一种基于连通区域分析的肺部图像分割方法及系统技术方案

本发明专利技术涉及图像处理技术领域，具体涉及一种基于连通区域分析的肺部图像分割方法及系统，所述方法为：首先获取肺部的超声图像，对超声图像进行预处理，得到灰度图像；接着采用图像边缘检测算法从所述灰度图像中选取肺部特征区域；并构建肺部特征区域的亮度模型，确定所述肺部特征区域的亮度范围；根据所述肺部特征区域的亮度范围构建前景概率模型，将灰度图像中符合概率模型的像素集作为前景，标记灰度图像中的前景轮廓线；最后对灰度图像进行形态学图像处理，通过分水岭算法确定肺部连通区域，提取肺部连通区域内的灰度图像作为肺部图像，本发明专利技术还相应的提供了基于连通区域分析的肺部图像分割系统，本发明专利技术能够提取准确度更高的肺部图像。

A lung image segmentation method and system based on connected region analysis

【技术实现步骤摘要】
一种基于连通区域分析的肺部图像分割方法及系统
本专利技术涉及图像处理
，具体涉及一种基于连通区域分析的肺部图像分割方法及系统。
技术介绍
由于肺部和周围的脏器紧密邻接、灰度接近，且CT成像设备获取的图像具有内在的不确定性，往往导致超声图像中的肺部边缘较模糊。传统的手动分割超声图像不仅耗时间，并且它还包含大量的专家之间存在的或专家自身内在的差异。目前图像处理领域中，图像分割技术是图像识别和计算机视觉技术中至关重要的预处理，图像分割是把图像分割成若干个特定的且具有独特性质的区域，并提出感兴趣目标的过程。医学图像分割辅助医生识别病人的内部组织器官及病灶区域，在计算机辅助治疗及手术规划中发挥至关重要的作用，临床医生迫切需要一种简单、快速、准确的肺部图像分割方法。
技术实现思路
为解决上述问题，本专利技术提供一种基于连通区域分析的肺部图像分割方法及系统，旨在至少解决现有技术中存在的技术问题之一。为了实现上述目的，本专利技术提供以下技术方案：根据本专利技术第一方面实施例提供的一种基于连通区域分析的肺部图像分割方法，包括：获取肺部的超声图像，对超声图像进行预处理，得到灰度图像；采用图像边缘检测算法从所述灰度图像中选取肺部特征区域；构建肺部特征区域的亮度模型，确定所述肺部特征区域的亮度范围；根据所述肺部特征区域的亮度范围构建前景概率模型，将灰度图像中符合概率模型的像素集作为前景，标记灰度图像中的前景轮廓线；对灰度图像进行形态学图像处理，通过分水岭算法确定肺部连通区域，提取肺部连通区域内的灰度图像作为肺部图像。进一步，所述对超声图像进行预处理，得到灰度图像，具体为：对包含肺部影像的超声图像进行高斯滤波，将其转化为灰度均值为0，方差为1的标准化数据，得到灰度图像。进一步，所述图像边缘检测算法采用Soble边缘检测算法、Canny算子中任一种。进一步，所述构建肺部特征区域的亮度模型，确定所述肺部特征区域的亮度范围，具体为：采用如下所列高斯函数拟合肺部区域的亮度分布：其中，x表示肺部特征区域的像素点，p(x)表示肺部特征区域的亮度函数，k表示高斯分布的峰值，m表示高斯分布的中心，n表示高斯分布的宽度；将肺部特征区域的亮度范围取为[Lmin,Lmax]，其中，Lmin＝m-n，Lmax＝m+n。进一步，所述根据所述肺部特征区域的亮度范围构建前景概率模型，具体为：通过以下公式计算灰度图像中像素点为的前景概率：其中，L为图像亮度；将得到的亮度模型p(L)进行各向异性滤波，并归一化至[0，1]的取值范围内；将大于设定阈值的像素点作为前景。进一步，所述对灰度图像进行形态学图像处理，得到前景轮廓线的内部标记和外部标记，具体为：采用3x3的模板进行形态学腐蚀操作，得到一个位于肺部内部的区域，作为前景轮廓线的内部标记；采用3x3的模板对原图像进行形态学膨胀操作获取外部标记，并通过边缘检测获取外部标记的边界，作为前景轮廓线的外部标记；将内部标记与外部标记的边界叠加于形态学图像处理后的灰度图像上。根据本专利技术第二方面实施例提供的一种基于连通区域分析的肺部图像分割系统，所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的模块中：预处理模块，用于获取肺部的超声图像，对超声图像进行预处理，得到灰度图像；肺部特征区域选取模块，用于采用图像边缘检测算法从所述灰度图像中选取肺部特征区域；亮度范围确定模块，用于构建肺部特征区域的亮度模型，确定所述肺部特征区域的亮度范围；前景轮廓线标记模块，用于根据所述肺部特征区域的亮度范围构建前景概率模型，将灰度图像中符合概率模型的像素集作为前景，标记灰度图像中的前景轮廓线；肺部图像提取模块，用于对灰度图像进行形态学图像处理，通过分水岭算法确定肺部连通区域，提取肺部连通区域内的灰度图像作为肺部图像。本专利技术的有益效果是：本专利技术公开一种基于连通区域分析的肺部图像分割方法及系统，所述方法为：首先获取肺部的超声图像，对超声图像进行预处理，得到灰度图像；接着采用图像边缘检测算法从所述灰度图像中选取肺部特征区域；并构建肺部特征区域的亮度模型，确定所述肺部特征区域的亮度范围；根据所述肺部特征区域的亮度范围构建前景概率模型，将灰度图像中符合概率模型的像素集作为前景，标记灰度图像中的前景轮廓线；最后对灰度图像进行形态学图像处理，通过分水岭算法确定肺部连通区域，提取肺部连通区域内的灰度图像作为肺部图像。本专利技术还相应的提供了基于连通区域分析的肺部图像分割系统，本专利技术能够提取准确度更高的肺部图像。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例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专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例一种基于连通区域分析的肺部图像分割方法的流程示意图；图2是本专利技术实施例一种基于连通区域分析的肺部图像分割系统的结构示意图。具体实施方式以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本公开的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。参考图1，如图1所示为一种基于连通区域分析的肺部图像分割方法，包括以下步骤：步骤S100、获取肺部的超声图像，对超声图像进行预处理，得到灰度图像。步骤S200、采用图像边缘检测算法从所述灰度图像中选取肺部特征区域。步骤S300、构建肺部特征区域的亮度模型，确定所述肺部特征区域的亮度范围。步骤S400、根据所述肺部特征区域的亮度范围构建前景概率模型，将灰度图像中符合概率模型的像素集作为前景，标记灰度图像中的前景轮廓线。步骤S500、对灰度图像进行形态学图像处理，通过分水岭算法确定肺部连通区域，提取肺部连通区域内的灰度图像作为肺部图像。本实施例中，首先对超声图像进行预处理，得到灰度图像，便于后续图像的处理；接着采用图像边缘检测算法从所述灰度图像中选取肺部特征区域，初步确定肺部区域，进而根据所述肺部特征区域的亮度范围构建前景概率模型，从而形成对肺部区域进行判定的优化策略，将灰度图像中符合概率模型的像素集作为前景，标记灰度图像中的前景轮廓线，重新界定肺部区域，接着对灰度图像进行形态学图像处理，通过分水岭算法确定肺部连通区域，对肺部区域进一步微调，得到高准确度的肺部边界，最后提取肺部连通区域内的灰度图像作为肺部图像。本专利技术提供的实施例通过上述流程，可以提取准确度更高的肺部图像。在一个改进的实施例中，所述步骤S100中，对超声图像进行预处理，得到灰度图像，具体为本文档来自技高网...

