專利名稱：一種醫(yī)學(xué)圖像的感興趣區(qū)域提取方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種圖像分割方法，尤其是涉及一種醫(yī)學(xué)圖像的感興趣區(qū)域提取方法。
背景技術(shù)：
圖像分割就是指把圖像分成各具特性的多個(gè)區(qū)域，并提取出感興趣區(qū)域的技術(shù)和
過程。在圖像分割的基礎(chǔ)上可以進(jìn)一步對(duì)感興趣區(qū)域進(jìn)行測量和分析，為以后的圖像理解
提供必要的數(shù)據(jù)，因此圖像分割一直是計(jì)算機(jī)視覺和模式領(lǐng)域的研究熱點(diǎn)。 目前已經(jīng)有多種方法被人們提出應(yīng)用于圖像分割領(lǐng)域特別是醫(yī)學(xué)圖像分割領(lǐng)域，
根據(jù)醫(yī)學(xué)圖像"區(qū)域間不連續(xù)性"和"區(qū)域內(nèi)相似性"兩個(gè)準(zhǔn)則，現(xiàn)有的應(yīng)用于醫(yī)學(xué)圖像的
分割方法大致可分為三類 —是閾值分割方法經(jīng)典的有由0tsu在1979年提出的大津法，該類方法存在很大 的缺點(diǎn)，即如果圖像中不存在明顯的灰度差異或各對(duì)象的灰度值范圍有較大重疊，則很難 取得令人滿意的分割結(jié)果。 二是基于邊緣檢測的分割方法該類方法主要借助于各種邊緣檢測算子對(duì)圖像處 理得到分散的邊緣，然后再得到用戶感興趣的區(qū)域；這種方法的缺點(diǎn)在于邊緣檢測時(shí)抗噪 性和檢測精度的相矛盾，如果提高檢測精度，則噪聲產(chǎn)生的偽邊緣會(huì)導(dǎo)致不合理的輪廓，如 果提高抗噪性，則會(huì)產(chǎn)生輪廓漏檢和位置偏差等現(xiàn)象。 三是基于區(qū)域生長的分割方法該類方法從滿足檢測準(zhǔn)則的種子點(diǎn)開始，在各個(gè) 方向上生長區(qū)域，當(dāng)其相鄰點(diǎn)滿足特定檢測準(zhǔn)則就并入小塊區(qū)域中，當(dāng)新的點(diǎn)被合并后再 用新的區(qū)域重復(fù)這一過程，直到?jīng)]有可接受的鄰近點(diǎn)時(shí)生成過程終止。性質(zhì)的相似性和空 間的相鄰性是該類方法的重要準(zhǔn)則，因此假定灰度相近、性質(zhì)上相似、空間上相鄰的像素點(diǎn) 屬于同一區(qū)域。該方法的優(yōu)點(diǎn)在于計(jì)算過程簡單，對(duì)于均勻的連通目標(biāo)有很好的分割效果。 其主要缺點(diǎn)是如果起初種子點(diǎn)選擇不佳，如選擇的種子點(diǎn)為一個(gè)噪聲點(diǎn)，這樣將會(huì)影響最 終的分割效果，此外需反復(fù)調(diào)試閾值直到獲得滿意的結(jié)果為止，這樣不僅耗時(shí)較長，而且所 獲得的分割結(jié)果在很大程度上依賴于用戶對(duì)閾值的選擇，另一方面由于圖像密度和噪聲不 一，該類方法往往會(huì)導(dǎo)致分割得到的結(jié)果存在空洞或過度分割。 近年來，隨著各學(xué)科許多新理論和新方法的提出，人們也提出了許多與一些特定 理論、方法和工具相結(jié)合的圖像分割方法，如基于人工神經(jīng)網(wǎng)絡(luò)的分割方法、基于數(shù)學(xué)形態(tài) 學(xué)的分割方法、基于人工智能在圖像應(yīng)用的分割方法、基于小波分析和變換的分割方法等 等。其中，大部分方法的復(fù)雜度較高，運(yùn)行時(shí)間較長，此外對(duì)硬件的要求也較高，即往往需要 在工作站上執(zhí)行，這將給實(shí)際應(yīng)用帶來一定困難。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是提供一種計(jì)算復(fù)雜度低，運(yùn)行時(shí)間短，且提取出的 感興趣區(qū)域的精度高的基于區(qū)域生長的醫(yī)學(xué)圖像的感興趣區(qū)域提取方法。
