1.基于改进外极线约束匹配的血管三维重建方法，其特征在于该血管三维重建方法包括以下步骤：

1)读取同一个人在不同角度下的造影序列，获取相应心动周期下同一心动时刻的DSA图像及造影参数，并生成几何变换矩阵GT；记录冠脉造影系统的成像的相关参数，读取对应DICOM文件中的ECG数据，分析其心电信号，选择对应心动周期内心脏舒张最大时刻的造影图像，即在心电信号为波峰时记录的造影图像；

2)获取两个DSA图像中感兴趣血管段的中心线坐标，并对坐标进行处理，保证两中心线坐标个数相同；在选定的造影图像一、造影图像二中根据血管树的拓扑结构，选择对应的分叉点分别作为感兴趣血管的起始点和终止点，运用基于区域生长的图像分割算法和Zhang Suen细化算法，对血管进行分割、细化后提取血管中心线，然后顺序存储中心线点坐标，最后对存储的血管中心线进行插值处理；具体为统计血管中心线一、中心线二上点的数量，选取中心线进行插值，保证两中心线上点的数量一致；

3)进行造影系统的自标定：构建目标函数，优化几何变换矩阵，生成精准的外极线；a)首先通过记录的相关参数构建内参矩阵及初始几何变换矩阵GT；

造影系统中的内部参数：像素间距q，成像大小W×H，射线源到投影面中心距离SID，用于将X射线源局部坐标系中三维点(xi，yi，zi)投影到图像坐标系上的投影点(ei，fi)，转换关系如下：造影系统中的外部参数：射线源到同心点距离SOD，造影左右角度LAO/RAO，造影前后角度CRAN/CAUD；

几何变换矩阵GT中R＝Rx(β2)·Ry(α2)·Ry(‑α1)·Rx(‑β1)，其中α1为造影图像一中LAO/RAO角度，RAO为正，β1为造影图像一中CRAN/CAUD角度，CRAN为正，α2、β2为造影图像二对应的角度；

中的L1为造影图像一中的SOD， 中的L2为造影

图像二中的SOD；

b)选取中心线一、中心线二中各自的起始点和终止点作为数据源，选取合适的误差作为目标函数，以最速下降法或Levenberg‑Marquard作为优化方法，得到优化后的内参矩阵及几何变换矩阵GT，即完成了造影系统的自标定；

4)计算外极线匹配度，通过动态规划获得最优点对匹配；

计算外极线匹配度，构建n*n的匹配度矩阵；

外极线的计算过程如下，对于造影图像一上的点p1(u1，v1)在造影图像二上对应的外极线L2方程可表示为：ξ2·(a3·b2‑a2·b3)+η2·(a1·b3‑a3·b1)+(a2·b1‑a1·b2)＝0；

造影图像二上的对应点q1(u2，v2)满足L2方程；

5)由最优点对计算三维坐标并显示；

由于在应用外极线匹配时，面对血管中心线与外极线有多个交点的情况，对构建的匹配度矩阵进行全局的动态规划，获得从起始点到终止点的最优匹配路径；最后通过前面优化后的最优匹配点对计算三维坐标，采用最小二乘法计算：有方程

写成A·C＝B，该方程由四个线性方程组组成，计算出该三维点在X射线源一坐标系X1Y1Z1S1中的坐标(x1，y1，z1)，采用VTK工具包对三维点进行三维可视化。

2.根据权利要求1所述的基于改进外极线约束匹配的血管三维重建方法，其特征在于：所述血管三维重建方法适用于冠状动脉血管以及其他血管的三维重建，所述其他血管包括肾动脉、股动脉、下腔静脉。

3.根据权利要求1或2所述的基于改进外极线约束匹配的血管三维重建方法，其特征在于：在步骤1)中，通过造影时同步记录的心电信号来保证同一心动周期。

4.根据权利要求1所述的基于改进外极线约束匹配的血管三维重建方法，其特征在于：步骤1)中几何变换矩阵GT包括R＝Rx(β2)·Ry(α2)·Ry(‑α1)·Rx(‑β1)，其中，所述

表示绕Y轴顺时针旋转θ角度的旋转矩阵 ，所述

表示绕X轴顺时针旋转θ角度的旋转矩阵，所述 表示从射

线源O点沿Z轴平移L的平移矩阵。

5.根据权利要求1或2或4所述的基于改进外极线约束匹配的血管三维重建方法，其特征在于：步骤2)中所述中心线坐标以首尾顺序存储。

6.根据权利要求3所述的基于改进外极线约束匹配的血管三维重建方法，其特征在于：比较不同造影角度的中心线上投影点个数，以多的投影点个数作为标准，将投影点少的中心线用插值成相同个数的投影点。

7.根据权利要求1所述的基于改进外极线约束匹配的血管三维重建方法，其特征在于：所述目标函数为图像二维重建误差，具体为图像投影点与三维重建后反投影点之间的欧式距离，所用的优化方法为最优化理论中的相关方法，所述相关方法包括最速下降法、Levenberg‑Marquard。

8.根据权利要求1所述的基于改进外极线约束匹配的血管三维重建方法，其特征在于：步骤4)中通过动态规划获得最优点对匹配，具体过程包括：

a)构建候补匹配点集，通过外极线约束，对候补匹配点集中的所有点对计算外极线匹配度Degree；

b)将匹配度Degree依次存入n*n矩阵中，构成匹配度矩阵，其中n为中心线投影点个数；

c)用动态规划的方法求出从匹配度矩阵左上角到矩阵右下角的最短路径，该动态规划的策略是从边界开始，逐段递推寻优，直到走到另一个边界，从候补匹配点集中筛选出最优匹配点对。