基于光谱分析和骨架涂鸦的序列化可视人体切片图像自动分割方法技术

本发明专利技术公开了一种基于光谱分析和骨架涂鸦的序列化可视人体切片图像自动分割方法，本方法采用了光谱提取算法分割单张图像的感兴趣区域，采用了骨架算法生成了对下一张图像的涂鸦，采用了循环处理的方式获取下一张图像的感兴趣区域，最后获取了全部可使人体切片的感兴趣区域。本方法还具有分割质量高精准的优点，本方法可以处理感兴趣区域中以大脑沟回为代表的呈毛细状部分，以腿部大动脉为代表的呈管状部分，以肝脏为代表的含有细小空腔部分。此外本方法还具有操作简单的好处，仅需要对感兴趣区域进行一次涂鸦，即可完成对全部可视化人体切片图像的分割，因而有更快的执行速度，更高的处理效率。

【技术实现步骤摘要】
基于光谱分析和骨架涂鸦的序列化可视人体切片图像自动分割方法
本专利技术涉及图像处理和分割
，尤其涉及基于光谱分析和骨架涂鸦的序列化可视人体切片图像自动分割方法。
技术介绍
近年来，可视人体研究日益深化，使得使用可视人数据集并将其应用于实际研究的需要成为可能。在数据集的3D重绘过程中人工提取所需的组织或器官需要消耗大量的人力。传统的图像自动分割算法面对颜色十分接近的不同的人体组织也无法快速精准的将其分割开。基于光谱分析和骨架涂鸦的序列化自动分割方法可以将组织之间及其细小的颜色差异识别出来，并快速、精准、有效地将研究所需的人体组织器官从庞大的数据集中分离出来，为今后的医学研究提供可靠的数据来源。现有技术中的图像自动分割方法有以下方式：1、采用人工手动分割提取图片但是该方法由于工作量巨大并且消耗时间比较长，因此分割精度较低。2、基于HIS颜色空间设置色度、亮度相似系数判定是否为同类像素来对图像进行分割，但是该方法重于人工交互，要求实施者的经验高，不同实施者可能得到不同分割结果，标准不统一。3、在图像分割过程中把人工标定的种子点作为起点，向周围生长，判定的与当前像素同类的像素点则添加到感兴趣区域中，以获得分割区域。但是该方法分割算法复杂度较高，难以编程实现，分割时消耗时间和内存大。4、采用提取出感兴趣区域的图片从四个方向像中心进行腐蚀，每次腐蚀掉一周，直到剩下的点上下左右都不是感兴趣区域为止，将该点作为种子点。但是该方法对于颜色形态比较接近的组织器官分割效果不能达到要求。
技术实现思路
根据现有技术存在的问题，本专利技术公开了基于光谱分析和骨架涂鸦的序列化可视人体切片图像自动分割方法，具体步骤包括：S1：提取一组序列化可视人体切片图像对第一张图形进行涂鸦标记：标记出该图像中需要分割的组织或器官部分；S2：提取第一张图像的光谱分析组件：通过拉普拉斯提取矩阵将图像划分为多个光谱分析组件；S3：对提取到的光谱分析组件进行组合处理：通过S1获得的涂鸦标记将S2中得到的光谱分析组件进行组合获取感兴趣区域；S4：利用骨架算法计算感兴趣区域的骨架；S5：利用骨架对第二张图片的待分割部分进行涂鸦标记；S6：循环处理该组序列化可视人体切片图像：对第二张图像提取光谱分析组件，利用S5得到的涂鸦标记对光谱分析组件进行组合得到第二张图像的感兴趣区域，将第二张感兴趣区域的骨架信息涂鸦标记在第三张图像上即循环执行S2、S3、S4、S5，直到获取全部图像的分割结果。进一步的，通过拉普拉斯提取矩阵将图片划分为多个光谱分析组件采用如下方式：S21：计算图像的拉普拉斯提取矩阵L、再计算该矩阵L的最小特征向量；S22：设定聚类得到的分类的总数K；S23：利用K-means算法对拉普拉斯提取矩阵的最小特征向量进行聚类操作生成K个聚类得到的向量，结果为矩阵E[e1,e2,e3...eK]；S24：通过牛顿法求解聚类得到的向量的线性变换：利用牛顿法求解在满足：的条件下αk＝Eyk使得I最小的[y1,y2,y3...yK]，其中ψ是一常数取值范围为0.8-0.9，此时对应的α1,α2,...αK为提取组件。