基于几何活动轮廓目标跟踪的数字人连续切片图像分割方法技术

本发明专利技术公开了一种基于几何活动轮廓目标跟踪的数字人连续切片图像分割方法，包括以下步骤：第一步，输入包含待分割目标的第１层数字人连续切片图像；第二步，采用智能剪刀初始化目标轮廓；第三步，生成目标轮廓匹配度图像；第四步，平滑第三步生成的目标轮廓匹配度图像；第五步，采用自适应几何活动轮廓模型跟踪得到当前层的目标轮廓；第六步，保存当前层的目标轮廓分割结果，同时将它作为下一层的初始目标轮廓，返回到第三步继续进行目标跟踪得到后续的目标轮廓。本发明专利技术能够准确、鲁棒地分割数字人连续切片图像中的目标轮廓，同时具有自动化程度高和能够处理目标轮廓的拓扑变化的优点。

【技术实现步骤摘要】

本专利技术属于图像处理和分析领域，特别是医学序列图像分析领域，给出了一种基于 几何活动轮廓目标跟踪的数字人连续切片图像分割方法。
技术介绍
数字化虚拟人研究是医学与信息科学相互交叉的前沿性研究领域，数字化虚拟人第一阶段的可视人体就是利用断层影像学和人体连续切片的方法获取人体解剖结构数据，然后在计算机中重建三维模型。在整个过程中，图像分割是十分重要的关键问题，诸如图像的三维可视化、图像的内容分析、图像的测量等问题的解决都依赖于理想的图像分割结果。随着切片加工精度的提高，如何提高人体切片图像数据的分割精度和速度？这一问题越来越迫切。目前，国内外有一些对数字人的分割方法，如基于支持向量机(SVM)的方法、基于Voronoi区域分割的方法等。然而目前的分割方法都有一些缺陷，如速度慢、鲁棒性差和自动化程度低等，所以现在数字人的分割主要依靠人工分割，或借助一定的工具进行分割，如Photoshop软件和VOXEL-MAN软件。陈强等人于2008年提出了一种基于目标轮廓点匹配度图像的参数活动轮廓目标跟踪方法(Qiang Chen, Quan-sen Sun, Pheng Ann Heng, and De-Shen Xia. Parametric active contours for object tracking based on matching degree image of object contour points. Pattern Recognition Letters, 29(2), 2008: 126-141)，并将它应用于中国数字人连续切片图像的分 割。因为中国数字人切片图像的间距一般在0.2111111左右，且人体组织大部分为软组织， 所以组织在相邻切片间的变化一般很小，且连续性好。基于参数活动轮廓的目标跟踪方 法能够较好地分割数字人连续切片图像的简单组织。而对于存在拓扑结构改变或相邻切 片变化较大的目标，基于目标轮廓点匹配度图像的参数活动轮廓目标跟踪方法就不能够 取得很好的分割效果，为此本专利给出了一种改进的方法，具体的改进为如下几点(1) 将参数活动轮廓改为几何活动轮廓，从而可以方便地处理拓扑结构的改变，同时对传统 的基于边缘的几何活动轮廓扩展成可以向任意方向演化的自适应模型(传统的基于边缘 的几何活动轮廓只能向外或向内单方向演化)；(2)给出了一种新的目标轮廓特征图像 构造方法，在原有的基于目标轮廓点匹配度的基础上，先利用高斯混合模型统计目标区 域和背景区域的颜色统计模型，然后计算目标轮廓点附件每个像素点属于目标和背景的 概率，最后利用概率图改进目标轮廓特征图像。由于新的目标轮廓特征图像考虑了目标和背景的区域统计特性，所以相比于原有的基于目标轮廓点的方法具有更好的鲁棒性； (3)采用智能剪刀的方法初始化第一层的目标轮廓，相比于原有的全手工初始化方法， 现有的初始化方法自动化程度更高。
技术实现思路
本专利技术的目的在于提供一种切实可行的半自动的基于几何活动轮廓目标跟踪的数 字人连续切片图像分割方法，同时本专利技术可以推广到其他医学序列图像的分割。实现本专利技术目的的技术解决方案为 一种基于几何活动轮廓目标跟踪的数字人连续 切片图像分割方法，包括以下步骤1.1输入包含待分割数字人组织目标的第1层数字人连续切片图像；1.2采用智能剪刀初始化步骤1.1中输入的数字人连续切片图像中待分割数字人组 织的目标轮廓，在该目标轮廓上手工给定参考点，由智能剪刀自动生成初始目标轮廓；1.3输入下一层数字人连续切片图像，由颜色信息和梯度信息生成当前层数字人组 织的目标轮廓匹配度图像；根据前一层初始目标轮廓生成当前层目标轮廓的窄带区域， 用距离函数模板方法生成窄带时，确定窄带内每点所对应的最近目标轮廓点和窄带的内 外边界点，根据目标轮廓点信息、梯度信息和区域统计信息生成当前层数字人组织的目 标轮廓匹配度图像；1.4采用方向模板平滑步骤1.3生成的当前层数字人组织的目标轮廓匹配度图像;每 个目标轮廓点的方向由其左右相邻的目标轮廓点确定，窄带内其它点的方向等同于其所 对应的最近邻目标轮廓点的方向，用此方向模板平滑步骤1.3生成的当前层数字人组织 的目标轮廓匹配度图像；1.5采用自适应几何活动轮廓模型跟踪得到步骤1.3中输入的当前层的数字人组织 的目标轮廓；在步骤1.4得到的平滑数字人组织的目标轮廓匹配度图像上，采用自适应 几何活动轮廓模型跟踪目标轮廓；在自适应几何活动轮廓模型的驱动下，初始目标轮廓 在步骤1.4得到的平滑目标轮廓匹配度图像上进行演化，最终得到步骤1.3中输入的当 前层的数字人组织的目标轮廓；1.6保存步骤1.3中输入的当前层数字人组织的目标轮廓分割结果，将它作为步骤 1.3中输入层的下一层的初始目标轮廓，返回到步骤1.3继续进行目标跟踪得到后续的目 标轮廓。本专利技术，将静态的数字人切片序列图像看作是不同时刻的动态运动序列，从而将数字人连续切片图像分割问题 转化为目标跟踪问题。因为数字人切片图像的间距很小，且人体组织大部分为软组织， 所以组织在相邻切片间的变化较小，且连续性好。为此，本专利技术提供的基于活动轮廓跟 踪的图像分割方法很好地考虑和利用了数字人连续切片图像的特点。本专利技术与现有技术相比，其显著优点(1)自动化程度高只需在第一层的目标 轮廓上手工给出几个参考点，就可以由计算机自动的得到初始目标轮廓和后续几十或几 百层的目标轮廓；(2)鲁棒性强由于目标轮廓匹配度图像的构造考虑的目标和背景 区域的颜色统计模型，所以本专利技术能够处理背景变化较大的目标切片；(3)适应性强 几何活动轮廓模型能够同时分割多个目标和处理目标轮廓拓扑结构的变化。 附图说明图1为本专利技术的算法流 程图。图2为本专利技术的脑干序 列图像的第1层切片图像。图3为本专利技术的第1层 脑干图像的目标轮廓初始化。图4为本专利技术的窄带示 意图。图5为本专利技术的目标轮 廓匹配度图像。图6为本专利技术的目标轮 廓匹配度图像平滑结果图7为本专利技术的下一层 目标轮廓的跟踪结果。图8为本专利技术的自适应 权系数构造示意图。图9为本专利技术的脑千分 割示意图，图9 (a)、图9 (b)、图9 (c)、图9 (d)、图9 (e)、图9 (f)、图9 (g)、 图9 (h)、图9 (i)分别依次显示了其中的第1548， 1557， 1567， 1597， 1627， 1647，71697， 1757和1858层分割结果。 具体实施例方式下面结合附图对本专利技术作进一步详细描述。结合图l，本专利技术，包括以下步骤1.1输入包含待分割数字人组织目标的第1层数字人连续切片图像，如图2所示为 脑干序列图像的第l层切片图像，图像中间部分的组织为脑干；1.2采用智能剪刀初始化步骤1.1中输入的数字人连续切片图像中待分割数字人组 织的目标轮廓，在该目标轮廓上手工给定参考点，由智能剪刀自动生成初始目标轮廓； 智能剪刀是一种人机交互式的半自动图像分割方法，只要在目标轮廓上手动地给出几个 参考点，智能剪刀就可以自动的得到完整的目标轮廓；首先手工框选出目标区域以减少 计算复杂度，然后由拉普拉斯过零点、梯度方向和幅值构造局部代价函数，通过二维动 态规划图搜索算法得到图像上任意两点间的最佳路径，最后采用人机交互的方式得到数 字人本文档来自技高网...

