一种基于区域混合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CN106447678A(43)申请公布日2017.02.22(21)申请号201610899963.9(22)申请日2016.10.14(71)申请人江南大学地址214122江苏省无锡市滨湖区蠡湖大道1800号(72)发明人陈秀宏林喜兰肖林云(51)Int.Cl.G06T7/11(2017.01)G06T7/00(2017.01)权利要求书1页说明书2页附图1页(54)发明名称一种基于区域混合活动轮廓模型的医学图像分割方法(57)摘要一种基于区域混合活动轮廓模型的医学图像分割方法。本发明主要针对医学类的图像给出一种分割方法，其特征是：(1)建立一种基于混合区域的活动轮廓模型，加速图像目标区域的分割和轮廓曲线的拟合；(2)根据图像组成和图像的局部聚类性质而增加的非凸正则化项可以保持区域的几何形状，并防止边缘出现过平滑现象。该发明简单易行，可以准确地分割出医学图像中的目标区域，并且收敛速度更快，准确性好。CN106447678ACN106447678A权利要求书1/1页1.一种基于区域混合活动轮廓模型的医学图像分割方法。本发明能实现医学图像中目标的分割，为识别目标做预处理与分析工作，给医学图像的处理提供参考。其特征在于：(1)建立基于曲线几何度量参数和局部灰度聚类性质的混合活动轮廓模型；(2)模型中的能量泛函包含数据拟合项和正则化项：数据拟合项由图像数据拟合项和测地数据拟合项组成，它可以保证轮廓曲线朝着要分割的区域边缘而演化；而正则化项用来控制轮廓曲线在演化过程中保持理想的形状；(3)确定图像中各个子区域的灰度均值和偏移场，并对各个水平集函数的梯度下降表达式进行离散化，得到关于水平集函数的迭代式，最终实现对图像目标的分割。2.根据权利要求1所述的一种基于区域混合活动轮廓模型的医学图像分割方法，其特征在于：在考虑图像拓扑结构的情况下实现对多个曲线轮廓的演化，同时解决因光照不均匀与成像设备不完善而导致灰度不均匀图像的分割效果不尽如人意的问题。3.根据权利要求1所述的一种基于区域混合活动轮廓模型的医学图像分割方法，其特征在于：将图像区域利用若干封闭轮廓曲线划分为不相交的图像子区域，计算各个子区域上的图像拟合函数，加快曲线演化速度，并保证轮廓曲线在迭代过程中向着需分割区域的边缘而演化。4.根据权利要求1所述的一种基于区域混合活动轮廓模型的医学图像分割方法，其特征在于：计算轮廓曲线的长度、距离及非凸并将它们作为正则项加到图像拟合函数中，保持区域的几何形状，防止图像分割过程中产生的过平滑现象。2CN106447678A说明书1/2页一种基于区域混合活动轮廓模型的医学图像分割方法技术领域：[0001]本发明涉及计算机视觉领域，具体地说是一种对医学图像中的目标进行分割的方法。背景技术：[0002]随着计算机技术的不断发展与进步，人们对计算机视觉方面的应用需求也越来越多。比如，在生活中随处可见的数码照相机、数字摄像机、智能手机等产品与消费者生活息息相关。对图像中的目标进行检测与识别引起越来越多的关注，并在智能监控、人机交互、医疗等领域都具有极为广泛的应用前景。[0003]图像分割是图像处理的重要环节，对图像分割的研究为后续图像工程的开展起到很好的奠基作用。发明内容：[0004]本发明的目的是为构建一种具有较高应用价值、简单易行的可针对医学图像的目标分割方法。[0005]本发明通过求模型中能量泛函的极小值，获得关于水平集函数的梯度下降方程，并对其离散化得到水平集函数的迭代计算公式，快速地实现对图像目标的分割。对不同医学图像的仿真实验表明，与其他同类型算法相比，本发明中所建立的模型及相应的算法可以在更短的时间内得到更加精确的分割结果。[0006]具体的技术方案如下：[0007](1)采用两相和多相方法初始化水平集函数，并初始化各个参数；[0008](2)计算水平集函数在图像中各个子区域的灰度均值；[0009](3)计算图像的偏移场变量；[0010](4)根据迭代计算公式计算水平集函数的新的值，直到获得图像目标的轮廓曲线，实现目标的分割。[0011]本发明的有益效果是:[0012]1、建立一种基于区域混合活动轮廓的医学图像分割模型，设计相应的分割算法；[0013]2、本发明简单易行，在光照不均匀与成像设备不完善情况下能够实现快速的医学图像目标的分割，满足实时性要求，应用广泛，对于医学图像的检测与识别有可参考和应用的价值。[0014]本发明适用于医学图像中的目标分割，可以为医学图像工程提供参考，对医学图像的分析、识别以及理解起到奠基作用。附图说明：[0015]图1为本发明对膝盖骨图像的两相分割结果图；[0016]图2为本发明对人脑图像的多相分割结果图；3CN106447678A说明