【技术实现步骤摘要】
本专利技术涉及图像处理
，具体涉及图像的分割处理以及其在数字化x线胸片计算机辅助影像处理中的应用。
技术介绍
图像分割，特别是胸片肺部图像的分割，是数字化X线胸片计算机辅助诊断和影 像后处理的必要过程。 一方面，它提取了肺部感兴趣区域，可以减少肺内疾病检测假阳性的 数量；另一方面，它便于胸片组织均衡的实现；同时，它也是自动计算肺参数的基础。 肺部分割的实现技术很多，目前比较常用的技术主要有三种 其一是基于规则的分割方法，主要是利用图像特点，处理图像以使经典的边界检 测和区域分割可以正确识别肺部。这种方法虽然实现简单，但是自适应性较弱。目前，吉内 肯(Bram van Gi皿eken)提出的基于规则的肺边界提取是现有报告中结果最好的，该方法 能够兼容正常图像和有疾病的图像，但缺点是对图像细节部分分割精度不高，如当图像中 胃部灰度较暗时，左横膈膜的定位会出现错误。 其二是像素分类，提取图像的特征，并设计分类器以使肺部和其它组织区分更明 显。这种方法过程简单，规则少，但是实现起来比较耗时，因为往往需要进行大量的循环比 较，并且结果通常是以概率形式呈现，造成分...
【技术保护点】
一种最匹配轮廓搜索方法，其特征在于，所述方法依次包括以下步骤：搜索目标区域的轮廓；判断目标区域轮廓搜索过程的形状异常指数是否小于或等于一预设阈值；若是，则接受此次搜索过程的结果；若否，则拒绝此次搜索过程的结果。
【技术特征摘要】
一种最匹配轮廓搜索方法，其特征在于，所述方法依次包括以下步骤搜索目标区域的轮廓；判断目标区域轮廓搜索过程的形状异常指数是否小于或等于一预设阈值；若是，则接受此次搜索过程的结果；若否，则拒绝此次搜索过程的结果。2. 根据权利要求1所述的方法，其特征在于，所述搜索目标区域轮廓的过程包括以下步骤对图像进行多次目标区域的轮廓搜索过程，每次轮廓搜索过程中通过将平均轮廓进行位置或大小变换使之覆盖整幅图像范围的方式，来改变每次迭代过程的初始轮廓；所述形状异常指数的计算方法包括以下步骤在目标区域轮廓搜索过程的多次迭代过程中，记录每次迭代过程的特征值向量中超过所限制范围的分量个数，将所述分量个数的最大值记为此次轮廓搜索过程的形状异常指数。3. 根据权利要求1或2所述的方法，其特征在于，若拒绝所有搜索过程的结果，则接受所述形状异常指数为最小的搜索过程的结果。4. 一种图像的分割方法，其特征在于，所述方法包括以下步骤A、 对输入图像进行预处理；B、 搜索目标区域的轮廓，及检验所述轮廓的搜索结果；所述检验轮廓搜索结果的过程包括判断目标区域轮廓搜索过程的形状异常指数是否小于或等于一预设阈值；若是，则接受此次搜索过程的结果；若否，则拒绝此次搜索过程的结果；C、 根据检验结果，提取目标区域。5. 根据权利要求4所述的方法，其特征在于，所述搜索目标区域轮廓的过程包括以下步骤对图像进行多次目标区域的轮廓搜索过程，每次轮廓搜索过程中通过将平均轮廓进行位置或大小变换使之覆盖整幅图像范围的方式，来改变每次迭代过程的初始轮廓；所述形状异常指数的计算方法包括以下步骤在目标区域轮廓搜索过程的多次迭代过程中，记录每次迭代过程的特征值向量中超过所根制范围的分量个数，将所述分量个数的最大值记为此次轮廓搜索过程的形状异常指数。6 根据权利要求4或5所述的方法，其特征在于，所述步骤B中，若拒绝所有搜索过程的结果，则接受所述形状异常指数为最小的搜索过程的结果。7. 根据权利要求4所述的方法，其特征在于，所述步骤B中，若拒绝搜索过程的结果，则进行图像倒置判断步骤，其过程包括如下步骤Rl、分别以两个上下互相颠倒的初始轮廓进行迭代过程，并输出两个迭代过程的形状异常指数；R2、判断以倒置轮廓为初始轮廓迭代结果的形状异常指数是否小于以正常轮廓为初始轮廓迭代结果的形状异常指数；若是，则判定所述输入图像为倒置图像。8. 根据权利要求7所述的方法，其特征在于，所述步骤R2中还包括以下步骤计算位于图像最上端和最下端预设行或者若干行的行平均灰度累加和；判断是否至少满足下面两个条件之一条件一最上端预设行或者若干行的行平均累加灰度大于最下端预设行或者若干行的行平均累加灰度，并且差值大于一预先设定的常数；条件二 最上端预设行或者若干行的行平均累加灰度与最下端预设行或者若干行的行平均累加灰度之差的绝对值小于所述常数；若满足上述两个条件之一，则判定所述输入图像为倒置图像。9. 