基于区域概率标签驱动主动轮廓的高分辨率图像分割方法技术

本发明专利技术提出了一种基于区域概率标签驱动主动轮廓的高分辨率图像分割方法，解决了主动轮廓模型无法处理高分辨率图像等问题。其步骤为：首先，对高分辨率图像进行下采样得到由低到高分辨率的图像，对从低到高分辨率图像分别进行以下处理：初始化水平集函数及统计参数，并利用水平集函数计算几何先验和区域概率标签；其次，在区域概率标签的驱动下更新分割轮廓，并基于区域概率标签更新驱动对应水平集函数和统计参数；最后，将当前分辨率图像的水平集函数和统计参数传递到下一幅高分辨率图像并对其进行轮廓分割。本发明专利技术能够大大降低计算代价并增强算法的鲁棒性，从而处理超高分辨率的图像。的图像。的图像。

【技术实现步骤摘要】
基于区域概率标签驱动主动轮廓的高分辨率图像分割方法


[0001]本专利技术涉及医学图像分析以及遥感图像处理
，特别是指一种基于区域概率标签驱动主动轮廓的高分辨率图像分割方法。

技术介绍

[0002]各类专业成像设备的快速发展使得专业技术人员可以获取更大分辨率的图像，从而得到更为丰富和全面的信息。传统图像处理方法都将图像看成是一个多维的矩阵在处理，其典型应用对象是低于500
×
500分辨率的图像，而现有高分辨率图像达到10000
×
10000甚至更高，这些方法面临的最直接的问题就是计算量倍增导致的很多模型无法使用，常用的解决手段是将大分辨率图像进行分块，然而分块处理又会破坏图像的全局信息。
[0003]目前应用较多的超高分辨图像主要包括医学图像和遥感图像，例如全切片病理图像。全视野切片数字图像是指扫描完整的显微镜载玻片并创建单个高分辨率数字文件，该技术的出现使得人们在临床应用中能够高效进行的数据存储，能够跨实验可重复的进行数据分析，能够简单、即时的数据共享，但也面临上述所提到的一些问题。随着医学图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于区域概率标签驱动主动轮廓的高分辨率图像分割方法，其特征在于，其步骤如下：步骤一：对原始高分辨图像I
K
进行下采样，得到一系列图像I
k
，k∈{1,2,3,
…
K}，从I1到I
K
分辨率递增；步骤二：加载图像I
k
并进行预处理，当k＝1时，执行步骤三，当k>1时，执行步骤四，当k>K时，结束运算；步骤三：通过交互方式确定初始轮廓，根据初始轮廓和图像I
k
的大小初始化水平集函数Φ，并根据水平集函数Φ初始化统计参数；步骤四：根据图像I
k
的大小对由I
k
‑1得到的水平集函数进行上采样求得并将由I
k
‑1的统计参数作为图像I
k
的统计参数；步骤五：基于水平集函数和统计参数计算区域概率标签，并在区域概率标签的驱动下更新分割轮廓；步骤六：基于区域概率标签更新水平集函数和统计参数；步骤七：判断是否满足停止条件，若不满足，返回步骤五；若满足，令k＝k+1，当k>K时，运算结束，输出结果，否则，返回步骤二。2.根据权利要求1所述的基于区域概率标签驱动主动轮廓的高分辨率图像分割方法，其特征在于，水平集函数和统计参数的初始化方法为：令图像的观测值d维变量x
j
服从多元Student
’
s
‑
t分布，j＝{1,2,...,N}，Ω
i
是2D图像空间，i∈{1,2}，并且每个像素x
j
∈Ω
i
，对于每个像素有：其中，S(x
j
|θ
i
)表示分布函数，θ
i
＝{μ
i
,F
i
,ν
i
}为统计参数，μ
i
为均值，∑
i
为方差矩阵，ν
i
为自由度；Γ(
·
)是Gamma函数，Δ
ji2
为Mahalanobis距离：像素x
j
对应的水平集函数为φ
j
∈R，当k＝1，通过交互的方法进行初始化；令H(<...

【专利技术属性】
技术研发人员：高国伟，甄丹东，郭丹，顾惠超，朱俊，吕菲亚，刘家磊，石聪明，
申请(专利权)人：安阳师范学院，
类型：发明
国别省市：