一种应用于放疗准备的CT图像的增强方法技术

本发明专利技术涉及图像处理领域，具体涉及一种应用于放疗准备的CT图像的增强方法，获取患者的CT图像的梯度直方图，根据直方图中波峰对应像素点的梯度幅值构建混合高斯模型；将每个波峰的梯度均值作为中心梯度值，获取中心梯度值对应的像素点并进行密度聚类，以密度最大的密度聚类块的中心像素点为中心，进行梯度聚类，将得到的梯度聚类像素点作为每个波峰的目标像素点，根据目标像素点梯度值和梯度值频率得到每个波峰对应像素点梯度的离散程度，根据离散程度对高斯模型进行修正得到高斯曲线，根据高斯曲线的偏度系数得到分割阈值对相邻波峰进行分割，对分割后的每个波峰区域的像素点梯度拉伸，完成CT图像增强，提高了阈值分割精度，增强效果好。强效果好。强效果好。

【技术实现步骤摘要】
一种应用于放疗准备的CT图像的增强方法


[0001]本申请涉及图像处理领域，具体涉及一种应用于放疗准备的CT图像的增强方法。

技术介绍

[0002]基于CT的辅助医疗技术在病情诊断中是非常普遍与重要的医疗手段。根据CT图像判断患者的病变区域，然后对其进行精准的治疗。但是因为在拍摄图像时，会存在干扰，比如：部分溶剂效应，空间分辨力，密度分辨力，相机条件设定和胶片处理等，使得拍摄出来的CT图像不清晰，因此需要对其进行增强。
[0003]在现有技术中，对CT图像的增强方法是先对图像进行阈值分割，然后分割出的像素点进行亮度与对比度的调整，实现图像的增强。
[0004]但是现有技术中对图像进行阈值分割的方法是设定一个统一的阈值对图像进行分割，然后在进行图像增强，这种方式会损失掉图像的细节，导致边缘不清晰的区域变得更加的模糊，造成对图像的增强较为粗糙，不利于观察。