根据权利要求8所述的方法，其特征在于，所述步骤B还包括以下步骤根据所述图像倒置判断步骤的结果，纠正图像，获得第三图像；以所述第三图像为处理基础，执行所述搜索目标区域轮廓的过程和所述检验轮廓搜索结果的过程，若接受搜索过程的结果，则以此次搜索结果进行特征边界矫正处理过程；若拒绝搜索过程的结果，则保留此次目标区域轮廓搜索之前的处理结果，利用方向导数滤波求极值检测目标区域的特征边界。10. 根据权利要求4或9所述的方法，其特征在于，所述步骤B中，若接受的轮廓搜索过程的结果，则利用灰度梯度和方向导数滤波极值进行特征边界矫正处处理，该处理过程包括以下步骤Ql、利用垂直与目标特征边界预知走向的灰度梯度计算初始特征边界的种子点；Q2、利用方向导数滤波求极值的方法，检测满足预设边界检测条件的目标特征边界。11. 根据权利要求10所述的方法，其特征在于，所述步骤Q2包括以下步骤沿目标特征边界预知走向的垂直方向计算高斯模版的方向导数与待处理图像的巻积；提取巻积后图像中与导数相同方向的极值点位置和极值取值；将所述极值点在一预设范围内进行边界连接；进行逐行扫描，搜索满足预设边界检测条件的曲线作为目标特征边界。12. 根据权利要求11所述的方法，其特征在于，若对所述胸片图像的肺部区域进行分割处理，则在矫正左横膈膜时，所述特征边界的特征点为左肋膈角顶点和左心膈角顶点；所述利用纵向灰度梯度计算种子点的过程包括以下步骤在接受的轮廓中，提取至少两个特征边界的特征点，将此特征点之间的任一点坐标作为初始点；计算所述初始点处垂直于目标特征边界预知走向的灰度差分向量；计算所述灰度差分向量的最大值和位置，将此位置作为初始特征边界的种子点；执行以下三个判断步骤判断所述最大值是否大于或者等于第一预设值；判断所述位置与所述初始点的垂直方向坐标距离是否大于第二预设值；判断所述位置与右心膈角顶点的垂直距离差是否小于或者等于第三预设值；上述三个判断结果均为是时，将所述位置作为初始特征边界的种子点；所述步骤Q2中的预设边界检测条件是所述曲线由所述种子点垂直方向前后若干点构成，且处于极大值位置、长度大于一常量。13. 根据权利要求12所述的方法，其特征在于，所述步骤Q2之后还包括以下步骤将搜索到的曲线向下平移若干像素；将所述曲线的最左端和最右端分别延伸到图像边界和胸腔中心线的位置；将所述曲线下方像素灰度全部设置为一个灰度常量；执行所述搜索目标区域轮廓的过程和所述检验轮廓搜索结果的过程，若搜索过程的形状异常指数小于或等于所述预设阈值，则接受此次搜索过程的结果，并将此次搜索过程的结果作为此次左横膈膜矫正处理的结果；否则，保留左横膈膜矫正之前的结果。14. 根据权利要求9所述的方法，其特征在于，所述步骤B中，若拒绝轮廓搜索过程的结果，则利用方向导数滤波求极值检测目标区域的特征边界，其过程包括如下步骤沿特征边界预知走向的垂直方向计算高斯模版的方向导数与待处理图像的巻积；提取巻积后图像中与导数相同方向的极值点位置和极值取值；将所述极值点在一预设范围内进行边界连接；进行逐行扫描，搜索满足预设边界检测条件的曲线作为特征边界；对确定的各个特征边界进行预知走向的延伸，使得目标区域的相邻特征边界出现交叉；组合延伸后的特征边界、以及填充得到封闭的目标区域。15. 根据权利要求4所述的方法，其特征在于，所述步骤C中还包括根据检验结果进行局部分割处理的过程，该过程包括以下步骤Cll、将提取的轮廓进行插值得到封闭轮廓，作为已分割的轮廓；C12、对已分割的轮廓建立顺序轮廓索引；C13、以预设采样间隔对所述轮廓采样，将采样点作为局部区域中心建立感兴趣区域；C14、对所述感兴趣区域采用自适应阈值算法进行分割，分割结果与局部分割之前的结果合并；C15、对合并的结果进行二值图像修整，该修整过程包括腐蚀、最大区域保留、膨胀、区域填充中至少两个操作；C16、提取填充后的区域。16. 根据权利要求4所述的方法，其特征在于，所述步骤C还包括对图像进行平滑处理的过程，该过程包括以下步骤C21、记录至少两个所述目标的特征点坐标；C22、根据所述特征点的坐标，将特征边界分成若干曲线片断，并用一个向量记录每个曲线片断的走向；C23、对所述每个曲线片断以预设的采样间隔进行采样，并根据所述片断的走向进行插值运算；C24、连接特征边界，使轮廓封闭。17. 根据权利要求4所述的方法，其特征在于，所述步骤A的预处理过程包括将图像的灰度映射到同一灰度区间，以及对图像进行对比度增强处理的过程。18. 根据权...
【专利技术属性】
技术研发人员：刘炎，孙文武，
申请(专利权)人：深圳迈瑞生物医疗电子股份有限公司，
类型：发明
国别省市：94[中国|深圳]
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。