X光图像的智能分割方法及终端技术

本发明专利技术公开了一种X光图像的智能分割方法及终端，方法包括：计算X光图像中任一像素的局部中值和局部标准差；对X光图像进行区域生长，得到区域标记图；根据所述区域标记图对所述X光图像进行背景提取，得到背景标记掩膜图；根据所述区域标记图对所述X光图像进行聚类分类，得到分类标记图；根据所述分类标记图对所述X光图像进行近邻分类，得到修正分类标记图；根据所述区域标记图和修正分类标记图对X光图像进行曲面拟合修正，得到分类掩膜图；根据所述背景标记掩膜图和分类掩膜图对所述X光图像进行分割处理。可以避免全局灰度重叠等原因导致分类类别难以区分的问题，可有效提高图像分割的可靠性，尤其适用于对骨骼的识别和提取。

Intelligent segmentation method and terminal of X-ray image

【技术实现步骤摘要】
X光图像的智能分割方法及终端
本专利技术涉及图像处理
，尤其涉及一种X光图像的智能分割方法及终端。
技术介绍
临床上在得到X光图像后，通常需要对X光图像进行分割处理，现有技术方案可在一定程度上实现图像的分割，然而这些方案均有各自缺点，且难以将X光图像中的骨骼识别出来。(1)基于阈值分割方案：利用灰度或者细节纹理的差异，直接对图像或者对图像的变换域使用阈值方法，可以有效实现分割，然而医学图像在灰度或者纹理上对于同一组织不同区域的灰度差异较大，且不同组织也存在重叠灰度，特征不够明显，难以准确将骨骼和软组织进行有效分割。(2)基于区域生长方案：使用了区域内部的相似性信息将区域内与区域外区分开来，然而同一组织内部的差异较大，因而直接使用区域生长方法难以对骨骼有效分割和识别。(3)基于全局聚类方案：可以通过迭代方法，将相似的组织区分开来，然而X光图像对于同一组织的灰度存在很大差异，难以聚成同一类以实现骨骼的有效分割。
技术实现思路
本专利技术所要解决的技术问题是：提供一种X光图像的智能分割方法及终端，可实本文档来自技高网...

【技术保护点】
1.一种X光图像的智能分割方法，其特征在于，包括：/n计算X光图像中任一像素的局部中值和局部标准差，分别得到局部中值图像和局部标准差图像；/n对X光图像进行区域生长，得到区域标记图；/n根据所述区域标记图对所述X光图像进行背景提取，得到背景标记掩膜图；/n根据所述区域标记图对所述X光图像进行聚类分类，得到分类标记图；/n根据所述分类标记图对所述X光图像进行近邻分类，得到修正分类标记图；/n根据所述区域标记图和修正分类标记图对X光图像进行曲面拟合修正，得到分类掩膜图；/n根据所述背景标记掩膜图和分类掩膜图对所述X光图像进行分割处理。/n

【技术特征摘要】
1.一种X光图像的智能分割方法，其特征在于，包括：
计算X光图像中任一像素的局部中值和局部标准差，分别得到局部中值图像和局部标准差图像；
对X光图像进行区域生长，得到区域标记图；
根据所述区域标记图对所述X光图像进行背景提取，得到背景标记掩膜图；
根据所述区域标记图对所述X光图像进行聚类分类，得到分类标记图；
根据所述分类标记图对所述X光图像进行近邻分类，得到修正分类标记图；
根据所述区域标记图和修正分类标记图对X光图像进行曲面拟合修正，得到分类掩膜图；
根据所述背景标记掩膜图和分类掩膜图对所述X光图像进行分割处理。


2.根据权利要求1所述的X光图像的智能分割方法，其特征在于，所述对X光图像进行区域生长，得到区域标记图具体包括：
获取所述X光图像中任一像素的邻域像素；
当所述邻域像素同时满足和时，将所述邻域像素加入至所述任一像素所在的区域，其中σi表示任一像素的局部标准差，σj表示邻域像素的局部标准差，γF表示第一预设阈值，μi表示任一像素的局部中值，μj表示邻域像素的局部中值，γM表示第二预设阈值；
对所述任一像素所在的区域进行标记，得到区域标记图。


3.根据权利要求1所述的X光图像的智能分割方法，其特征在于，所述根据所述区域标记图对所述X光图像进行背景提取，得到背景标记掩膜图具体包括：
对所述X光图像进行视野四周的边缘区域提取，得到图像边缘背景；
根据所述区域标记图计算X光图像对应区域的平均灰度值和平均标准差；
当任一区域的平均灰度值不在[Tg0,Tg1]范围内，且平均标准差不在[Ts0,Ts1]范围内时，将所述任一区域作为第一背景区域；其中Ts0和Ts1均为常数；根据公式计算得到Tg0和Tg1，Imin表示X光图像的最小灰度值，Imax表示X光图像的最大灰度值，Trg0和Trg1为常数；
对非第一背景区域的区域内的任一像素在四个方向上进行连续搜索；
当其中一个方向上搜索到的所有像素的局部标准差与所述任一像素的局部标准差均大于第三预设阈值，且所有像素的局部标准差与所述任一像素的局部标准差的差值小于第四预设阈值时，将所述任一像素所在的区域作为第二背景区域；
根据所述图像边缘背景、第一背景区域和第二背景区域得到背景标记掩膜图。


4.根据权利要求1所述的X光图像的智能分割方法，其特征在于，所述根据所述区域标记图对所述X光图像进行聚类分类，得到分类标记图具体包括：
分别对区域标记图和X光图像进行分块处理；
按照分块处理后块的顺序依次搜索块中的区域；
提取搜索到的区域的邻域区域，并将提取到的邻域区域与搜索到的区域组成第一区域集合；
计算所述第一区域集合中的每个区域的平均灰度值；
通过K均值聚类分类对所述第一区域集合中的所有区域进行分类；
根据分类后的第一区域集合对搜索到的区域进行分类标记，得到分类标记图。


5.根据权利要求4所述的X光图像的智能分割方法，其特征在于，所述根据所述分类标记图对所述X光图像进行近邻分类，得到修正分类标记图具体包括：
搜索通过分类标记图不能确定类别的区域，得到不确定类别区域；
提取所述不确定类别区域的邻域区域，将提取到的邻域区域组成第二区域集合；
根据所述第二区域集合中不同类别的数量对所述不确定类别区域进行分类，得到修正分类标记图。


6.根据权利要求1所述的X光图像的智能分割方法，其特征在于，所述根据所述区域标记图和修正分类标记图对X光图像进行曲面拟合修正，得到分类掩膜图...

【专利技术属性】
技术研发人员：李华勇，刘德健，蓝重洲，叶超，
申请(专利权)人：深圳市安健科技股份有限公司，
类型：发明
国别省市：广东;44