【技术保护点】
1.一种基于连通区域分析的肺部图像分割方法，其特征在于，包括：/n获取肺部的超声图像，对超声图像进行预处理，得到灰度图像；/n采用图像边缘检测算法从所述灰度图像中选取肺部特征区域；/n构建肺部特征区域的亮度模型，确定所述肺部特征区域的亮度范围；/n根据所述肺部特征区域的亮度范围构建前景概率模型，将灰度图像中符合概率模型的像素集作为前景，标记灰度图像中的前景轮廓线；/n对灰度图像进行形态学图像处理，通过分水岭算法确定肺部连通区域，提取肺部连通区域内的灰度图像作为肺部图像。/n

【技术特征摘要】
1.一种基于连通区域分析的肺部图像分割方法，其特征在于，包括：
获取肺部的超声图像，对超声图像进行预处理，得到灰度图像；
采用图像边缘检测算法从所述灰度图像中选取肺部特征区域；
构建肺部特征区域的亮度模型，确定所述肺部特征区域的亮度范围；
根据所述肺部特征区域的亮度范围构建前景概率模型，将灰度图像中符合概率模型的像素集作为前景，标记灰度图像中的前景轮廓线；
对灰度图像进行形态学图像处理，通过分水岭算法确定肺部连通区域，提取肺部连通区域内的灰度图像作为肺部图像。


2.根据权利要求1所述的一种基于连通区域分析的肺部图像分割方法，其特征在于，所述对超声图像进行预处理，得到灰度图像，具体为：
对包含肺部影像的超声图像进行高斯滤波，将其转化为灰度均值为0，方差为1的标准化数据，得到灰度图像。


3.根据权利要求1所述的一种基于连通区域分析的肺部图像分割方法，其特征在于，所述图像边缘检测算法采用Soble边缘检测算法、Canny算子中任一种。


4.根据权利要求2所述的一种基于连通区域分析的肺部图像分割方法，其特征在于，所述构建肺部特征区域的亮度模型，确定所述肺部特征区域的亮度范围，具体为：
采用如下所列高斯函数拟合肺部区域的亮度分布：

其中，x表示肺部特征区域的像素点，p(x)表示肺部特征区域的亮度函数，k表示高斯分布的峰值，m表示高斯分布的中心，n表示高斯分布的宽度；
将肺部特征区域的亮度范围取为[Lmin,Lmax]，其中，Lmin＝m-n，Lmax＝m+n。


5.根据权利要求4所述的一种基于连通区域分析的肺部图像分割方法，其特征在于，所...

【专利技术属性】
技术研发人员：钟勇，霍颖瑜，
申请(专利权)人：佛山科学技术学院，
类型：发明
国别省市：广东;44