图像分割方法和装置制造方法及图纸

本发明专利技术提供了一种图像分割方法和装置，所述图像分割方法包括：(a)从图像中检测感兴趣目标的初始轮廓；(b)根据对比度特性对初始轮廓上的点进行分类；(c)为不同种类的点构造不同的能量函数模型，基于构造的能量函数模型计算用于图像分割的曲线的演进函数，并根据演进函数在图像中移动水平集曲线；(d)确定移动后的水平集曲线是否已经收敛，如果确定水平集曲线已经收敛，则将移动后的水平集曲线输出为图像分割的结果，如果确定移动后的水平集曲线没有收敛，则以移动后的水平集曲线的作为初始轮廓，再次执行步骤(b)和步骤(c)，直到得到收敛的水平集曲线为止。

Image segmentation method and apparatus

The present invention provides a method and apparatus for image segmentation, the image segmentation method comprises: (a) the initial contour detection of object of interest from the image; (b) according to the contrast characteristics to classify the initial contour points; (c) as the energy function models of different different point structure. For the evolution of function curve of image segmentation model based on computational energy function, and according to the evolution of function in the image mobile level set curve; (d) determined after moving the level set curve is convergence, if it is determined the level set curve has been convergence, then after moving the level set curve output for image segmentation the result, if it is determined after moving the level set curve does not converge, is set to the level of the moving curve as the initial contour, step again (b) and step (c), until the convergence level set Until the curve.

【技术实现步骤摘要】

本专利技术涉及图像分割
更具体地讲，涉及一种可以在医学中使用的用于肿瘤诊断的图像分割方法和装置。
技术介绍
图像分割是指将图像分割成具有特征的区域并提取感兴趣的目标的技术，是图像处理和计算机视觉领域中的一个基本问题。而医学图像的图像分割技术是主要的研究方向之一。在医学图像处理中，图像分割常常用于病变区域提取，例如，自动分割和提取超声波图像中的肿瘤区域。已经进行了大量研究并提出了多种用于医学图像分割的技术。其中，活动轮廓模型(ACM)是最成功的方法之一，该方法因为其演化过程与处理的结果是一条清晰完整的目标轮廓曲线，而成为当前研究的热点对象。ACM的基本概念是在某些限制的条件下演进曲线以提取期望的目标。根据限制的性质，现有的ACM可被分类为两种类型：基于边缘的模型和基于区域的模型。基于边缘的模型的基本思想是先检测图像中的边缘点，然后按一定的策略连接成轮廓，从而构成分割区域。基于区域的分割方法直接在图像空间域中所划分的区域满足同性质为准则，提取若干特征相近或相同本文档来自技高网...

【技术保护点】
一种图像分割方法，包括：(a)从图像中检测感兴趣目标的初始轮廓；(b)根据对比度特性对初始轮廓上的点进行分类；(c)为不同种类的点构造不同的能量函数模型，基于构造的能量函数模型计算用于图像分割的曲线的演进函数，并根据演进函数在图像中移动水平集曲线；(d)确定移动后的水平集曲线是否已经收敛，如果确定水平集曲线已经收敛，则将移动后的水平集曲线输出为图像分割的结果，如果确定移动后的水平集曲线没有收敛，则以移动后的水平集曲线的作为初始轮廓，再次执行步骤(b)和步骤(c)，直到得到收敛的水平集曲线为止。

