1.7.3　小波变换的多尺度分析　基于小波变换的多尺度分析是建立在严密的数学基础上，通过在不同尺度上对信息和图像的处理，获得不同的细节信息。在X线头影图像中，许多边缘轮廓线，由于边缘噪声的影响，会造成边缘的中断、分岔等。我们根据X线图像特征，选择恰当的小波基，对图像进行多级分解，得到不同分辨率的图像，以获取最大限度的边缘细节信息，这样相当于去除噪声的作用，同时又起到连接边缘的作用。实验结果也表明，进行过小波多尺度处理后的图像，边缘比较连续，噪声干扰相对较少。

　　1.8　图象的边缘提取与连接

　　本研究采用不同宽度的Canny滤波器对经小波分解后X线头影图象边缘进行检测与提取，把低分辨率图像上处理的结果在高分辨率图像上进行再处理，这种我们称作基于大尺度引导的小尺度下的边缘精确定位方法，帮助我们精确地找到边缘，且边缘的连续性较好。对于由于图像退化而连续性较差的边缘，可用基于知识的可变模板匹配法寻找缘线。对于有中断的边缘采用基于知识跟踪技术进行连接，连接边缘时，中断间隔在3个像素之内则直接用直线连接，大于3个像素时则用二次样条曲线插值方法连接。然后将提取的边缘二值化及细化处理。这样将得到一幅X线头影的软、硬组织的轮廓图边缘线。

　　1.9　特征标志点的识别与标记

　　根据特征性标志点在X线头影边缘上所处的几何特征，如大多数标志点或位于最凸点、最凹点；或位于最前点、最后点，或是几个解剖结构的交界点；或是在某一几何形状的中心点。计算机系统根据其几何特征的数学描述进行运算即能定位标志点。一部分特征点的几何定义描述如下：

　　B点，凹点，连接Gn和Ii(或者Is)，则B点与此线段的距离最远；

　　Gn点，下颌骨骼轮廓线的最右下点，也是局部的曲率最大点；

　　Ii或者Is点，曲率最大点，也是局部的横坐标值的最大点；

　　Pg点，下颌骨骼轮廓线最前点；

　　Me点，下颌骨骼轮廓线最下点；

　　S点，近似半圆弧的中心点。

　　1.10　自动建立坐标系与标志点定标

　　系统定位N点后，自动建立以N点为原点，SN平面顺时针旋转7°为X轴，通过N点垂直X轴线作为Y坐标轴的座标系。同时系统根据建立的座标系自动计算出各标志点坐标值，系统是通过计算像素数目及像素大小而转换出相应坐标数值的。

　　2　结果

　　本研究建立的系统成功地识别并定位了骨骼标志点9个：S，N，Is,Ii,B,Pg,Gn,Me,Go,P。软组织标志点8个：Li,Ls,Si,Pgs,Gns,Mes,Stms,Stmi。同时系统能准确计算并显示各个标志点的坐标数值，自动描迹侧面轮廓线图，主要是面下三分之一软硬组织侧貌。图4示17个标志点自动定点的结果。

    3　讨论

　　3.1　数字图象处理与模式识别技术的应用

　　数字图象处理即利用计算机对模拟量图象进行数字化、滤波、去噪声、分析及判断等处理过程，是以计算机为基础的信息技术中的一门新兴科学。由于视觉是人类最重要的感知手段，图象又是视觉的基础，因而数字图象处理成为研究军事、遥感、气象及医学影像等视觉感知领域的重要手段［3］。早在80年代，Jackson［2］首先报道了数字图象处理在头颅定位X线测量分析中的应用，通过计算机对X线头影数字图象进行一系列预处理，在不丧失有效信息的基础上达到去 除噪声及伪影，实现图象增强及边缘平滑，显著地改善了图象灰度比，提高图象的视觉效果，因而增强了人眼对X线头影的解剖结构及标志点的分辨力，提高了测量分析的可信度。Eppley［4］等通过对常规X线片与处理过的数字图象在标志点人工定位方面的评价，研究表现：骨骼标志点定位精度无明显差异，而软组织标志点的定位，数字化X线头影明显优于常规X线片。

　　模式识别是数字图象处理技术中重要组成部分，其主要任务是实现对数字图象的特征信息进行分析与识别，识别的过程包括有图象分割、特征提取及分类三个阶段［3，5］。Cohen［6］首先报道了采用模式识别的有关技术对X线头影硬组织个别标志点进行了成功的定位。Parthasarathy等［7］等采用基于知识的边缘跟踪技术自动识别定位骨性标志点9个。Tong等［8］报道了动态阈值技术自动识别包括软组织在内的特征标志点17个。尽管如此，他们随后报道了自动定点准确性较差，且受X线片质量影响大，因而并没有在临床上得到认可与应用［9］。现在一直认为，由于颅颌面软硬组织结构重叠的复杂性和生物个体表现的多样性，单纯应用某一种全局性识别处理技术是无法达到所有标志点准确定位的。因此本研究在特征标志点识别与定位中，结合颅颌面结构中各标志点分布区域的影像结构特点，初步小波多尺度分析、采取Canny滤波、基于知识的边缘追踪及可变模板匹配等多种处理技术，成功地实现软硬组织17个标志点自动定位。经过临床应用验证，标志点自动定位的准确性高且较稳定(临床评价待发表)。

责任编辑：姚红祥