进一步的，对提取到的光谱分析组件进行组合处理采用如下方式：S31：判断每一个光谱提取组件上是否有纯白色或纯黑色标记，生成一个矩阵V＝[S,W,B]，其中Si表示光谱提取组件的编号，Wi表示是否有白色涂鸦标记，Bi表示是否有黑色涂鸦标记；S32：计算矩阵E，其中矩阵E由光谱提取组件α1,α2,...αK和拉普拉斯提取矩阵计算得到，计算方法如下：E(i,j)＝max(0,-Φ(i,j))S33：利用最大流算法对提取得到的光谱提取组件进行分类：将矩阵V和矩阵E输入到最大流算法中输出结果为α1,α2,...αK的一个线性变换，标记了某个光谱提取组件是否属于待提取部分；S34：利用得到的线性变换对光谱提取组件进行线性叠加，得到一张灰度图；S35：设定灰度阈值，对于高于灰度阈值的像素点进行保留、对于低于灰度阈值的像素点进行舍弃得到感兴趣区域。进一步的，利用骨架算法计算感兴趣区域的骨架采用如下方式：S41：根据计算S34中得到的灰度图的平均灰度设定骨架灰度阈值；S42：对于灰度图中灰度大于骨架灰度阈值的部分计算第一套骨架，记录第一套骨架中像素点的位置信息，并对灰度图中灰度小于骨架灰度阈值的部分计算第二套骨架，记录第二套骨架中像素点的位置信息；S43：分别保存两套骨架中的全部像素点的位置信息。进一步的，利用骨架对第二张图片的待分割部分进行涂鸦标记采用如下方式：将计算得到的第一张图像的骨架中像素点对应的位置以纯白色涂鸦标记，将第二套骨架中像素点对应的位置以纯黑色涂鸦标记，将该张图像作为涂鸦标记后的图像保存。进一步的，S6中具体采用如下方式：S61：对第二张图像进行光谱分析组件提取；S62：利用S5中得到的被涂鸦过的图片中的标记信息对光谱分析组件进行组合，并得到分割结果对应的灰度图；S63：利用灰度图与设定的灰度阈值获得分割后的结果图片；S64：利用骨架算法计算分割结果的灰度图对应的骨架，并利用该骨架对第三张图像进行涂鸦；S65：循环进行上述过程获取涂鸦后的图像、获取光谱提取组件、利用涂鸦标记对组件进行组合、生成骨架、利用骨架对下一张图像进行涂鸦，直至全部的序列化可视人体切片图像处理完成。由于采用了上述技术方案，本专利技术提供的基于光谱分析和骨架涂鸦的序列化可视人体切片图像自动分割方法，本方法采用了光谱提取算法分割单张图像的感兴趣区域，采用了骨架算法生成了对下一张图像的涂鸦，采用了循环处理的方式获取下一张图像的感兴趣区域，最后获取了全部可使人体切片的感兴趣区域。本方法还具有分割质量高精准的优点，本方法可以处理感兴趣区域中以大脑沟回为代表的呈毛细状部分，以腿部大动脉为代表的呈管状部分，以肝脏为代表的含有细小空腔部分。此外本方法还具有操作简单的好处，仅需要对感兴趣区域进行一次涂鸦，即可完成对全部可视化人体切片图像的分割，因而有更快的执行速度，更高的处理效率。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术方法的流程图；图2为本专利技术中第一张图像感兴趣区域的涂鸦示意图；图3为本专利技术中提取得到的各个光谱提取组件示意图；图4为本专利技术中对光谱提取组件进行组合得到的灰度图图5为本专利技术中分割得到的感兴趣区域示意图；图6为本专利技术中感兴趣区域的骨架示意图图7为本专利技术中由骨架生成的下一张图片的涂鸦示意图；图8为本专利技术中序列化可视人体切片的感兴趣区域示意图。具体实施方式为使本专利技术的技术方案和优点更加清楚，下面结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚完整的描述：如图1所示的一种基于光谱分析和骨架涂鸦的序列化可视人体切片图像自动分割方法，具体包括以下步骤：如图2所示，S1：提取一组序列化可视人体切片图像对第一张图形进行涂鸦标记：标记出该图像中需要分割的组织或器官部分。S11：对序列化可视人体切片图像的第一张中需要提取的组织或器官以纯白色进行标记；S本文档来自技高网...

