基于牙科全景图的皮质骨宽度自动计算方法技术

本发明专利技术提供一种基于牙科全景图片的皮质骨宽度CW计算方法，包括如下步骤：1)基于OTSU和DLS的颏孔识别：a）图像预处理，使图像的颏孔和轮廓变得明显；b）采用OTSU方法对图像的阈值分割；c）形态学处理，让阈值分割后的图像边缘更加平滑；d）利用Canny算子检测图像边缘；e）最小二乘法椭圆拟合；f）结束；2)基于图像聚类和DLS的皮质骨宽度计算；a）提取ROI，提取左ROI时是以左颏孔为右上角，以颏孔到全景图下边缘为边长；而右ROI是以颏孔为左上角，以颏孔到全景图下边缘为边长；b)ROI预处理；c)图像聚类；d)形态学处理；e)最小二乘法曲线拟合；f计算皮质骨宽度，即计算颏孔点到上下边缘的距离差；g)结束。本发明专利技术在基于牙科全景图片下，实现了颏孔的自动识别和基于ROI的CW计算，在CW计算方法中提高了CW计算的准确性和效率，为医学图像处理提供了方便。

【技术实现步骤摘要】

本专利技术涉及一种图像处理领域，是一种
技术介绍
基于牙科全景图的皮质骨宽度计算方法是在骨质疏松检测的基础上提出来的。骨质疏松是一种妇女和老年人经常面临的一种疾病，由于其危害极大，而且不易察觉，因此对其预测显得尤为重要。在近几年的研究中多种研究成果显示骨质疏松疾病与皮质骨宽度值有着很密切的关系，但是皮质骨宽度的测量如果每次都是手工测量不仅费时而且可能会不准确，因此利用计算机对于皮质骨宽度CW的自动测量就显得很有必要。 在对于CW计算中，技术难题主要就是图像的分割。前人对图像分割中有了一些比较成熟的技术，包括了基于阈值的分割、基于边缘检测的图像分割、基于区域特性的图像分害I]、基于模式识别的图像分割等等。其中基于阈值的分割中OTSU(基于类间方差最大法)有着不错的口碑。基于边缘检测中有很多的算子比如说Canny, Sobel, Laplacian等。基于区域特性的图像分割可分为两种区域生长和分裂合并，分水岭算法算是里面比较新的一种分割方法。基于模式识别的分割技术中监督算法有神经网络，支持向量机等。无监督算法又叫做聚类算法。之前也有人做过CW计算方法的研究，但是对于颏孔的手动标识和在对上下边缘进行检测时需要用户给出有效的像素点使得方法存在着不足，使得用户的体验显得很不足，用户希望是能够直接得到CW的计算结果，越方便越好。
技术实现思路
本专利技术所要解决的技术问题是自动计算基于牙科全景图的皮质骨宽度(CW)值，主要关注其自动性、准确性及其效率。为解决上述问题，本专利技术基于牙科全景图的皮质骨宽度(CW)自动计算方法包括如下步骤I)基于 OTSU 和和 DLS (Direct Least Square)的颏孔识别a图像预处理，使图像的颏孔和轮廓变得明显；b采用OTSU方法对图像的阈值分割；c形态学处理，让阈值分割后的图像边缘更加平滑； d利用Canny算子检测图像边缘；e最小二乘法椭圆拟合，将颏孔的外观定义成椭圆，然后对其边缘进行拟合；f 结束；2)基于聚类和DLS的皮质骨宽度计算a颏孔识别提取ROI (Region of Interest)，提取左ROI时是以左颏孔为右上角，以颏孔到全景图下边缘为边长；而右ROI是以颏孔为左上角，以颏孔到全景图下边缘为边长；b ROI 预处理；c图像聚类，将图像分成两类，将各个灰度值看成一类，然后将离得较近的、相邻的类合并直至变成两类为止；d形态学处理；e最小二乘法曲线拟合，将图像模拟成为多项式曲线；f 计算皮质骨宽度，即从颏孔处向两条边缘线做垂线，两个距离之差即为皮质骨宽度；g 结束。本专利技术中，步骤I) -a中所述的图像预处理是先将24位图变成8位的，然后对其进行灰度拉伸，灰度拉伸后进行图像的锐化。本专利技术中，步骤l)_b中进行OTSU图像分割方法如下计算图像各个灰度值的概率；用T将灰度值分成两组Cci = {0 t}和C1 = {T+1 m},计算组间方差；将T进行变化(0 m)，分别计算阈值选择函数S2(T) = w0 ( y 0-y )、( yy )2，求出最大值，就选择其为阈值点进行返回。本专利技术中，步骤l)-c中进行形态学处理是指进行形态学腐蚀膨胀处理.本专利技术中，步骤2)_b中ROI图像预处理对图像进行灰度化、锐化、去除前景和背景操作。