一种肝脏影像分割方法及系统技术方案

本发明专利技术涉及一种肝脏影像分割方法及系统，其方法包括S1，获取原始图像，并进行脊波变换后得到粗尺度图像；S2，将粗尺度图像经过模糊聚类算法处理后得到初始分割影像；S3，对初始分割影像进行影像重构，得到重构图像，并计算出重构图像的聚类中心；S4，调节每个细尺度像素点到各个聚类中心的距离和细尺度像素点的隶属度；S5，根据细尺度像素点计算得出像素相关性；S6，根据像素相关性、隶属度和距离计算出目标函数，并建立约束条件，且将约束条件代入目标函数以得到改善目标函数；S7，判断改善目标函数是否满足收敛条件，若满足，则完成重构图像的影像分割。该方法具有抗噪声能力强，复杂度低等特点，能准确输出肝脏影像分割结果。

A Liver Image Segmentation Method and System

The invention relates to a liver image segmentation method and system, which includes S1, acquiring the original image and ridgelet transform to obtain the coarse-scale image; S2, after processing the coarse-scale image by a fuzzy clustering algorithm, to obtain the initial segmentation image; S3, image reconstruction of the initial segmentation image, to obtain the reconstructed image, and calculate the clustering center of the reconstructed image; Section 1. Distance from each fine-scale pixel to each clustering center and membership degree of fine-scale pixels; S5, pixel correlation is calculated based on fine-scale pixels; S6, objective function is calculated according to pixel correlation, membership degree and distance, and constraints are established, and constraints are substituted into objective function to get improved objective function; S7, judging whether the improved objective function is improved or not. If the convergence condition is satisfied, the image segmentation of the reconstructed image is completed. This method has strong anti-noise ability and low complexity, and can accurately output liver image segmentation results.

【技术实现步骤摘要】
一种肝脏影像分割方法及系统
本专利技术涉及影像处理领域，尤其涉及一种肝脏影像分割方法及系统。
技术介绍
影像分割是影像处理和计算机视觉领域的基础。分割结果直接影响着后续任务的有效性和效率。影像分割的目的就是把目标从背景中提取出，分割过程主要基于影像的固有特征，如灰度、纹理、对比度、亮度、彩色特征等将影像分成具有各自特性的同质区域。医学影像分割就是把影像分成多个特定的，具有相同或类似特征的区域，提取出感兴趣的组织或者将它与其它的组织明显分开，以便医生进行分析和诊断。比如，通过分割，可以把肝脏病变组织和健康组织分开，把脑部切片的白质和灰质分开。它不仅是实现可视化的前提和预处理步骤，也是提取医学影像中特殊组织的定量信息的关键。分割后的影像被应用在各种场合，如病变组织的定位，组织容积的诊断，制定手术方案和手术导航等。脊波(Ridgelet)是一种非自适应的高维函数表示方法，具有方向选择和识别能力，可以更有效地表示信号中具有方向性的奇异特征。脊波变换首先对影像进行Radon变换，即把影像中的一维奇异性比如影像中的直线映射成Randon域的一个点，然后用一维小波进行奇异性的检测，从而有效地解决了本文档来自技高网...

【技术保护点】
1.一种肝脏影像分割方法，其特征在于，包括以下几个步骤：S1，获取原始图像，并对所述原始图像进行脊波变换得到粗尺度图像，所述粗尺度图像包括多个粗尺度像素点；S2，将所述粗尺度图像经过模糊聚类算法处理后得到初始分割影像；S3，对所述初始分割影像进行影像重构，得到重构图像，并计算出所述重构图像的多个聚类中心；所述重构图像包括多个细尺度像素点；S4，调节每个所述细尺度像素点到各个所述聚类中心的距离，并调节所述细尺度像素点的隶属度；S5，根据所述细尺度像素点计算得出像素相关性；S6，根据所述像素相关性、所述隶属度和所述距离计算出目标函数，并建立约束条件，且将所述约束条件代入所述目标函数，得到改善目标函...

【技术特征摘要】
1.一种肝脏影像分割方法，其特征在于，包括以下几个步骤：S1，获取原始图像，并对所述原始图像进行脊波变换得到粗尺度图像，所述粗尺度图像包括多个粗尺度像素点；S2，将所述粗尺度图像经过模糊聚类算法处理后得到初始分割影像；S3，对所述初始分割影像进行影像重构，得到重构图像，并计算出所述重构图像的多个聚类中心；所述重构图像包括多个细尺度像素点；S4，调节每个所述细尺度像素点到各个所述聚类中心的距离，并调节所述细尺度像素点的隶属度；S5，根据所述细尺度像素点计算得出像素相关性；S6，根据所述像素相关性、所述隶属度和所述距离计算出目标函数，并建立约束条件，且将所述约束条件代入所述目标函数，得到改善目标函数；S7，判断所述改善目标函数是否满足收敛条件，若满足，则完成所述重构图像的影像分割；若不满足，则重新执行S4至S7。2.根据权利要求1所述的肝脏影像分割方法，其特征在于，所述S3的具体实现如下：建立各个所述粗尺度像素点的相似性函数，并根据所述相似性函数计算出所述细尺度像素xn与所述粗尺度像素的相似度，且根据所述相似度确定所述聚类中心，所述相似性函数如下：其中，g(xn)为所述细尺度像素点的灰度值，xn为第n个所述细尺度像素点，μn-1为所述粗尺度像素点的灰度平均值；σn-1为所述粗尺度像素点标准差；k为所述粗尺度像素点的数量,所述细尺度像素xn与所述粗尺度像素的相似度。3.根据权利要求1所述的肝脏影像分割方法，其特征在于，所述S5的具体实现为：通过如下公式计算所述像素相关性；其中，i为所述聚类中心的编号；j为所述细尺度像素点的编号；Rkj为所述重构图像中邻域像素xk与中心像素xj的相关性；为所述重构图像的反应空间相关性；为所述重构图像的反应灰度相关性。4.根据权利要求3所述的肝脏影像分割方法，其特征在于，所述目标函数为：其中，C是预设的聚类数目，n是所述重构影像中像素点的数目，uij为第j个像素隶属于第i类的隶属度，其中，0≤uij≤1；m为预设的模糊因子，其中，m＞1，dij＝||xj-vi||为第j个所述细尺度像素点到第i个所述聚类中心之间的距离，dik为第i个所述聚类中心与所述邻域像素xk之间的距离。5.根据权利要求4所述的肝脏影像分割方法，其特征在于，所述约束条件为：6.一种肝脏影像分割系统，其特征在于，包括：脊...

【专利技术属性】
技术研发人员：王海洋，范帅帅，廖华明，刘大伟，李雪梅，
申请(专利权)人：烟台中科网络技术研究所，中国科学院计算技术研究所，
类型：发明
国别省市：山东,37