【技术保护点】
一种基于几何活动轮廓目标跟踪的数字人连续切片图像分割方法，包括以下步骤：　１．１输入包含待分割数字人组织目标的第１层数字人连续切片图像；　１．２采用智能剪刀初始化步骤１．１中输入的数字人连续切片图像中待分割数字人组织的目标轮廓，在该目标 轮廓上手工给定参考点，由智能剪刀自动生成初始目标轮廓；　１．３输入下一层数字人连续切片图像，由颜色信息和梯度信息生成当前层数字人组织的目标轮廓匹配度图像；根据前一层初始目标轮廓生成当前层目标轮廓的窄带区域，用距离函数模板方法生成窄带时，确 定窄带内每点所对应的最近目标轮廓点和窄带的内外边界点，根据目标轮廓点信息、梯度信息和区域统计信息生成当前层数字人组织的目标轮廓匹配度图像；　１．４采用方向模板平滑步骤１．３生成的当前层数字人组织的目标轮廓匹配度图像；每个目标轮廓点的方向由 其左右相邻的目标轮廓点确定，窄带内其它点的方向等同于其所对应的最近邻目标轮廓点的方向，用此方向模板平滑步骤１．３生成的当前层数字人组织的目标轮廓匹配度图像；　１．５采用自适应几何活动轮廓模型跟踪得到步骤１．３中输入的当前层的数字人组织的目 标轮廓；在步骤１．４得到的平滑数字人组织的目标轮廓匹配度图像上，采用自适应几何活动轮廓模型跟踪目标轮廓；在自适应几何活动轮廓模型的驱动下，初始目标轮廓在步骤１．４得到的平滑目标轮廓匹配度图像上进行演化，最终得到步骤１．３中输入的当前层的数字人组织的目标轮廓；　１．６保存步骤１．３中输入的当前层数字人组织的目标轮廓分割结果，将它作为步骤１．３中输入层的下一层的初始目标轮廓，返回到步骤１．３继续进行目标跟踪得到后续的目标轮廓。...

