一种基于活动轮廓模型的医学图像分割方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110473220A(43)申请公布日2019.11.19(21)申请号201910713336.5(22)申请日2019.08.02(71)申请人台州学院地址318000浙江省台州市椒江区市府大道1139号(72)发明人汪洋陈跃吴娟娟(74)专利代理机构杭州知管通专利代理事务所(普通合伙)33288代理人黄华(51)Int.Cl.G06T7/13(2017.01)G06T7/149(2017.01)权利要求书2页说明书5页附图3页(54)发明名称一种基于活动轮廓模型的医学图像分割方法(57)摘要本发明涉及医学图像分割技术领域，且公开了一种基于活动轮廓模型的医学图像分割方法，包括以下步骤：S1、在主程序的设计上，将全局分割与局部分割的代表CV(水平集)模型和LBF(局部二值拟合)模型作为比较模型与LGIF(localandglobalintensityfitting)模型进行对比，使其拥有相同的迭代次数再将分割结果进行比较。本发明通过经过上述多个实验，相较与其他模型，显而易见，LGIF模型在处理医学图像的分割当中具有较大的优势，它能够更加精准的对图像进行处理。由于水平集函数的存在，而该函数的特点就是不需要对曲线曲面进行参数化处理，只需要对其进行数值运算，所以初始轮廓的设定变得不再重要，这也大大节省了时间成本。CN110473220ACN110473220A权利要求书1/2页1.一种基于活动轮廓模型的医学图像分割方法，其特征在于：包括以下步骤：S1、在主程序的设计上，将全局分割与局部分割的代表CV(水平集)模型和LBF(局部二值拟合)模型作为比较模型与LGIF(localandglobalintensityfitting)模型进行对比，使其拥有相同的迭代次数再将分割结果进行比较；S2、LGIF模型中局部能量项的设计与LBF模型的能量项设计大致上是一样的，全局能量项的设计与CV模型的能量项设计大致一样，并在此之间引入一个权重系数用于调节局部能量项和全局能量项；其中局部能量项设为：其中，L(φ)为曲线长度项，P(φ)为距离正则项，ELIF为局部能量项，μ和v为非负常量项；全局能量项设为：CV22E＝λ1∫Ω|I-c1|H(φ)dx+λ2∫Ω|I-c2|(1-H(φ))dx+v∫Ωδ(φ)|H(φ)|dx＝EGIF+vL(φ)引入边缘引导导函数：其中，g(s)为边缘检测算子，s为边缘检测梯度，越接近边缘s越大；距离正则项：LGIF模型综合上述项，总能量泛函为：LGIFLBFCVedgeE＝(1-ω)E+ωE+μE+vRpS3、软件设计；S3包括以下步骤：A1、局部能量函数的建立；A2、融合全局信息与局部信息；A3、添加边缘函数；A4、水平集方法的应用；A5、整合以上方面，得出一个完整的LGIF模型，并利用该模型分割目标图像得出最终的结果；2CN110473220A权利要求书2/2页S4、软件测试与结果分析。2.根据权利要求1所述的一种基于活动轮廓模型的医学图像分割方法，其特征在于：A1中具体为在能量函数中局部函数的表现部分采用的是LBF模型，优点是能较好的处理图像的强度不均匀区域。3.根据权利要求1所述的一种基于活动轮廓模型的医学图像分割方法，其特征在于：A2中具体为局部函数的存在使模型在对较低的对比、非均匀光照图像有明显的优势，不过不足之处也显而易见，一旦遇到噪声图像，或者在选择初始轮廓的时候判断失误，分割质量就会下降，为了解决这一问题，我们将全局约束函数ECV添加进总能量模型中，将局部函数存在的不足一一弥补。4.根据权利要求1所述的一种基于活动轮廓模型的医学图像分割方法，其特征在于：A3中具体为当图像质量模糊导致无法判断边界位置时，可考虑在总能量函数中添加一个边缘引导函数，该函数的作用是能较快较好的提取边界信息，在一定程度上加快了整个流程的速度，也能避免边界发生断层。5.根据权利要求1所述的一种基于活动轮廓模型的医学图像分割方法，其特征在于：A4中具体为当总能量函数构建完毕，最重要的一个环节是将该函数进行最小化处理。为此我们采用的是水平集方法，同时为了使演化过程更精准高效，一个距离正则项被添加到总函数模型中，它的作用是校正函数在演化过程中出现的偏差。3CN110473220A说明书1/5页一种基于活动轮廓模型的医学图像分割方法技术领域[0001]本发明涉及医学图像分割技术领域，具体为一种基于活动轮廓模型的医学图像分割方法。背景技术[0002]近些年来，如何对图像进行有效的处理成为了一个人们广泛关注的重要问题。随着科技的发展，人们生活需求的提高，各式各样与图像有关的技术逐渐问世，这些技术也被逐一应用到实际生活之中。在众多技术之中，图像分割技术的地位不可或缺