【技术实现步骤摘要】
本专利技术属于工业ct尺寸测量领域，涉及基于局部主动轮廓模型的ct图像边缘点提取方法。
技术介绍
1、边缘点云提取是工业ct进行检测对象三维建模的关键步骤，其提取精度决定了工业ct测量的精度，建立高精度边缘提取方法是目前工业ct研究领域的热点方向。经典的ct尺寸测量方法是根据一个全局阈值直接提取物体的表面，如经典的移动立方体(marchingcubes，mc)算法，其主要思想是在三维离散数据场中通过线性差值来逼近等值面。等值面阈值的通常选取为背景和前景体素灰度直方图峰值和的二分之一，即iso50值。但是，在ct扫描过程中可能存在各种噪声和伪影容易使得计算出来的等值面阈值不正确，从而导致不正确的提取结果，使得尺寸精度降低，也就是说，并不存在一个通用的阈值选取方法可以获得精确的测量结果。
2、基于偏微分方程的图像分割方法是图像分割领域中的一个重要分支，其基本思想是将所研究问题归结为一个泛函极小化问题，通过变分方法将泛函极值问题转化为对偏微分方程的求解，然后结合相应的初始或边界条件，用数值计算方法求解此偏微分方程，最后把偏微分方程的解作为图像分割后的结果。基于区域的主动轮廓模型一般以图像的灰度信息作为能量，避免了模型建立过程中边缘函数的引入，能够对前景和背景区域的灰度值分布差异明显且分布均匀的图像产生比较好的分割结果。目前，chan-vese(c-v)模型是较为常用的基于区域的主动轮廓模型，其优点是能够比较完整的将图像中的目标选取出来，可以实现亚像素精度分割，在高噪声、弱边缘的情况下，也能得到连续、光滑的闭合分割边界，对于
3、针对上述问题，本专利技术考虑局部图像信息而不是全局图像统计，基于局部信息演化轮廓，从而消除了前景和背景区域用全局统计数据表示的假设。此外，由于基于局部信息的主动轮廓模型对初始轮廓的设置更加敏感，本专利技术使用模糊c-均值聚类算法分割原始ct图像，将其结果作为局部cv分割的初始轮廓。最后，为了进一步提高点云精度，将经过局部cv分割后得到的初始边缘点沿其法线方向移动到梯度最大值的位置。通过实验验证，该方法提取的边缘点尺寸精度更高，对弱边缘具有比较好的分割效果。
技术实现思路
1、本专利技术提供了一种基于局部图像信息的主动轮廓模型的ct图像边缘点提取方法，结合模糊c均值聚类算法，可以实现ct图像的高精度边缘提取，有效提升了工业ct尺寸测量的精度。
2、本专利技术的技术方案：
3、基于局部主动轮廓模型的ct图像边缘点提取方法，步骤如下：
4、第一步：使用三维各向异性扩散滤波进行预处理，同时保持图像的边缘特征；
5、第二步：使用改进的模糊c均值聚类算法，得到初始化轮廓；
6、2.1首先设置聚类数c、模糊化指数q，找出图像体素值的最大值imax和最小值imin，计算初始聚类中心，i＝1，2...c；
7、
8、2.2设置初始误差，保存前一次迭代的聚类中心矩阵c0＝[c[i]]，并计算聚类中心与每个体素强度的距离；
9、
10、2.3确定每个体素强度对每个聚类的模糊隶属度；
11、
12、计算新的聚类中心：
13、
14、2.4计算新的聚类中心和前一次迭代的聚类中心的误差；
15、dc＝max(|c0(i)-c(i)|)#(5)
16、如此重复以上步骤，直至误差小于设定值或者迭代次数达到设定值，最后根据最大隶属度为每个聚类分配体素，并选择要提取的类别，得到要分割对象的初始轮廓；
17、第三步：根据上一步得到的初始轮廓来进行主动轮廓分割，在计算能量函数时，只考虑来自轮廓附近的点的贡献来进行能量优化，同时为了保持曲线的平滑，添加一个正则化项，以惩罚曲线的弯曲度，并用参数λ来衡量此惩罚，得到最终的能量函数；
18、
19、第四步：演化完成后利用线性插值得到图像的初始边缘点；
20、第五步：计算点云的法向量，并针对每一个边缘点b，沿着法向量方向设定一个搜索距离寻找两个点a、c；
21、第六步：在a点和c点之间沿着法向量方向均匀地设置一定数目的点，利用三次线性插值计算这些点的梯度值，比较与边缘点b的梯度值大小，将边缘点b沿法线方向移动到梯度最大值点，遍历所有的点完成精确边缘点的提取；
22、第七步：将最终提取的边缘点导入gom软件中进行尺寸测量。
23、本专利技术的有益效果：本专利技术提出一种基于主动轮廓模型的ct图像边缘点提取方法，新构造的能量函数基于局部信息演化轮廓，只考虑来自轮廓附近的点的贡献，来进行能量优化。得到物体的初始边缘点后，考虑边缘点的梯度在其法线方向上内不是最大的，也就是说其可能不是真正的边缘点，因此将初始边缘点移动，从而得到更高精度的边缘点。
本文档来自技高网...【技术保护点】
1.基于局部主动轮廓模型的CT图像边缘点提取方法，其特征在于，步骤如下：
2.如权利要求1所述的基于局部主动轮廓模型的CT图像边缘点提取方法，其特征在于，所述的第二步，具体操作如下：
3.如权利要求1或2所述的基于局部主动轮廓模型的CT图像边缘点提取方法，其特征在于，所述的第一步，具体操作如下：
【技术特征摘要】
1.基于局部主动轮廓模型的ct图像边缘点提取方法，其特征在于，步骤如下：
2.如权利要求1所述的基于局部主动轮廓模型的ct图像边缘点提取方法，其特征...
【专利技术属性】
技术研发人员：薛林，马凯，王永青，刘海波，徐佳龙，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。