【技术实现步骤摘要】
本专利技术属于人体器官可视化
,特别涉及。
技术介绍
人体器官可视化研究在20世纪后期出现,以信息技术和医学科学为基础,这是一个先进且跨学科研究的领域。获取并数字化人体器官结构的基本数据是人体可视化科学研究的基础和如提,具有很闻的学术意义和研究价值。目如,人体可视化研究已完成了超大规模(百GB级别)彩色切片图像的精确采集阶段。面对如此庞大的图像数据,使用繁重的手工分割或半自动交互式分割方法提取人体器官的几何模型是一项巨大的工程。因此,为了提高人体彩色切片图像分割的效率和质量,亟待研究一种针对此超大规模序列化彩色切片图像数据集的人体器官快速准确分割方法。对于虚拟可视人彩色切片图像分割,国内学者提出了一些方法,发表的文献包括:《系统仿真学报》的“基于Canny算子的水平集数字虚拟人图像分割算法”,该算法结合了Canny算子精确定位边界的优点和Level Set图像空间连续演化的思想,该算法可得到较好的目标分割结果。《计算机应用研究》的“利用支持向量机分割虚拟人切片数据”提出了基于支持向量机的虚拟人切片数据分割方法,提高了虚拟人切片数据分割的自动化程度,在一定程度上可以实现自动分割,但在分割过程中需要大量时间来获取准确的空间信息,另外该方法的分割速度较慢,因此无法实现实时高效的分割操作。国外的相关文献中也报道了类似的研究成果。在《Computerized Medical Imagingand Graphics〉〉上发表的“Segmentation and three-dimension reconstruction of Chinesedig ...
【技术保护点】
一种基于骨架角点的可视化人体切片图像序列化分割方法,其特征包括以下步骤:(1)载入序列化可视人体彩色切片图像数据集以及备用的相邻彩色像素颜色相似度阈值;(2)开辟种子点集空间,并手动方式在第一幅图像上选取若干种子点,将其存储在种子点集空间中;(3)相邻像素间的颜色相似度比较:从种子点集空间中提取一个种子点,计算种子点与其邻域像素的颜色相似度,与备用的颜色相似度阈值进行比较,若计算得到的颜色相似度大于预设的颜色相似度阈值,且该邻域像素未标记过,则将该邻域像素存储在种子点集空间中,并标记该像素;否则舍弃该邻域像素。遍历整个种子点集空间,重复本步骤,直至本幅图像所有符合颜色相似度条件的像素都存储在种子点集空间中为止,并将整个种子点集空间看做为本幅图像分割得到的目标二值图像;若当前幅图像为最后一幅图像,则结束整个分割过程;(4)骨架图像提取:对步骤(3)所得到的目标二值图像进行骨架提取,得到本幅图像的目标骨架图像,同时清空种子点集空间;(5)下一幅切片图像种子点自动生成:采用角点检测方法对已得到的目标骨架进行处理,将所得到的若干个角点的位置作为下一幅图像的种子点坐标,并将其存储在种子点集空间中 ...
【技术特征摘要】
1.一种基于骨架角点的可视化人体切片图像序列化分割方法,其特征包括以下步骤: (1)载入序列化可视人体彩色切片图像数据集以及备用的相邻彩色像素颜色相似度阈值; (2)开辟种子点集空间,并手动方式在第一幅图像上选取若干种子点,将其存储在种子点集空间中; (3)相邻像素间的颜色相似度比较:从种子点集空间中提取一个种子点,计算种子点与其邻域像素的颜色相似度,与备用的颜色相似度阈值进行比较,若计算得到的颜色相似度大于预设的颜色相似度阈值,且该邻域像素未标记过,则将该邻域像素存储在种子点集空间中,并标记该像素;否则舍弃该邻域像素。遍历整个种子点集空间,重复本步骤,直至本幅图像所有符合颜色相似度条件的像素都存储在种子点集空间中为止,并将整个种子点集空间看做为本幅图像分割得到的目标二值图像;若当前幅图像为最后一幅图像,则结束整个分割过程; (4)骨架图像提取:对步骤(3)所得到的目标二值图像进行骨架提取,得到本幅图像的目标骨架图像,同时清空种子点集空间; (5)下一幅切片图像种子点自动生成:采用角点检测方法对已得到的目标骨架进行处理,将所得到的若干个角点的位置作为下一幅图像的种子点坐标,并将其存储在种子点集空间中; (6)返回步骤(3 ),实现连续分割,直至所有待分割切片图像都分割完毕。2.根据权利要求书I所述的可视化人体切片图像序列化分割方法,其特征在于,步骤(3)中利用基于尺度不变性的语义数学模型方法计算两个像素间的相似度: 首先,对于待比较的两个像素(RpGpB1)和(R2,G2, B...
【专利技术属性】
技术研发人员:刘斌,田博,范珏辉,王蒙,
申请(专利权)人:大连理工大学,
类型:发明
国别省市:辽宁;21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。