一种基于点距离函数形状约束的半自动医学图像分割方法技术

本发明专利技术公开一种基于点距离函数形状约束的半自动医学图像分割方法，包括以下步骤：选取待处理医学图像，并定义图像中平面上N点距离函数；将点距离函数的形状约束融入到变分框架，得到基于点距离函数形状约束的活动轮廓模型；求解活动轮廓模型；求解梯度流方程，得到图像的分割。本发明专利技术能够灵活地描述如圆、类圆、椭圆、超椭圆、曲边三角形、曲边四边形和心形等形状，能够有效地分割带有边界缺失的医学图像，并且不需要建立目标形状数据库或者优化形状参数。

A semi-automatic medical image segmentation method based on point distance function shape constraint

The invention discloses a semi-automatic segmentation method of medical image distance function based on shape constraints, including the following steps: selection of medical image processing, and image definition in the N distance function plane; point distance function shape constraint into the variational framework, get a little distance of active contour model based on shape constraint function solution; active contour model; solving the gradient flow equation, image segmentation. The invention can flexibly describe such as circle, ellipse, round, ellipse, super curved triangle, curved quadrilateral and heart shape, can effectively segment the medical image with boundary loss, and does not need to establish the target shape or shape parameter database optimization.

【技术实现步骤摘要】
一种基于点距离函数形状约束的半自动医学图像分割方法
本专利技术属于医学图像处理
，具体涉及一种基于点距离函数形状约束的半自动医学图像分割方法。
技术介绍
医学图像中，常常存在各种原因引起的图像数据缺失的情况，表现在图像上为器官、组织和病灶的边界缺失。此时，仅利用图像的灰度信息很难分割出感兴趣的组织或者器官轮廓。针对目标图像数据丢失的图像分割，现有一种常有的分割方法是结合图像的先验形状信息。现有图像分割中先验形状的表示方法主要有两种：一种是通过建立目标形状的数据库，利用数据分析(如聚类、机器学习等方法)得到目标先验形状的表示方法，此种方法的缺陷是建立目标先验形状数据库需要耗费大量的人力物力，并且对于大部分试验而言，这样的数据库往往很难得到；另一种图像先验形状的表示方法是利用待分割目标所具有的共有的形状特征，将目标的先验形状用参数化的曲线或曲面来描述，该方法需要估计先验形状的参数。Cootes等人提出了一种主动形状模型(ASM)。主动形状模型的基本思想是以目标物体的轮廓作为训练样本，用点分布模型(point-distributionmodel)进行描述，构造样本的先验模型。点分布模本文档来自技高网...

【技术保护点】
一种基于点距离函数形状约束的半自动医学图像分割方法，其特征在于：包括以下步骤：(1)选取待处理医学图像，并定义图像中平面上N点距离函数；(2)将点距离函数的形状约束融入到变分框架，得到基于点距离函数形状约束的活动轮廓模型；(3)快速算法求解步骤(2)中建立的基于点距离函数形状约束的活动轮廓模型；(4)利用主对偶算法求解步骤(3)中建立的梯度流方程，得到图像的分割。

【技术特征摘要】
1.一种基于点距离函数形状约束的半自动医学图像分割方法，其特征在于：包括以下步骤：(1)选取待处理医学图像，并定义图像中平面上N点距离函数；(2)将点距离函数的形状约束融入到变分框架，得到基于点距离函数形状约束的活动轮廓模型；(3)快速算法求解步骤(2)中建立的基于点距离函数形状约束的活动轮廓模型；(4)利用主对偶算法求解步骤(3)中建立的梯度流方程，得到图像的分割。2.根据权利要求1所述的基于点距离函数形状约束的半自动图像分割方法，其特征在于：所述步骤(1)中的N点距离函数定义如下：假设{P1,P2,…,PN}为R2中给定的N个点，{D1,D2,…,DN}是每个点Pk＝(xk,yk)对应的欧氏距离：则N点距离函数定义为：为平面上点P和给定点{P1,P2,…,PN}之间距离的线性组合，代表平面上点P和给定点{P1,P2,…,PN}之间的某种距离，αk为实常数(k＝1,…,N),对任意正常数T，记表示一个区域，的边界与某些形状吻合；如果所有的αk都为正数，则的边界为凸的，如果αk中某些为负，的边界可能与某些凹边界吻合。3.根据权利要求1所述的基于点距离函数形状约束的半自动医学图像分割方法，其特征在于：所述步骤(2)中将步骤(1)定义的点距离函数融入全局极小化的变分框架中，进而得到基于点距离函数约束的活动轮廓模型：其中λ1,λ2,μ为权重参数,Hε(φ)是正则化的Heaviside函数,即ϵ0,φ(x)<ϵ12(1+φϵ+1πsin(πφ(x)ϵ)),|φ(x)|≥ϵ]]>D是点距离函数的归一化，即D∈(0,1)，d1和d2是数据项，不同类型的图像可以选择不同的d1和d2，由于医学图像中经常存在图像灰度不均的情况，需要更加鲁棒的纹理描述算子来刻画图像的纹理，因此此处取d1和d2如下：d1＝1-K(t(y),tin(y)),d2＝1-K(t(y),tout(y)),K是一个高斯核函数，t＝[m(x),s(x)]是一个简单的纹理描述算子，用以描述图像的纹理信息。K具有以下形式：1m(x),s(x)分别代表图像灰度的均值和方差；tin和tout表示轮廓内外的图像灰度均值和方差组成的纹理描述算子，具体如下：Ω1代表图像中轮廓...

【专利技术属性】
技术研发人员：刘海蓉，李旭，杨孝平，向妮，
申请(专利权)人：南京林业大学，
类型：发明
国别省市：江苏,32