1.一种识别DSA冠状动脉图像中局部血管狭窄程度的方法，其特征在于：包括以下步骤：

1)对造影图像预处理，并分割出冠状动脉结构；

所述预处理的具体过程包括：

(1)采用中值滤波处理造影图像中的椒盐噪声，输出g(x，y)＝med{f(x‑k，y‑I)}，(k，I∈W)，f(x，y)为原始信号，W为二维模板；

(2)通过对比度拉伸修改图像的灰度范围，将其灰度分布动态范围充分拉伸至0‑255，变换实现如下： 把原始图像灰度范围从[m，M]调整至[n，N]；

(3)构造多尺度增强滤波器，利用Hessian矩阵对图像中的线性结构进行增强，滤去点状的结构和噪声点；根据Hessian矩阵的定义： 将Hessian矩阵的差分运算与高斯函数结合，得到不同尺度因子σ下的线性增强滤波，尺度空间导数其中高斯函数表达式为 根据两个特征值λ1和λ2以及对应的特征向量，提出血管函数 阈值设置为 其中σmin和σmax为尺度上下限，则最终输出的增强图像为

2)对所述冠状动脉结构进行边缘检测，提取感兴趣区域血管边界信息；识别血管的拓扑结构，获取血管中心线；

3)沿所述的血管中心线逐点计算血管半径，得出局部血管狭窄程度。

2.如权利要求1所述的识别DSA冠状动脉图像中局部血管狭窄程度的方法，其特征在于：在步骤1)中，所述的预处理为依次进行的中值滤波、对比度拉伸和多尺度血管增强滤波。

3.如权利要求1所述的识别DSA冠状动脉图像中局部血管狭窄程度的方法，其特征在于：在步骤2)中，提取并分析血管结构，包括分叉点、端点、骨架及轮廓。

4.如权利要求1所述的识别DSA冠状动脉图像中局部血管狭窄程度的方法，其特征在于：在步骤1)中，采用阈值分割方法分割出冠状动脉结构，具体过程包括：(1)对于图像I(x，y)，假设图像的大小为M×N＝N1+N2，图像中像素的灰度值小于阈值T的像素个数记作N1，像素灰度大于阈值T的像素个数记作N2；

(2)前景和背景的分割阈值记作T，属于前景的像素点占整幅图像的比例为其平均灰度值μ1，背景像素点占整幅图像的比例为 其平均灰度值μ2，图像的总平均灰度值记为μ＝μ1×ω1+μ2×ω2；

2

(3)采用遍历的方法得到寻找到类间方差的最大值g＝ω1×ω2×(μ‑μ2) ，即为所求的阈值。

5.如权利要求1所述的识别DSA冠状动脉图像中局部血管狭窄程度的方法，其特征在于：在步骤2)中，血管中心线提取的具体过程包括：在血管分割的基础上，采用拓扑细化方法间接获取血管中心线，进行8‑邻域搜索，循环所有的前景像素点，逐渐删除血管的边界像素点，直至不能细化。

6.如权利要求1所述的识别DSA冠状动脉图像中局部血管狭窄程度的方法，其特征在于：在步骤3)中，采用最大内切圆算法测量血管半径。

7.如权利要求1所述的识别DSA冠状动脉图像中局部血管狭窄程度的方法，其特征在于：根据所述的血管半径，给出ROI区域狭窄程度 其中 为ROI区域血管段的平均半径。