【技术保护点】
1.一种基于光谱分析和骨架涂鸦的序列化可视人体切片图像自动分割方法，其特征在于包括以下步骤：S1：提取一组序列化可视人体切片图像对第一张图形进行涂鸦标记：标记出该图像中需要分割的组织或器官部分；S2：提取第一张图像的光谱分析组件：通过拉普拉斯提取矩阵将图像划分为多个光谱分析组件；S3：对提取到的光谱分析组件进行组合处理：通过S1获得的涂鸦标记将S2中得到的光谱分析组件进行组合获取感兴趣区域；S4：利用骨架算法计算感兴趣区域的骨架；S5：利用骨架对第二张图片的待分割部分进行涂鸦标记；S6：循环处理该组序列化可视人体切片图像：对第二张图像提取光谱分析组件，利用S5得到的涂鸦标记对光谱分析组件进行组合得到第二张图像的感兴趣区域，将第二张感兴趣区域的骨架信息涂鸦标记在第三张图像上即循环执行S2、S3、S4、S5直到获取全部图像的分割结果。

【技术特征摘要】
1.一种基于光谱分析和骨架涂鸦的序列化可视人体切片图像自动分割方法，其特征在于包括以下步骤：S1：提取一组序列化可视人体切片图像对第一张图形进行涂鸦标记：标记出该图像中需要分割的组织或器官部分；S2：提取第一张图像的光谱分析组件：通过拉普拉斯提取矩阵将图像划分为多个光谱分析组件；S3：对提取到的光谱分析组件进行组合处理：通过S1获得的涂鸦标记将S2中得到的光谱分析组件进行组合获取感兴趣区域；S4：利用骨架算法计算感兴趣区域的骨架；S5：利用骨架对第二张图片的待分割部分进行涂鸦标记；S6：循环处理该组序列化可视人体切片图像：对第二张图像提取光谱分析组件，利用S5得到的涂鸦标记对光谱分析组件进行组合得到第二张图像的感兴趣区域，将第二张感兴趣区域的骨架信息涂鸦标记在第三张图像上即循环执行S2、S3、S4、S5直到获取全部图像的分割结果。2.根据权利要求1所述的一种基于光谱分析和骨架涂鸦的序列化可视人体切片图像自动分割方法，其特征还在于：通过拉普拉斯提取矩阵将图片划分为多个光谱分析组件采用如下方式：S21：计算图像的拉普拉斯提取矩阵L、再计算该矩阵L的最小特征向量；S22：设定聚类得到的分类的总数K；S23：利用K-means算法对拉普拉斯提取矩阵的最小特征向量进行聚类操作生成K个聚类得到的向量，结果为矩阵E[e1,e2,e3...eK]；S24：通过牛顿法求解聚类得到的向量的线性变换：利用牛顿法求解在满足：的条件下αk＝Eyk使得I最小的[y1,y2,y3...yK]，其中γ是一常数取值范围为0.8-0.9，此时对应的α1,α2,...αK为提取组件。3.根据权利要求1所述的一种基于光谱分析和骨架涂鸦的序列化可视人体切片图像自动分割方法，其特征还在于：对提取到的光谱分析组件进行组合处理采用如下方式：S31：判断每一个光谱提取组件上是否有纯白色或纯黑色标记，生成一个矩阵V＝[S,W,B]，其中Si表示光谱提取组件的编号，Wi表示是否有白色涂鸦标记，Bi表示是否有黑色涂鸦标记；S32：计算矩阵E，其中矩阵E由光谱提取组件α1,α2,...αK和拉普...

【专利技术属性】
技术研发人员：刘斌，傅川溥，张洪源，张逸凡，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：辽宁,21