一种医学图像的感兴趣区域提取方法技术

本发明专利技术公开了一种医学图像的感兴趣区域提取方法，该方法在种子点选取过程中，将所选种子点的灰度值与其八邻域像素点的灰度值之和的平均值作为该种子点的灰度值，这样可避免种子点选取的错误，从而避免了因种子点的错误选择而导致不能进行良好分割的后果；在区域生长过程中，本方法充分利用了图像的全局和局部信息，构建了观察和比较序列，再利用灰色理论计算观察和比较序列的绝对关联度及相对关联度，根据绝对关联度及相对关联度计算表征观察点与感兴趣区域的灰色综合关联度，计算复杂度较低，运行时间较短；在区域生长过程中，在灰色综合关联度的基础上调整判定阈值，从而把感兴趣区域从图像中提取出来，且提取精度较高。

【技术实现步骤摘要】

本专利技术涉及一种图像分割方法，尤其是涉及。
技术介绍
图像分割就是指把图像分成各具特性的多个区域，并提取出感兴趣区域的技术和过程。在图像分割的基础上可以进一步对感兴趣区域进行测量和分析，为以后的图像理解提供必要的数据，因此图像分割一直是计算机视觉和模式领域的研究热点。 目前已经有多种方法被人们提出应用于图像分割领域特别是医学图像分割领域，根据医学图像区域间不连续性和区域内相似性两个准则，现有的应用于医学图像的分割方法大致可分为三类 —是阈值分割方法经典的有由0tsu在1979年提出的大津法，该类方法存在很大 的缺点，即如果图像中不存在明显的灰度差异或各对象的灰度值范围有较大重叠，则很难 取得令人满意的分割结果。 二是基于边缘检测的分割方法该类方法主要借助于各种边缘检测算子对图像处 理得到分散的边缘，然后再得到用户感兴趣的区域；这种方法的缺点在于边缘检测时抗噪 性和检测精度的相矛盾，如果提高检测精度，则噪声产生的伪边缘会导致不合理的轮廓，如 果提高抗噪性，则会产生轮廓漏检和位置偏差等现象。 三是基于区域生长的分割方法该类方法从满足检测准则的种子点开始，在各个 方向上生长区域，当其相邻点满足特定检测准则就并入小块区域中，当新的点被合并后再 用新的区域重复这一过程，直到没有可接受的邻近点时生成过程终止。性质的相似性和空 间的相邻性是该类方法的重要准则，因此假定灰度相近、性质上相似、空间上相邻的像素点 属于同一区域。该方法的优点在于计算过程简单，对于均匀的连通目标有很好的分割效果。 其主要缺点是如果起初种子点选择不佳，如选择的种子点为一个噪声点，这样将会影响最 终的分割效果，此外需反复调试阈值直到获得满意的结果为止，这样不仅耗时较长，而且所 获得的分割结果在很大程度上依赖于用户对阈值的选择，另一方面由于图像密度和噪声不 一，该类方法往往会导致分割得到的结果存在空洞或过度分割。 近年来，随着各学科许多新理论和新方法的提出，人们也提出了许多与一些特定 理论、方法和工具相结合的图像分割方法，如基于人工神经网络的分割方法、基于数学形态 学的分割方法、基于人工智能在图像应用的分割方法、基于小波分析和变换的分割方法等 等。其中，大部分方法的复杂度较高，运行时间较长，此外对硬件的要求也较高，即往往需要 在工作站上执行，这将给实际应用带来一定困难。
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计算复杂度低，运行时间短，且提取出的 感兴趣区域的精度高的基于区域生长的医学图像的感兴趣区域提取方法。 本专利技术解决上述技术问题所采用的技术方案为一种医学图像的感兴趣区域提取 方法，包括以下步骤 ①从输入图像中的待提取的感兴趣区域中选取一个坐标为(px， py)的像素点 作为区域生长的种子点，记种子点为SeedP，记种子点SeedP的灰度值为SeedP(px， py)， SeedP(px， py) = Sum/9，其中，Sum表示种子点SeedP的灰度值SeedP(px， py)与种子点 SeedP的各八邻域像素点的灰度值之和； ②基于区域生长法，以种子点SeedP为中心向外进行区域生长，具体区域生长过 程为 ②-1、设置 一 个感兴趣队列WellQueue和 一 个初始化队列InitQueue，其 中，感兴趣队列WellQueue和初始化队列InitQueue的初始值为空；设置一个观察序 列ObserveList禾口一个比较序列ReferList，其中，观察序列ObserveList禾口比较序列 ReferList的初始值为空； ②_2、将种子点SeedP的坐标位置(px，py)以及种子点SeedP的各八邻域像素点 的坐标位置加入到感兴趣队列WellQueue中，并将种子点SeedP以及种子点SeedP的各八 邻域像素点标记为感兴趣像素点；将种子点SeedP的各八邻域像素点的四邻域像素点中未 标记为感兴趣像素点的像素点的坐标位置加入到初始化队列InitQueue中，并将这些像素 点标记为待处理像素点； ②_3、判断初始化队列InitQueue是否为空，如果是，则表示区域生长过程结束， 执行步骤③，否则，按先进先出方式从初始化队列InitQueue中选取位于队头的坐标位置， 将该坐标位置对应的待处理像素点作为第t个观察点，记第t个观察点为ObservePt，其中， t的初始值为1 ; ②_4、计算所有感兴趣像素点的灰度值的平均值，记为Average,计算第t个观察 点ObservePt的四邻域像素点中标记为感兴趣像素点的所有像素点的灰度值的平均值，记 为NeiAve，将第t个观察点ObserVePt的灰度值、种子点SeedP的灰度值、所有感兴趣像素 点的灰度值的平均值Average以及第t个观察点ObserVePt的四邻域像素点中标记为感 兴趣像素点的各像素点的灰度值顺序作为观察序列ObserveList的序列元素，将第t个观 察点ObservePt的四邻域像素点中标记为感兴趣像素点的所有像素点的灰度值的平均值 NeiAve、种子点SeedP的灰度值、所有感兴趣像素点的灰度值的平均值Average以及第t个 观察点ObservePt的四邻域像素点中标记为感兴趣像素点的各像素点的灰度值顺序作为比 较序列ReferList的序列元素； ②-5、计算观察序列ObserveList的零化像之和，记为Sa， & = |](xa(A) —、(1》， 计算比较序列ReferList的零化像之和，记为Sb， & = —&(1))，计算观察序列ObserveList的初始像之和，记为S' a，& =J(^(A:)-、(1》，计算比较序列ReferList的初始像之和，记为S' b，《=￡(、(A:)-4(1》，其中，n表示观察序列ObserveList或比较序列ReferList所包含的序列元素的总个数，4《n《6，xa(l)表示观察序列ObserveList中 的第1个序列元素，xa(k)表示观察序列ObserveList中的第k个序列元素，xb(l)表示比的第k个序列元素，X' a(k) = Xa(k)/Xa(l)，X' a (1) = Xa (1)/、 ( 1) = 1 ， X ' b (k) = Xb (k)/xb (1) ， X ' b(l) =Xb(l)/Xb(l) = 1 ; ②_6、利用灰色理论计算观察序列ObserveList和比较序列ReferList的绝对 关联度与相对关联度，以及第t个观察点ObservePt与待提取的感兴趣区域的灰色综合关 联度，具体过程为计算观察序列ObserveList和比较序列ReferList的绝对关联度，记为1+s。+1++《 co。计算观察序列ObserveList和比较序列ReferList的相对关联度，记为r，r二-1+s。1++《+义&-《，计算第t个观察点ObservePt与待提取的感兴趣区域的灰色综合关联度，记为pt， pt = e e+(i-e)r，其中，a和e均为调整参数，o< a < l，O. 4《9《0. 6， P t G ; ②_7、根据第t个观察点ObservePt与待提取的感兴趣区域的灰色综合关联度 P 本文档来自技高网...

