基于改進(jìn)的距離調(diào)整水平集算法的醫(yī)學(xué)圖像分割方法
【專利摘要】本發(fā)明公開了一種基于改進(jìn)的距離調(diào)整水平集算法的醫(yī)學(xué)圖像分割方法，包括以下步驟：輸入二維醫(yī)學(xué)圖像；利用Matlab軟件采用高斯核函數(shù)對輸入的二維醫(yī)學(xué)圖像進(jìn)行二維空間內(nèi)的高斯濾波平滑，平滑濾波后的圖像的梯度信息為從而得到該二維醫(yī)學(xué)圖像的輪廓曲線，對DRLSE模型的隱函數(shù)進(jìn)行改進(jìn)得到ADRLSE模型，利用ADRLSE模型設(shè)置諾埃曼條件的邊界停止函數(shù)；輪廓曲線的演化使輪廓曲線自適應(yīng)調(diào)整演化方向，直至滿足停止條件為止。本發(fā)明方法不僅保持了符號距離函數(shù)的屬性，而且避免了重新初始化，減少了計算量，解決了符號函數(shù)的周期性初始化問題，提高了算法的效率，避免了圖像分割中邊緣失真。
【專利說明】基于改進(jìn)的距離調(diào)整水平集算法的醫(yī)學(xué)圖像分割方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種醫(yī)學(xué)圖像分割方法。特別是涉及一種改進(jìn)的距離調(diào)整水平集方 法。

【背景技術(shù)】
[0002] 圖像分割是圖像處理、圖像分析和計算機(jī)視覺等領(lǐng)域經(jīng)典的研究課題之一，也是 難點之一，其目的是將圖像分成各具特性的區(qū)域并將目標(biāo)從背景和噪聲中分離出來，從而 為后續(xù)的定量、定性分析提供基礎(chǔ)支持。
[0003] 由于各種圖像，尤其是醫(yī)學(xué)圖像的方式各異，圖像處理過程中又不可避免地引入 一定的隨機(jī)噪聲，再加上圖像中感興趣目標(biāo)的形態(tài)和強(qiáng)度差別很大，至今還沒有一種通用 的方法適合于所有圖像的分割。近年來發(fā)展起來的水平集方法綜合利用了區(qū)域與邊界信 息，以其精確性、自動性和最終分割結(jié)果的連續(xù)性被廣泛應(yīng)用于圖像分割和計算機(jī)視覺等 領(lǐng)域。該類方法易于結(jié)合分割物體的形狀等先驗知識約束，逐漸成為醫(yī)學(xué)圖像的分割領(lǐng)域 的研究熱點。
[0004] 水平集方法是歐拉法求解隱式偏微分方程的一種方法，水平集方法是最先由 OsherandSethian在上世紀(jì)80年代提出的，用于流體運(yùn)動和火焰?zhèn)鞑ソ缑娴淖粉?，隨后又 被引入到計算機(jī)視覺和圖像處理領(lǐng)域。其主要思想是將被動曲線C(p，t)嵌入到高一維空 間的水平集函數(shù)#?(.ν,.ι·,0中，通過計算水平集函數(shù)零水平樹C(/M),f) = 0的位置來追蹤曲 線的演化。其中，P是任意參數(shù)化變量，t表示時間。在傳統(tǒng)的水平集方法中，初始水平集函 數(shù)通常取為符號距離函數(shù)。水平集函數(shù)在迭代的過程中可能發(fā)生退化，使它不再保持符號 函數(shù)，因此要進(jìn)行重新初始化操作，以保證水平集函數(shù)接近一個符號函數(shù)。在演化過程中周 期性地對水平集函數(shù)進(jìn)行校正，即重新初始化為符號函數(shù)，這一操作計算量非常大。Li等 引入了符號距離函數(shù)來懲罰能量泛函，即無需初始化的水平集方法，解決了符號函數(shù)的周 期性初始化問題，提高了算法的效率，但分割邊界模糊或不連續(xù)的圖像時往往出現(xiàn)邊界泄 露現(xiàn)象。2005年Li等引入距離調(diào)整函數(shù)的水平集方法（AdvancedDistanceRegularized LevelSetEvolution),在符號距離函數(shù)的基礎(chǔ)上對該函數(shù)進(jìn)行了調(diào)整。


