冉隆科

（1.重慶醫(yī)科大學(xué)計(jì)算機(jī)教研室，重慶400016；2.重慶醫(yī)科大學(xué)法醫(yī)學(xué)及生物信息技術(shù)研究室，重慶400016）

角點(diǎn)是圖像的一個(gè)重要的局部特征，它集中了圖像上的很多重要的形狀信息。由于角點(diǎn)具有旋轉(zhuǎn)不變性，在沒(méi)有丟失圖像數(shù)據(jù)信息的條件下，角點(diǎn)是最小化了要處理的數(shù)據(jù)量，因此角點(diǎn)檢測(cè)具有極大的實(shí)用價(jià)值，近年來(lái)越來(lái)越引起人們的重視。數(shù)字圖像中的特征主要有邊緣特征、區(qū)域特征和點(diǎn)特征（其中點(diǎn)特征就是通常所說(shuō)的角點(diǎn)）[1]。與邊緣特征或區(qū)域特征相比，點(diǎn)特征指示的數(shù)據(jù)量明顯要少很多：點(diǎn)特征對(duì)噪聲的敏感也比前兩種特征低；在灰度變化或遮掩等情況下，點(diǎn)特征也比邊緣特征和區(qū)域特征更為可靠：當(dāng)邊緣線斷裂或者圖像中引入了新內(nèi)容，邊緣特征和區(qū)域特征的有效性將會(huì)降低，由于特征選取的優(yōu)劣將直接影響到后續(xù)的特征匹配，故制約了這兩種特征的應(yīng)用范圍[2]。

在骨齡自動(dòng)化評(píng)定的研究中，對(duì)指骨興趣區(qū)的提取，主要是根據(jù)定位出的關(guān)鍵點(diǎn)（包括指骨的頂端和谷底點(diǎn)）進(jìn)行的。通常的方法是依據(jù)手掌的形狀，依據(jù)幾何方法進(jìn)行，這要求拍攝出的骨齡X光圖像位置比較標(biāo)準(zhǔn)。而事實(shí)上，在拍攝骨齡X光圖像時(shí)，位置常常與實(shí)際情況不相符合。這對(duì)采用一般方法來(lái)定位指骨關(guān)鍵點(diǎn)顯然不適應(yīng)，本文把角點(diǎn)檢測(cè)方法技術(shù)應(yīng)用到骨齡X光圖像指骨的關(guān)鍵點(diǎn)定位，實(shí)驗(yàn)表明，并與傳統(tǒng)方法比較，用該方法來(lái)定位指骨關(guān)鍵點(diǎn)比較準(zhǔn)確，且處理速度快。

1 基于角點(diǎn)檢測(cè)技術(shù)的指骨關(guān)鍵點(diǎn)定位

Rosenfeld and Johnston[3]，簡(jiǎn)稱(chēng)RJ73，提出用k向量之間的角度k余弦來(lái)定位角點(diǎn)，定義公式如下：

其執(zhí)行過(guò)程如下:

1）從m=kN開(kāi)始。

2）k是遞減的，直到cik停止增加，滿足cim＜ci，m-1＜…＜cin≮

3）k=n被選取為點(diǎn)i處的最佳值。

4）角點(diǎn)存在于i中，也就是當(dāng)cin＞cip對(duì)所有的j滿足|i-j|≤n/2，p是點(diǎn)j處的最佳值k。

由于式（1）計(jì)算出的角度候選值過(guò)多，且定位出的角點(diǎn)存在偽角點(diǎn)，因此必須對(duì)偽角點(diǎn)排除掉，Rosenfeld and Weszka[4]，本文簡(jiǎn)稱(chēng)RW75，在對(duì)公式（1）計(jì)算出的角點(diǎn)值的基礎(chǔ)上，再計(jì)算均值，即用公式（2）的cik值代替公式（1）中的cik

這里在以上兩種算法的基礎(chǔ)上，提出一種改進(jìn)的方法來(lái)定位指骨關(guān)鍵點(diǎn)，其算法描述如下：

1）輸入原骨齡X光圖像；

2）用文獻(xiàn)[5]方法對(duì)原圖像二值化，并提取出圖像輪廓；

3）用RJ73算法和RW75算法對(duì)步驟2）提出的圖像輪廓進(jìn)行指骨關(guān)鍵點(diǎn)定位；

4）將步驟3）定位出的指骨關(guān)鍵點(diǎn)，映射到原始圖像中，從而定位出原圖像的關(guān)鍵點(diǎn)。

用改進(jìn)的方法定位出的指骨關(guān)鍵點(diǎn)位置比較準(zhǔn)確，且速度比較快，RJ73和RW75是針對(duì)原始骨齡X光圖像直接進(jìn)行的，因此速度極慢。本文提出的算法是對(duì)二值化后的圖像進(jìn)行定位，因而計(jì)算量減少，從而大大縮短處理時(shí)間。