【技术保护点】
一种医学图像的感兴趣区域提取方法，其特征在于包括以下步骤：　　　　①从输入图像中的待提取的感兴趣区域中选取一个坐标为（ｐｘ，ｐｙ）的像素点作为区域生长的种子点，记种子点为ＳｅｅｄＰ，记种子点ＳｅｅｄＰ的灰度值为ＳｅｅｄＰ（ｐｘ，ｐｙ），ＳｅｅｄＰ（ｐｘ，ｐｙ）＝Ｓｕｍ／９，其中，Ｓｕｍ表示种子点ＳｅｅｄＰ的灰度值ＳｅｅｄＰ（ｐｘ，ｐｙ）与种子点ＳｅｅｄＰ的各八邻域像素点的灰度值之和；　　　　②基于区域生长法，以种子点ＳｅｅｄＰ为中心向外进行区域生长，具体区域生长过程为：ｔ的零化像之和，记为Ｓ↓［ｂ］，Ｓ↓［ｂ］＝＊（ｘ↓［ｂ］（ｋ）－ｘ↓［ｂ］（ｌ）），计算观察序列ＯｂｓｅｒｖｅＬｉｓｔ的初始像之和，记为Ｓ′↓［ａ］，Ｓ′↓［ａ］＝＊（ｘ′↓［ａ］（ｋ）－ｘ′↓［ａ］（ｌ）），计算比较序列ＲｅｆｅｒＬｉｓｔ的初始像之和，记为Ｓ′↓［ｂ］，Ｓ′↓［ｂ］＝＊（ｘ′↓［ｂ］（ｋ）－ｘ′↓［ｂ］（ｌ）），其中，ｎ表示观察序列ＯｂｓｅｒｖｅＬｉｓｔ或比较序列ＲｅｆｅｒＬｉｓｔ所包含的序列元素的总个数，４≤ｎ≤６，ｘ↓［ａ］（１）表示观察序列ＯｂｓｅｒｖｅＬｉｓｔ中的第１个序列元素，ｘ↓［ａ］（ｋ）表示观察序列ＯｂｓｅｒｖｅＬｉｓｔ中的第ｋ个序列元素，ｘ↓［ｂ］（１）表示比较序列Ｒｅ　　ｆｅｒＬｉｓｔ中的第１个序列元素，ｘ↓［ｂ］（ｋ）表示比较序列Ｒｅ　　ｆｅｒＬｉｓｔ中的第ｋ个序列元素，ｘ′↓［ａ］（ｋ）＝ｘ↓［ａ］（ｋ）／ｘ↓［ａ］（１），ｘ′↓［ａ］（１）＝ｘ↓［ａ］（１）／ｘ↓［ａ］（１）＝１，ｘ′↓［ｂ］（ｋ）＝ｘ↓［ｂ］（ｋ）／ｘ↓［ｂ］（１），ｘ′↓［ｂ］（１）＝ｘ↓［ｂ］（１）／ｘ↓［ｂ］（１）＝１；②－６、利用灰色理论计算观察序列ＯｂｓｅｒｖｅＬｉｓｔ和比较序列ＲｅｆｅｒＬｉｓｔ的绝对关联度与相对关联度，以及第ｔ个观察点ＯｂｓｅｒｖｅＰ↓［ｔ］与待提取的感兴趣区域的灰色综合关联度，具体过程为：计算观察序列ＯｂｓｅｒｖｅＬｉｓｔ和比较序列ＲｅｆｅｒＬｉｓｔ的绝对关联度，记为ε，　　　　＊＊＊，计算观察序列ＯｂｓｅｒｖｅＬｉｓｔ和比较序列ＲｅｆｅｒＬｉｓｔ的相对关联度，记为ｒ，＊＊＊，计算第ｔ个观察点ＯｂｓｅｒｖｅＰ↓［ｔ］与待提取的感兴趣区域的灰色综合关联度，记为ρ↓［ｔ］，ρ↓［ｔ］＝θ↓［ε］＋（１－θ）ｒ，其中，λ和θ均为调整参数，０＜λ＜１，０．４≤θ≤０．６，ρ↓［ｔ］∈［０，１］；　　　　②－７...