【發(fā)明內(nèi)容】

[0005] 針對上述現(xiàn)有技術(shù)，本發(fā)明提供一種基于改進(jìn)的距離調(diào)整水平集算法的醫(yī)學(xué)圖 像分割方法，主要是在距離調(diào)整水平集算法（DRLSE，DistanceRegularizedLevelSet EvolutionMode,)基礎(chǔ)上提出了改進(jìn)的距離調(diào)整水平集算法（ADRLSE，AdvancedDistance RegularizedLevelSetEvolution),在曲線演化即水平集函數(shù)演化過程中，不僅保持符號 距離函數(shù)的屬性，避免重新初始化，提供了更有效的計算，減少了經(jīng)過DRLSE處理后的二維 醫(yī)學(xué)圖像邊緣銳化，利用本發(fā)明中建立的ADRLSE模型處理后的圖像邊緣更光滑。
[0006] 為了解決上述技術(shù)問題，本發(fā)明一種基于改進(jìn)的距離調(diào)整水平集算法的醫(yī)學(xué)圖像 分割方法予以實現(xiàn)的技術(shù)方案是，該方法包括以下步驟：
[0007] 步驟一、輸入二維醫(yī)學(xué)圖像；
[0008] 步驟二、利用Matlab軟件采用高斯核函數(shù)對輸入的二維醫(yī)學(xué)圖像進(jìn)行二維空間內(nèi) 的高斯濾波平滑，二維醫(yī)學(xué)圖像函數(shù)為I(X，y);高斯核函數(shù)為Off = -Uexp(-(.r+r)), 2πσ~ 2<r 其中。為標(biāo)準(zhǔn)方差，平滑濾波后的圖像為Γ，Γ=6。*1(1，7)，平滑濾波后的圖像的梯度 信息為VGff * /(.r，.v)，從而得到該二維醫(yī)學(xué)圖像的輪廓曲線；
[0009] 步驟三、對DRLSE模型的隱函數(shù)進(jìn)行改進(jìn)，使水平集函數(shù)接近于符號距離函數(shù)，改 進(jìn)后的隱函數(shù)為：

【權(quán)利要求】
1. 一種基于改進(jìn)的距離調(diào)整水平集算法的醫(yī)學(xué)圖像分割方法，其特征在于：包括以下 步驟： 步驟一、輸入二維醫(yī)學(xué)圖像； 步驟二、利用Matlab軟件采用高斯核函數(shù)對輸入的二維醫(yī)學(xué)圖像進(jìn)行二維空間內(nèi)的 高斯濾波平滑，二維醫(yī)學(xué)圖像函數(shù)為I (x，y);高斯核函數(shù)為
其 中。為標(biāo)準(zhǔn)方差，平滑濾波后的圖像為Γ，Γ =6。*1(1，7)，平滑濾波后的圖像的梯度信 息為VGtlO(W)，從而得到該二維醫(yī)學(xué)圖像的輪廓曲線； 步驟三、對DRLSE模型的隱函數(shù)進(jìn)行改進(jìn)，使水平集函數(shù)接近于符號距離函數(shù)，改進(jìn)后 的隱函數(shù)為：
式中，P為隱函數(shù)，S為平面區(qū)域； 基于改進(jìn)后的隱函數(shù)得到ADRLSE模型，利用ADRLSE模型設(shè)置諾埃曼條件的邊界停止 函數(shù)； 步驟四、開始輪廓曲線的演化，即使輪廓曲線自適應(yīng)調(diào)整演化方向； 步驟五、在輪廓曲線的演化過程中，當(dāng)輪廓曲線滿足諾埃曼條件的邊界停止函數(shù)時，輪 廓曲線收斂到目標(biāo)邊界，則停止演化，最終得到目標(biāo)圖像輪廓；否則，返回步驟四。
2. 根據(jù)權(quán)利要求1所述基于改進(jìn)的距離調(diào)整水平集算法的醫(yī)學(xué)圖像分割方法，步驟三 中，利用ADRLSE模型設(shè)置諾埃曼條件的邊界停止函數(shù)為：
其中，GJI 表示用高斯核函數(shù)G。對圖像I進(jìn)行平滑濾波，￥表示對平滑后的圖像求梯度。
【文檔編號】G06T7/00GK104376559SQ201410649120
【公開日】2015年2月25日 申請日期:2014年11月14日 優(yōu)先權(quán)日:2014年11月14日
【發(fā)明者】倪愛娟, 田豐, 謝新武, 孫秋明, 楊健, 劉長軍, 杜振杰, 趙杰 申請人:中國人民解放軍軍事醫(yī)學(xué)科學(xué)院衛(wèi)生裝備研究所, 中國人民解放軍總后勤部東北軍用物資采購局