【技术特征摘要】
1、一种基于几何活动轮廓目标跟踪的数字人连续切片图像分割方法，包括以下步骤1.1输入包含待分割数字人组织目标的第1层数字人连续切片图像；1.2采用智能剪刀初始化步骤1.1中输入的数字人连续切片图像中待分割数字人组织的目标轮廓，在该目标轮廓上手工给定参考点，由智能剪刀自动生成初始目标轮廓；1.3输入下一层数字人连续切片图像，由颜色信息和梯度信息生成当前层数字人组织的目标轮廓匹配度图像；根据前一层初始目标轮廓生成当前层目标轮廓的窄带区域，用距离函数模板方法生成窄带时，确定窄带内每点所对应的最近目标轮廓点和窄带的内外边界点，根据目标轮廓点信息、梯度信息和区域统计信息生成当前层数字人组织的目标轮廓匹配度图像；1.4采用方向模板平滑步骤1.3生成的当前层数字人组织的目标轮廓匹配度图像；每个目标轮廓点的方向由其左右相邻的目标轮廓点确定，窄带内其它点的方向等同于其所对应的最近邻目标轮廓点的方向，用此方向模板平滑步骤1.3生成的当前层数字人组织的目标轮廓匹配度图像；1.5采用自适应几何活动轮廓模型跟踪得到步骤1.3中输入的当前层的数字人组织的目标轮廓；在步骤1.4得到的平滑数字人组织的目标轮廓匹配度图像上，采用自适应几何活动轮廓模型跟踪目标轮廓；在自适应几何活动轮廓模型的驱动下，初始目标轮廓在步骤1.4得到的平滑目标轮廓匹配度图像上进行演化，最终得到步骤1.3中输入的当前层的数字人组织的目标轮廓；1.6保存步骤1.3中输入的当前层数字人组织的目标轮廓分割结果，将它作为步骤1.3中输入层的下一层的初始目标轮廓，返回到步骤1.3继续进行目标跟踪得到后续的目标轮廓。2、 根据权利要求1所述的基于几何活动轮廓目标跟踪的数字人连续切片图像分割 方法，其特征在于智能剪刀初始化目标轮廓，其基本过程为(1) 手工框选出目标区域；(2) 计算得到框选目标区域的代价函数；局部代价函数的构造方程为/(; ， g) = wz /z (g) + A O,+ /G (《) 其中，A^表示相邻两点，/z,/^/c分别表示拉普拉斯过零点，梯度方向和梯度幅 值,0S Z， 《G Sl且fi^ + +WG =1为权重系数；(3) 通过动态规划方法得到图像上任意两点间的最佳路径；(4) 通过人机交互的方式得到数字人连续切片图像第一层的初始数字人组织的目 标轮廓。3、 根据权利要求1所述的基于几何活动轮廓目标跟踪的数字人连续切片图像分割 方法，其特征在于基于距离函数模板的窄带生成方法为设窄带的宽度为)t，定义^:*& 的距离函数模板，模板中任一点的值为到中心点的欧式距离；给定初始的目标轮廓线之 后，以目标轮廓线上的点为模板中心，然后沿目标轮廓线遍历一遍，将落在模板中的网 格点加入到窄带中，到目标轮廓线的最短距离取模板值，并记中心点为目标轮廓线上到 该点距离最短的点；若该点已经在窄带中，则比较其距离函数值，如果其值大于模板值， 则更新为模板值，并修改目标轮廓线上的距离最近点记录。4、 根据权利要求1所述的基于几何活动轮廓目标跟踪的数字人连续切片图像分割方法，其特征在于目标轮廓匹配度图像的基本构造方程为尸=| +广^ + >5^，其中，；r，/ e为常量，尸，r,G，及分别表示由数字人组织目标轮廓点相似度、局部方差、梯度和区域统计信息构造的项；所述数字人组织目...

【专利技术属性】
技术研发人员：陈强，夏德深，孙权森，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：84[中国|南京]