一种针对灰度不均匀的核磁共振图像的分割方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利(10)授权公告号(10)授权公告号CNCN102663755102663755B(45)授权公告日2014.07.02(21)申请号201210114268.9intravascularultrasoundimagesforafastpreliminarevaluationofvessel(22)申请日2012.04.18pathologies.《ComputerizedMedicalImaging(73)专利权人北京理工大学andGraphics》.2007,第31卷71-80.地址100081北京市海淀区中关村南大街5ChunmingLi，etal..AVariational号LevelSetApproachtoSegmentationand(72)发明人刘利雄张麒尚斐刘宝BiasCorrectionofImageswithIntensity(51)Int.Cl.Inhomogeneity.《MICCAI2008》.2008,第5242卷1083-1091.G06T7/00(2006.01)(56)对比文件审查员戴雷CN102063727A,2011.05.18,全文.US2011/0262018A1,2011.10.27,全文.刘利雄，等.一种基于主动轮廓模型的心脏核磁共振图像分割方法.《计算机学报》.2012,第35卷(第1期),摘要，第1节“引言”，第147-150页第2.1节“Snake模型的基本原理”、第2.2节“广义法向有偏梯度矢量场模型”、第3节“左室壁内、外膜的分割”、第4节“实验结果及分析”.RobertoSanz-Requena，etal..Automaticsegmentationand3Dreconstructionof权权利要求书2页利要求书2页说明书8页说明书8页附图2页附图2页(54)发明名称一种针对灰度不均匀的核磁共振图像的分割方法(57)摘要本发明涉及一种针对灰度不均匀的核磁共振图像的分割方法，包括以下步骤：①在灰度不均匀核磁共振图像上勾画出一个闭合曲线；②使用基于区域的主动轮廓模型对灰度不均匀核磁共振图像中的目标进行迭代演化，得到目标的轮廓曲线。所述基于区域的主动轮廓模型考虑了核磁共振图像的局部和全局灰度信息，与已有技术相比，具有运算速度快、主动轮廓初始化鲁棒、抗噪能力强、分割结果准确的优点。CN102663755BCN1026375BCN102663755B权利要求书1/2页1.一种针对灰度不均匀核磁共振图像的分割方法，其特征在于：其具体实施步骤如下：步骤一、对灰度不均匀核磁共振图像进行初始化操作，即在灰度不均匀核磁共振图像上勾画出一个闭合曲线；步骤二、使用基于区域的主动轮廓模型对灰度不均匀核磁共振图像中的目标进行迭代演化，得到目标的轮廓曲线；具体为：是图像域，是一张采集到的灰度不均匀的核磁共振图像，I(x)中的x表示灰度值，在图像域Ω中是一个常量；J是真实图像；b表示核磁共振图像的灰度不均匀性，是一种偏差域，为一个矩阵；真实图像J在每块小区域中近似为常数，即：对于x∈Ωi，是图像域Ω的子域，有J(x)≈ci，N为正整数，ci表示真实图像J中第i个区域的灰度值；基于区域的主动轮廓模型的能量泛函如公式（13）所示：其中，E为能量泛函；为第一部分能量泛函，表示为公式（14）；φ是水平集函数；表示图像中目标的灰度值；表示图像中背景的灰度值；c为真实图像中的局部灰度值；P(φ)为第二部分能量泛函，表示为公式（15）；其中，μ是系数，其值的大小表示图像的灰度不均匀的程度，即其值越大，表示图像的灰度不均匀的程度越高；其值较小，表示图像的灰度不均匀的程度越低；e为local自然对数；bε是偏差域b的归一化项；E(φ,b,c)是局部能量项，如公式（16）所示；是全局能量项，如公式（17）所示；其中，η和γ是常数，取正实数；为梯度符号；H(φ(x))为Heaviside函数；其中，x表示图像域Ω中的某一点；K是一个非负高斯核函数，其定义如公式（18）所示；b(x)ci是要预测的聚类中心；M1(φ(y))=H(φ(y))，M2(φ(y))=1-H(φ(y))；y的取值范围通过如下方法确定：在图像域Ω中以每个点x为中心，在以一个相对小的半径ρ内定义了一个圆形邻域Ox：其中，λ1、λ2、ν为常量；2CN102663755B权利要求书2/2页其中，a是一个常量，ω是高斯核函数的均值，σ是方差。3CN102663755B说明书1/8页一种针对灰度不均匀的核磁共振图像的分割方法技术领域[0001]本发明涉及一种核磁共振图像的分割方法，特别涉及一种针对灰度不均匀的核磁共振图像的分割方法，属于医学图像分析领域。背景技术[0002]核磁共振成像(Magnet