出的 Weighted Local Variance 方法；4 Roger Trias-Sanz提出的A Texture Orientation Estimator算法进行研究分析，最后进行比较阐述，可以更深入了了解图像方向性在目前国内外的研究状况。而图像方向性的研究，对医学中的血管造影有异常高的促进作用。医学图像处理与分析一直都是图像处理与分析领域中研究的重点和难点问题，特别是如何最大限度的降低图像噪点对方向确定的影响。准确优质的医学图像可以帮助医生更为全面的了解病人的病情同时有助于医生高效制定医疗方案，对后期的临床治疗的准确性也起到关键性促进作用。

本次设计中，主要以基于局部权重方差和主动轮廓模型的血管分割为例，具体阐述算法的可行性和优点等内容。通过最大限度的减小局部权重方差，以符合轮廓切线方向和边缘方向为标准的主动轮廓模型，可以准确的定位图像边界，以达到精确定位医学图像的目的。

2. 国内外研究现状分析

以血管图像为例，目前常用图像梯度信息来定位图像边界。

1.例如，lorigo et al.提出一种基于血管分割技术的梯度幅值，利用水平集框架来代表和演变出轮廓。移动轮廓的进化由反比于图像梯度幅值的速度术语控制。因此，轮廓最终停止于目标边界。

2.然而对一些高噪图像，例如数字减影血管造影术和视网膜血管摄影，血管边缘比较模糊且低反差边界。

3. 研究的基本内容与计划

研究内容：以血管图像为例。在最小化图像的局部权重方差后，可以大致得出血管的边缘方向。而相应的边缘清晰度，则是由不同方向取得的权重比例计算得出。基于模糊的边缘方向和边缘清晰度，新的泛函已经由公式来表达描绘轮廓，用以最大限度的降低轮廓和血管便于的角度差异，以此来确定血管边缘。

为了提取基于局部权重方差的边缘信息(包括边缘方向和清晰度)，首先运用heaviside函数（1），其中

tθ(x, y) = xcosθ ysinθ，方向θ表示heaviside函数的梯度方向，ε是常数。

4. 研究创新点

结合局部权重方差及主动轮廓模型的图像分割方法在领域内研究相对较少。这次研究的最大提高是这个方法对噪点引发的强度波动和沿着管道的强度变化具有更低的敏感性，且能够定位薄弱和低反差边界。

通过对血管图像进行试验，可以验证基于边缘信息和主动轮廓模型的局部权重方差适用于模糊的较长血管和高噪图像中的低反差边界。