【技术特征摘要】
一种医学图像的感兴趣区域提取方法，其特征在于包括以下步骤①从输入图像中的待提取的感兴趣区域中选取一个坐标为(px，py)的像素点作为区域生长的种子点，记种子点为SeedP，记种子点SeedP的灰度值为SeedP(px，py)，SeedP(px，py)＝Sum/9，其中，Sum表示种子点SeedP的灰度值SeedP(px，py)与种子点SeedP的各八邻域像素点的灰度值之和；②基于区域生长法，以种子点SeedP为中心向外进行区域生长，具体区域生长过程为②-1、设置一个感兴趣队列WellQueue和一个初始化队列InitQueue，其中，感兴趣队列WellQueue和初始化队列InitQueue的初始值为空；设置一个观察序列ObserveList和一个比较序列ReferList，其中，观察序列ObserveList和比较序列ReferList的初始值为空；②-2、将种子点SeedP的坐标位置(px，py)以及种子点SeedP的各八邻域像素点的坐标位置加入到感兴趣队列WellQueue中，并将种子点SeedP以及种子点SeedP的各八邻域像素点标记为感兴趣像素点；将种子点SeedP的各八邻域像素点的四邻域像素点中未标记为感兴趣像素点的像素点的坐标位置加入到初始化队列InitQueue中，并将这些像素点标记为待处理像素点；②-3、判断初始化队列InitQueue是否为空，如果是，则表示区域生长过程结束，执行步骤③，否则，按先进先出方式从初始化队列InitQueue中选取位于队头的坐标位置，将该坐标位置对应的待处理像素点作为第t个观察点，记第t个观察点为ObservePt，其中，t的初始值为1；②-4、计算所有感兴趣像素点的灰度值的平均值，记为Average，计算第t个观察点ObservePt的四邻域像素点中标记为感兴趣像素点的所有像素点的灰度值的平均值，记为NeiAve，将第t个观察点ObservPt的灰度值、种子点SeedP的灰度值、所有感兴趣像素点的灰度值的平均值Average以及第t个观察点ObservePt的四邻域像素点中标记为感兴趣像素点的各像素点的灰度值顺序作为观察序列ObserveList的序列元素，将第t个观察点ObservePt的四邻域像素点中标记为感兴趣像素点的所有像素点的灰度值的平均值NeiAve、种子点SeedP的灰度值、所有感兴趣像素点的灰度值的平均值Average以及第t个观察点ObservePt的四邻域像素点中标记为感兴趣像素点的各像素点的灰度值顺序作为比较序列ReferList的序列元素；②-5、计算观察序列ObserveList的零化像之和，记为Sa，计算比较序列ReferList的零化像之和，记为Sb，计算观察序列ObserveList的初始像之和，记为S′a，计算比较序列ReferList的初始像之和，记为S′b，其中，n表示观察序列ObserveList或比较序列ReferList所包含的序列元素的总个数，4≤n≤6，xa(1)表示观察序列ObserveList中的第1个序列元素，xa(k)表示观察序列ObserveList中的第k个序列元素，xb(1)表示比较序列Re ferList中的第1个序列元素，xb(k)表示比较序列Re ferList中的第k个序列元素，x′a(k)＝xa(k)/xa(1)，x′a(1)＝xa(1)/xa(1)＝1，x′b(k)＝xb(k)/xb(1)，x′b(1)＝xb(1)/xb(1)＝1；②-6、利用灰色理论计算观察序列ObserveList和比较序列ReferLi...

【专利技术属性】
技术研发人员：李均利，祝卫峰，魏平，陈刚，金林鹏，汪永生，向建华，
申请(专利权)人：宁波大学，
类型：发明
国别省市：97[中国|宁波]