本专利技术中，步骤2)_c中图像聚类的步骤如下令Ck为灰度图中升序排第k类的一个集群，Tk是Ck类中的最大的灰度值，因此Ck包含了从[Th+1，TJ的灰度值，这里我们定义Ttl = -1，接下来是一个归并的过程，如下I)假设直方图包含了 k个不同的非空的灰度值，在开始的阶段，每个类中只包含一个灰度值；2)下面的过程将会持续k_t次，来将k类变成t类2. I)每个相邻类之间的距离将会被计算，这个距离就表明了相邻类的相异程度；2.2)找出相邻距离最短的路径，并且将这两个类合并成一个类。由于类会越变越小，C和T将会被重新赋值；3)最后将会获得t个类。本专利技术中，每个相邻类之间的距离的计算方法如下令h(z)表示目标图像的直方图，z = 0，1，. . . L-l，z表示的是灰度等级，而L为最大可以表示的最大等级个数，定义p (z)=h (z)/N，N表示的是图像中像素的个数，p (z)表示的是灰度等级为z的像素的概率，如下所示Z P(z)，ZU = 1.^yyk)- z=Tt_l+\ k=\而Ckl和Ck2之间的距离定义如下Dist(Ckl,Ck2) = ^12(CH ^Ck2)52A(Ckl ^ck2).而印丨oArn(Ckl)-MiCkl ^Ck2)]权利要求1.一种基于牙科全景图片的皮质骨宽度计算方法，其特征在于，包括如下步骤1)基于0TSU和DLS的颏孔识别a图像预处理，使图像的颏孔和轮廓变得明显； b采用0TSU方法对图像的阈值分割； c形态学处理，让阈值分割后的图像边缘更加平滑； d利用Canny算子检测图像边缘；e最小二乘法椭圆拟合，将颏孔的外观定义成椭圆，然后对其边缘进行拟合； f■结束；2)基于图像聚类和DLS的皮质骨宽度计算a颏孔识别提取R0I，提取左R0I时是以左颏孔为右上角，以颏孔到全景图下边缘为边 长；而右R0I是以颏孔为左上角，以颏孔到全景图下边缘为边长； b R0I预处理；c图像聚类，将图像分成两类，将各个灰度值看成一类，然后将离得较近的、相邻的类合 并直至变成两类为止； d形态学处理；e最小二乘法曲线拟合，将图像模拟成为多项式曲线；f计算皮质骨宽度，即从颏孔处向两条边缘线做垂线，两个距离之差即为皮质骨宽度； g结束。2.根据权利要求1所述的基于牙科全景图片的皮质骨宽度计算方法，其特征在于，其 中步骤1) -a中所说的图像预处理是先将24位图变成8位的，然后对其进行灰度拉伸，灰度 拉伸后进行图像的锐化。3.根据权利要求1所述的基于牙科全景图片的皮质骨宽度计算方法，其特征在于，其 中步骤l)_b中进行0TSU图像分割方法如下计算图像各个灰度值的概率；用T将灰度值分成两组(；={() T}和Q = {T+1 m}，计算组间方差；将T进行变化(0 m)，分别计算阈值选择函数62(T) = w0(u0-u)2+w1(yi-y)2^ 出最大值，就选择其为阈值点进行返回。4.根据权利要求1所述的基于牙科全景图片的皮质骨宽度计算方法，其特征在于，其 中步骤l)-c中进行形态学处理是指进行形态学腐蚀膨胀处理。.5.根据权利要求1所述的基于牙科全景图片的皮质骨宽度计算方法，其特征在于，其 中步骤2)-b中R0I图像预处理对图像进行灰度化、锐化、去除前景和背景操作。6.根据权利要求1所述的基于牙科全景图片的皮质骨宽度计算方法，其特征在于，其 中步骤2)-c中图像聚类的步骤如下令Ck为灰度图中升序排第k类的一个集群，Tk是Ck类 中的最大的灰度值，因此Ck包含了从的灰度值，定义I； =-1，.1)假设直方图包含了k个不同的非空的灰度值，在开始的阶段，每个类中只包含一个 灰度值；.2)下面的过程将会持续k-t次，来将k类变成t类.2. 1)每个相邻类之间的距离将会被计算，这个距离就表明了相邻类的相异程度；.2.2)找出相邻距离最短的路径，并且将这两个类合并成一个类。由于类会越变越小，C和T将会被重新赋值；3)最后将会获得t个类。7.根据权利本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：王崇骏，刘晶晶，窦文科，孙道平，谢俊元，
申请(专利权)人：南京大学，
类型：发明
国别省市：