【技术特征摘要】
1.一种图像分割方法，包括：
(a)从图像中检测感兴趣目标的初始轮廓；
(b)根据对比度特性对初始轮廓上的点进行分类；
(c)为不同种类的点构造不同的能量函数模型，基于构造的能量函数模型
计算用于图像分割的曲线的演进函数，并根据演进函数在图像中移动水平集
曲线；
(d)确定移动后的水平集曲线是否已经收敛，如果确定水平集曲线已经收
敛，则将移动后的水平集曲线输出为图像分割的结果，如果确定移动后的水
平集曲线没有收敛，则以移动后的水平集曲线的作为初始轮廓，再次执行步
骤(b)和步骤(c)，直到得到收敛的水平集曲线为止。
2.如权利要求1所述的图像分割方法，其中，在步骤(a)通过可变形部
分模型DPM来检测初始轮廓。
3.如权利要求1所述的图像分割方法，在步骤(b)中，根据局部符号压
力函数LSPF将初始轮廓上的点分类为高对比度类型的点和低对比度类型的
点，
其中，LSPF函数的定义如下：
LSPF(I(x))=I(x)-(u+v)/2max(|I(x)-(u+v)/2|),]]>x∈Ω，
u＝∫Cc1(x)dx/∫Cdxv＝∫Cc2(x)dx/∫Cdx，
c1(x)=∫ΩI(y)B(x,y)Hφ(y)dy∫ΩB(x,y)Hφ(y)dy]]>c2(x)=∫ΩI(y)B(x,y)(1-Hφ(y))dy∫ΩB(x,y)(1-Hφ(y))dy,]]>其中，I表示在区域Ω上限定的给定图像，x表示图像中的点，u和v分
别表示局部内部平均强度和局部外部平均强度，c1(x)和c2(x)分别表示在每个
点附近的局部内部平均强度和局部外部平均强度，C表示作为初始轮廓的符
号距离函数φ的零水平集的闭合曲线，y表示中心为x、半径为r的圆范围内
的点，B(x，y)表示覆盖的局部区域，
其中，当初始轮廓上的点的局部区域B(x，y)内的LSPF值大于0的点的
数量Npos(x)和小于0的点的数量之间的比率min(Npos(x)，Nneg(x))/max(Npos(x)
满足min(Npos(x)，Nneg(x))/max(Npos(x)＜阈值τ，则将该点x确定为高对比度类

\t型的点，反之，如果min(Npos(x)，Nneg(x))/max(Npos(x)，Nneg(x))大于或等于τ，
则认为该点是低对比度类型的点。
4.如权利要求3所述的图像分割方法，在步骤(c)，为高对比度类型的
点构建的能量函数定义为E1(φ)＝∫C\\Aδφ(x)∫ΩB(x，y)F(I(y)，φ(y))dydx，为低对比度类
型的点构建的能量函数定义为
E2(φ)＝∫Aδφ(x)∫ΩB(x，y)F(I(y)，φ(y))dydx+α∫Aδφ(x)F(I(x)，φ(x))dx，
其中，C\\A表示初始轮廓上的高对比度类型的点，A表示初始轮廓上的
低对比度类型的点，F表示基于区域的图像分割能量函数，
最终的能量函数模型定义为：
E(φ)=∫Cδφ(x)∫ΩB(x,y)F(I(y),φ(y))dydx+α∫Aδφ(x)F(I(x),φ(x))dx+β∫Cδφ(x)||▿φ(x)||dx,]]>其中，α和β是权重值。
5.如权利要求4所述的图像分割方法，其中，在步骤(c)，F是Chan-Vese
模型函数，最终的曲线演进函数的定义如下：
∂φ∂t(x)=δφ(x)∫ΩB(x,y)[-λ1(I(x)-c1(x))2+λ2(I(x)-c2(x))2]dy|x∈C+αδφ(x)[-λ1(I(x)-cin)2+λ2(I(x)-cout)2]|x∈A+βδφ(x)div(▿φ(x)|▿φ(x)|)|x∈C,]]>其中，c1(x)和c2(x)分别表示在每个点附近的局部内部平均强度和局部外
部平均强度，cin和cout分别表示全局内部平均和全局外部平均，其定义如下：
cin=∫ΩI(x)Hφ(x)dx∫ΩHφ(x)dx]]>cout=∫ΩI(x)(1-Hφ(x))dx∫Ω(1-Hφ(x))dx.]]>6.一种图像分割装置，包括：
目...

【专利技术属性】
技术研发人员：刘志花，任海兵，张丽丹，张红卫，冀永楠，金智渊，禹景久，
申请(专利权)人：北京三星通信技术研究有限公司，三星电子株式会社，
类型：发明
国别省市：北京;11