2 實(shí)驗(yàn)和結(jié)果分析

為了驗(yàn)證本算法定位的準(zhǔn)確性，本文選取骨齡X光片圖像50例（其中男孩30例，女孩20例，年齡范圍在2到18歲），部分來(lái)源于重慶醫(yī)科大學(xué)附屬兒童醫(yī)院放射科，部分來(lái)源于網(wǎng)上[6]。圖像大小為1629×2154×8 bit，實(shí)驗(yàn)平臺(tái)為matlab7。采用文獻(xiàn)[7-9]所使用的CSS算法，文獻(xiàn)[10]用到的Chetverikov算法與本文提出的算法來(lái)定位指骨興趣區(qū)關(guān)鍵點(diǎn)。由于定位的準(zhǔn)確性與圖像的位置、方向和圖像的不均勻性密切相關(guān)，因此本文測(cè)試的圖像中含有這三種類(lèi)型的圖像，每副圖像代表一種類(lèi)型，共3幅：圖像一位置比較正，但有部分噪音；圖像二位置比較傾斜；圖像三灰度值不一致且有噪聲。指骨ROI的主要關(guān)鍵點(diǎn)包括指骨頂端點(diǎn)和指骨谷底點(diǎn)共9個(gè)，分別通過(guò)本文算法用3種不同的圖像與CSS算法和Chetverikov算法作比較，這兩種算法的參數(shù)取能獲得最好結(jié)果的值。圖1～圖3是用3種不同類(lèi)型的骨齡圖像通過(guò)3種算法定位的結(jié)果效果圖，表1列出了定位結(jié)果數(shù)據(jù)。通過(guò)實(shí)驗(yàn)數(shù)據(jù)可知，Chetverikov算法和CSS算法用來(lái)定位手指骨ROI的錯(cuò)誤率都在33%以上，CSS高達(dá)44%，采用本文提出的算法錯(cuò)誤率為0%，正確率為100%。

圖1 位置比較正的圖像Fig.1 Test image with good position

圖2 傾斜圖像Fig.2 Test tilted image

圖3 有噪聲圖像Fig.3 Test image with noise

表13 種方法比較Tab.1 Comparison of the 3 localization algorithms

對(duì)本文算法的性能可以從3個(gè)方面進(jìn)行來(lái)衡量：1）準(zhǔn)確性。本文提出的算法能準(zhǔn)確定位出指骨ROI的9個(gè)全部關(guān)鍵點(diǎn)、且沒(méi)有錯(cuò)誤點(diǎn)或多余點(diǎn)。其他兩種算法雖能定位到指骨谷底點(diǎn)，但對(duì)指骨頂端點(diǎn)都存在定位錯(cuò)誤點(diǎn)或多余點(diǎn)或位置有偏差；2）穩(wěn)定性和魯棒性。本文提出的算法對(duì)圖像的噪聲、位置和方向都不敏感，因?yàn)閷?shí)驗(yàn)中的三幅圖像分別代表這三種情況。當(dāng)這些情況發(fā)生改變后，本算法仍然能準(zhǔn)確定位到指腕骨關(guān)鍵點(diǎn)上；3）速度上。用本文提出的方法來(lái)定位指骨關(guān)鍵點(diǎn)，平均時(shí)間在10 s左右，而其他幾種方法都在200 s左右，可見(jiàn)本文提出的方法在時(shí)間上有極大的優(yōu)勢(shì)。

3 結(jié)束語(yǔ)

本文分析了常見(jiàn)的角點(diǎn)定位方法的原理與不足，通過(guò)與其它幾種角點(diǎn)檢測(cè)算相法比較。實(shí)驗(yàn)表明，用本文提出的算法來(lái)定位指骨關(guān)鍵點(diǎn)，不但能精確定位指骨關(guān)鍵點(diǎn)，而且處理速度快，可以直接應(yīng)用到骨齡自動(dòng)化評(píng)定中。

[1]陳樂(lè)，呂文閣，丁少華.角點(diǎn)檢測(cè)技術(shù)研究進(jìn)展[J].自動(dòng)化技術(shù)與應(yīng)用，2005，24（5）:1-4，8.

CHEN Le，LV Wen-ge，DING Shao-hua.A survey of corner detection algorithms[J].Techniques of Automation and Applications，2005，24（5）:1-4，8.

[2]段欠華，王慧琴，毛力.一種改進(jìn)的Harris角點(diǎn)檢測(cè)算子[J].科技展望，2010（11）:47-48.

DUAN Qian-hua，WANG Hui-qin，MAO Li.Improved harris-based corner detection algorithm[J].Keji Zhanwang，2010（11）:47-48.

[3]Rosenfeld A，Johnston E.Angle detection on digital curves.[C]//IEEE Trans.Computers，22:875-878，1973.

[4]A.Rosenfeld and J.S.Weszka.An improved method of angle detection on digital curves[C]//IEEE Trans.Computers，24:940-941，1975.

[5]冉隆科.一種魯棒的骨齡X射線平片自動(dòng)輪廓提取方法[J].中國(guó)組織工程研究與臨床康復(fù)，2010，14（52）:9735-9738.

RAN Long-ke.An robust automatic contour extraction method for skeletal bone age X-ray images[J].Journal of Clinical Rehabilitative Tissue Engineering Research，2010，14（52）:9735-9738.

[6]Anon.Digital hand atlas database system[EB/OL].[2011-06-20].http://www.ipilab.org/BAAweb/

[7]Mokhtarian F，Suomela R.Robust image corner detection through curvature scale space[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，1998，20（12）:1376-1381.

[8]He X.C.，Yung N.C.，Curvature scale space corner detector with adaptive threshold and dynamic region of support"[C]//Proceedings of the 17th International Conference on Pattern Recognition，2:791-794，2004.

[9]He X C，Yung N H C，“Corner detector based on global and local curvature properties”[J].Optical Engineering，2008，47（5）：57-65.

[10]Anon.Detection of high curvature points in planar curves[EB/OL][2011-06-20].http://visual.ipan.sztaki.hu/corner/cornerweb.html