技术实现思路

[0005]针对现有技术中，对CT图像的增强是设定一个统一的阈值对图像进行分割，然后在进行图像增强，这种方式会损失掉图像的细节，导致边缘不清晰的区域变得更加的模糊，造成对图像的增强较为粗糙，不利于观察的问题，本专利技术提供一种应用于放疗准备的CT图像的增强方法：获取患者的CT图像的梯度直方图；利用梯度直方图中每个波峰对应像素点的梯度幅值构建混合高斯模型；获取梯度直方图中每个波峰的梯度均值，将梯度均值作为每个波峰的中心梯度值，获取每个波峰的中心梯度值在CT图像中对应的像素点；对每个波峰的中心梯度值在CT图像中对应的像素点进行密度聚类，得到多个密度聚类块；以密度最大的密度聚类块的中心像素点为聚类中心，进行梯度聚类，得到该中心像素点对应的聚类像素点，并将其作为每个波峰对应的目标像素点；根据每个波峰对应的目标像素点的梯度值的方差和梯度值的频率，得到每个波峰对应像素点梯度的离散程度；根据每个波峰对应的像素点的梯度的离散程度，对混合高斯模型进行修正，利用修正后的混合高斯模型对每个波峰进行拟合，得到每个波峰的高斯曲线，根据高斯曲线的偏度系数得到梯度直方图的梯度分割阈值；利用梯度分割阈值对相邻波峰进行阈值分割，得到多个波峰区域，并对每个波峰区域对应的像素点进行梯度拉伸，完成CT图像增强。
[0006]所述密度的获取方法为：获取每个密度聚类块中每个像素点与其他像素点之间的距离的均值，将该均值作
为密度。
[0007]所述根据每个波峰对应的目标像素点的梯度值的方差和梯度值的频率，得到每个波峰对应像素点梯度的离散程度的方法为：将每个波峰对应的目标像素点的梯度值的方差和每个目标像素点的梯度值的频率的乘积，作为每个波峰对应像素点梯度的离散程度。
[0008]所述利用梯度直方图中每个波峰对应像素点的梯度幅值构建混合高斯模型为：获取每个波峰对应像素点的梯度幅值；根据梯度幅值构建混合高斯模型：式中，为第i个梯度幅值的混合高斯模型，即概率密度函数，为梯度直方图中第G个波峰，为第G个波峰对应像素点的梯度幅值的数学期望，是第G个波峰区域中每个梯度幅值的标准差，是第G个波峰区域中的像素数量占图像总像素数量的占比，为以e为底的指数函数，为圆周率。
[0009]所述根据每个波峰对应的像素点的梯度的离散程度，对混合高斯模型进行修正的方法为：式中，为第G个波峰的中心梯度值在CT图像中对应的像素点进行密度聚类后得到的聚类块的密度，为第G个波峰对应像素点的梯度值的离散程度，是对应像素点梯度值的标准差，为中的像素数在图像总像素数中的占比。
[0010]所述根据高斯曲线的偏度系数得到梯度直方图的梯度分割阈值的方法为：获取每个波峰和后一相邻波峰之间的最小梯度值；将该最小梯度值和1减去高斯曲线的偏度系数的差值相乘，将该乘积作为每个波峰和后一相邻波峰之间的梯度分割阈值。
[0011]所述高斯曲线的偏度系数的计算方法为：式中，为高斯曲线的偏度系数，表示第G个波峰的梯度均值，是对应像素点梯度值的标准差，为第G个波峰中梯度幅值的数学期望。
[0012]所述对每个波峰区域对应的像素点进行梯度拉伸，完成CT图像增强的具体方法
为：获取每个区域对应的每个像素点的梯度值；以e为底，以每个区域对应波峰像素点的离散程度为指数，得到指数幂，并将指数幂和每个像素点的梯度值的乘积，作为每个像素点的最终梯度值；利用直方图均衡化将每个像素点的梯度值拉伸为最终梯度值，对CT图像进行增强。
[0013]本专利技术的有益效果是：（1）获取患者的CT图像的梯度直方图；利用梯度直方图中每个波峰对应像素点的梯度幅值构建混合高斯模型；该方法采用混合高斯模型可以稳定的对图像进行局部阈值分割；（2）获取梯度直方图中每个波峰的中心梯度值，根据中心梯度值对应的像素点进行密度聚类，并计算得到每个波峰对应的像素点的梯度的离散程度，对每个波峰的高斯曲线进行修正，得到每个波峰修正后的高斯曲线，根据修正后的高斯曲线的偏度系数得到梯度直方图的梯度分割阈值；利用梯度分割阈值将梯度直方图分割为多个区域，对每个区域进行梯度拉伸，对CT图像进行增强；该方法根据梯度直方图中波峰的梯度离散性对高斯曲线进行修正，使得高斯曲线更加贴合波峰，拟合得到的高斯曲线更准确的反映梯度直方图中梯度的变化，根据修正后的高斯曲线进行阈值分割，并对每个区域进行基于离散度的拉伸增强，对边缘区域赋予较大的拉伸权重，保留了清晰的边缘。
附图说明
[0014]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，下面将对实施例或现有技术描述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。
[0015]图1是本专利技术的一种应用于放疗准备的CT图像的增强方法的流程图；图2是本专利技术的一种应用于放疗准备的CT图像的增强方法中的CT图像示意图；图3是本专利技术的一种应用于放疗准备的CT图像的增强方法中的高斯拟合曲线示意图。
具体实施方式
[0016]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0017]本专利技术的一种应用于放疗准备的CT图像的增强方法的实施例，如图1所示，包括：步骤一：获取患者的CT图像的梯度直方图；利用梯度直方图中每个波峰对应像素点的梯度幅值构建混合高斯模型；该步骤的目的是获取患者的CT图像，进行预处理后，获取CT图像对应的梯度直方图，并利用高斯混合模型对梯度直方图中的波峰进行拟合，得到多个高斯拟合曲线；
其中，获取患者的CT图像的梯度直方图的方法为：（1）获取的CT图像为医院放射科拍摄的合格的CT照片，如图2所示，然后对获得的CT图像进行DNN语义分割，获得只含有目标区域的图像；DNN网络的相关内容如下：使用的数据集为数据集库中的同样方式拍摄的相同本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于放疗准备的CT图像的增强方法，其特征在于，该方法包括：获取患者的CT图像的梯度直方图；利用梯度直方图中每个波峰对应像素点的梯度幅值构建混合高斯模型；获取梯度直方图中每个波峰的梯度均值，将梯度均值作为每个波峰的中心梯度值，获取每个波峰的中心梯度值在CT图像中对应的像素点；对每个波峰的中心梯度值在CT图像中对应的像素点进行密度聚类，得到多个密度聚类块；以密度最大的密度聚类块的中心像素点为聚类中心，进行梯度聚类，得到该中心像素点对应的聚类像素点，并将其作为每个波峰对应的目标像素点；根据每个波峰对应的目标像素点的梯度值的方差和梯度值的频率，得到每个波峰对应像素点梯度的离散程度；根据每个波峰对应的像素点的梯度的离散程度，对混合高斯模型进行修正，利用修正后的混合高斯模型对每个波峰进行拟合，得到每个波峰的高斯曲线，根据高斯曲线的偏度系数得到梯度直方图的梯度分割阈值；利用梯度分割阈值对相邻波峰进行阈值分割，得到多个波峰区域，并对每个波峰区域对应的像素点进行梯度拉伸，完成CT图像增强。2.根据权利要求1所述的一种应用于放疗准备的CT图像的增强方法，其特征在于，所述密度的获取方法为：获取每个密度聚类块中每个像素点与其他像素点之间的距离的均值，将该均值作为密度。3.根据权利要求1所述的一种应用于放疗准备的CT图像的增强方法，其特征在于，所述根据每个波峰对应的目标像素点的梯度值的方差和梯度值的频率，得到每个波峰对应像素点梯度的离散程度的方法为：将每个波峰对应的目标像素点的梯度值的方差和每个目标像素点的梯度值的频率的乘积，作为每个波峰对应像素点梯度的离散程度。4.根据权利要求1所述的一种应用于放疗准备的CT图像的增强方法，其特征在于，所述利用梯度直方图中每个波峰对应像素点的梯度幅值构建混合高斯模型为：获取每个波峰对应像素点的梯度幅值；根据梯度...

【专利技术属性】
技术研发人员：郭雷鸣，葛红，
申请(专利权)人：深圳市亿康医疗技术有限公司，
类型：发明
国别省市：