基于误差扩散和均值漂移的DSA特征点选择

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (13): 157-161.

基于误差扩散和均值漂移的DSA特征点选择

张新红1，张　帆2，3，崔延斌3

1.河南大学软件学院，河南开封 475001
2.河南大学图像处理与模式识别研究所，河南开封 475001
3.河南大学计算机与信息工程学院，河南开封 475001

出版日期:2015-07-01 发布日期:2015-06-30

Error diffusion and mean shift based feature points selection algorithm of DSA images

ZHANG Xinhong1, ZHANG Fan2，3, CUI Yanbin3

1.School of Software, Henan University, Kaifeng, Henan 475001, China
2.Institute of Image Processing and Pattern Recognition, Henan University, Kaifeng, Henan 475001, China
3.School of Computer and Information Engineering, Henan University, Kaifeng, Henan 475001, China

Online:2015-07-01 Published:2015-06-30

摘要/Abstract

摘要： 数字减影血管造影（DSA）技术在血管疾病的诊断和治疗中起着重要的作用。在DSA图像配准算法中，控制点的精度、数量以及它们在图像上分布的情况在很大程度上决定了几何校正和配准的精度。控制点通常采用规则的网格点，然而更加有效的方法是利用图像本身的特征提取控制点。提出了一种基于误差扩散（Error Diffusion）和均值漂移（Mean Shift）的DSA特征点选择算法。该算法引入误差扩散是为了利用图像本身的特征自适应地选择控制点。在边缘和纹理复杂区域取较多控制点（网格密集），相反在平坦区域取较少控制点。引入均值漂移的目的是为了减少控制点的数量。实验结果表明，该算法可以自适应地把控制点安排到血管等关键图像特征上，并可以根据需要对控制点的数量进行优化。

关键词: 数字减影血管造影, 误差扩散, 均值漂移

Abstract: In DSA image registration algorithm, the precision of the control points as well as their number and the distribution in image determine the accuracy of geometric correction and registration. Control points usually adopt the grid points; however, a more effective method is to extract control points adaptively according to the image feature. A control point’s selection algorithm of DSA images is proposed based on error diffusion and means shift algorithms. The paper introduces error diffusion algorithm to take advantage of the characteristics of the image to adaptively select control points. In the edge and texture complex area, more control points（grid intensive）will be selected. On the contrary in the flat area less control points will be selected. Introduction of the mean shift is to reduce the number of control points. Experimental results show that proposed algorithm can adaptively put the control points to blood vessels and other key image characteristics, and can optimize the number of control points according to practical needs.

Key words: Digital Subtraction Angiography（DSA）, error diffusion, mean shift

张新红1，张　帆2，3，崔延斌3. 基于误差扩散和均值漂移的DSA特征点选择[J]. 计算机工程与应用, 2015, 51(13): 157-161.

ZHANG Xinhong1, ZHANG Fan2，3, CUI Yanbin3. Error diffusion and mean shift based feature points selection algorithm of DSA images[J]. Computer Engineering and Applications, 2015, 51(13): 157-161.

[1]	孙新领，张皓，赵丽. 结合尺度估计MST和粒子滤波的视频目标跟踪[J]. 计算机工程与应用, 2020, 56(8): 117-123.
[2]	王忠民1，2，段娜1，范琳1. 融合YOLO检测与均值漂移的目标跟踪算法[J]. 计算机工程与应用, 2019, 55(10): 186-192.
[3]	孙凯，谢林柏. 结合稀疏表示和均值偏移的运动目标跟踪算法[J]. 计算机工程与应用, 2017, 53(9): 195-200.
[4]	田浩，巨永锋，王培. 改进的抗遮挡MeanShift目标跟踪算法[J]. 计算机工程与应用, 2016, 52(6): 197-203.
[5]	郑浩，董明利，潘志康. 基于背景加权的尺度方向自适应均值漂移算法[J]. 计算机工程与应用, 2016, 52(22): 192-197.
[6]	黄娟，梅浙川，黄小明. 融合区域合并和Graph Cuts的彩色图像分割方法[J]. 计算机工程与应用, 2016, 52(17): 225-228.
[7]	马媛，冯全，杨梅，李妙祺. 基于HOG的酿酒葡萄叶检测[J]. 计算机工程与应用, 2016, 52(15): 158-161.
[8]	江二华，王汇源. 一种改进的运动目标跟踪算法[J]. 计算机工程与应用, 2015, 51(22): 168-171.
[9]	张新红1，张帆2，3，崔延斌3. 基于多尺度自适应滤波的DSA血管增强[J]. 计算机工程与应用, 2015, 51(14): 179-185.
[10]	王旭阳，张燕. 基于自适应状态转移的混合跟踪算法[J]. 计算机工程与应用, 2014, 50(8): 164-167.
[11]	梅灿华，占红武，俞丛晴. 基于自适应滤波和MBVC的矢量误差扩散法[J]. 计算机工程与应用, 2014, 50(12): 144-146.
[12]	徐晓波1，李卫斌1，2. 基于MFFK和Mean-Shift的红外船舶目标跟踪算法研究[J]. 计算机工程与应用, 2013, 49(5): 144-146.
[13]	江玉珍，朱映辉. 基于调色板分析及误差扩散抖动的迷彩仿造[J]. 计算机工程与应用, 2013, 49(4): 181-184.
[14]	宋康康，陈恳，郭运艳. 深度信息辅助的均值漂移目标跟踪算法[J]. 计算机工程与应用, 2013, 49(23): 177-180.
[15]	倪维平，严卫东，芦颖，马心璐. 应用均值漂移和粗糙集理论增强TerraSAR-X图像边缘[J]. 计算机工程与应用, 2012, 48(7): 184-186.