本發(fā)明解決上述技術(shù)問題所采用的技術(shù)方案為一種醫(yī)學(xué)圖像的感興趣區(qū)域提取 方法，包括以下步驟 ①從輸入圖像中的待提取的感興趣區(qū)域中選取一個(gè)坐標(biāo)為(px， py)的像素點(diǎn) 作為區(qū)域生長的種子點(diǎn)，記種子點(diǎn)為SeedP，記種子點(diǎn)SeedP的灰度值為SeedP(px， py)， SeedP(px， py) = Sum/9，其中，Sum表示種子點(diǎn)SeedP的灰度值SeedP(px， py)與種子點(diǎn) SeedP的各八鄰域像素點(diǎn)的灰度值之和； ②基于區(qū)域生長法，以種子點(diǎn)SeedP為中心向外進(jìn)行區(qū)域生長，具體區(qū)域生長過 程為 ②-1、設(shè)置 一 個(gè)感興趣隊(duì)列WellQueue和 一 個(gè)初始化隊(duì)列InitQueue，其 中，感興趣隊(duì)列WellQueue和初始化隊(duì)列InitQueue的初始值為空；設(shè)置一個(gè)觀察序 列ObserveList禾口一個(gè)比較序列ReferList，其中，觀察序列ObserveList禾口比較序列 ReferList的初始值為空； ②_2、將種子點(diǎn)SeedP的坐標(biāo)位置(px，py)以及種子點(diǎn)SeedP的各八鄰域像素點(diǎn) 的坐標(biāo)位置加入到感興趣隊(duì)列WellQueue中，并將種子點(diǎn)SeedP以及種子點(diǎn)SeedP的各八 鄰域像素點(diǎn)標(biāo)記為感興趣像素點(diǎn)；將種子點(diǎn)SeedP的各八鄰域像素點(diǎn)的四鄰域像素點(diǎn)中未 標(biāo)記為感興趣像素點(diǎn)的像素點(diǎn)的坐標(biāo)位置加入到初始化隊(duì)列InitQueue中，并將這些像素 點(diǎn)標(biāo)記為待處理像素點(diǎn)； ②_3、判斷初始化隊(duì)列InitQueue是否為空，如果是，則表示區(qū)域生長過程結(jié)束， 執(zhí)行步驟③，否則，按先進(jìn)先出方式從初始化隊(duì)列InitQueue中選取位于隊(duì)頭的坐標(biāo)位置， 將該坐標(biāo)位置對(duì)應(yīng)的待處理像素點(diǎn)作為第t個(gè)觀察點(diǎn)，記第t個(gè)觀察點(diǎn)為ObservePt，其中， t的初始值為1 ; ②_4、計(jì)算所有感興趣像素點(diǎn)的灰度值的平均值，記為Average,計(jì)算第t個(gè)觀察 點(diǎn)ObservePt的四鄰域像素點(diǎn)中標(biāo)記為感興趣像素點(diǎn)的所有像素點(diǎn)的灰度值的平均值，記 為NeiAve，將第t個(gè)觀察點(diǎn)ObserVePt的灰度值、種子點(diǎn)SeedP的灰度值、所有感興趣像素 點(diǎn)的灰度值的平均值A(chǔ)verage以及第t個(gè)觀察點(diǎn)ObserVePt的四鄰域像素點(diǎn)中標(biāo)記為感 興趣像素點(diǎn)的各像素點(diǎn)的灰度值順序作為觀察序列ObserveList的序列元素，將第t個(gè)觀 察點(diǎn)ObservePt的四鄰域像素點(diǎn)中標(biāo)記為感興趣像素點(diǎn)的所有像素點(diǎn)的灰度值的平均值 NeiAve、種子點(diǎn)SeedP的灰度值、所有感興趣像素點(diǎn)的灰度值的平均值A(chǔ)verage以及第t個(gè) 觀察點(diǎn)ObservePt的四鄰域像素點(diǎn)中標(biāo)記為感興趣像素點(diǎn)的各像素點(diǎn)的灰度值順序作為比 較序列ReferList的序列元素； ②-5、計(jì)算觀察序列ObserveList的零化像之和，記為Sa， & = |](xa(A) —、(1》， 計(jì)算比較序列ReferList的零化像之和，記為Sb， & = —&(1))，計(jì)算觀察序列
ObserveList的初始像之和，記為S' a，& =J(^(A:)-、(1》，計(jì)算比較序列ReferList的
初始像之和，記為S' b，《=￡(、(A:)-4(1》，其中，n表示觀察序列ObserveList或比較序
列ReferList所包含的序列元素的總個(gè)數(shù)，4《n《6，xa(l)表示觀察序列ObserveList中 的第1個(gè)序列元素，xa(k)表示觀察序列ObserveList中的第k個(gè)序列元素，xb(l)表示比的第k個(gè)序列元
素，X' a(k) = Xa(k)/Xa(l)，X' a (1) = Xa (1)/、 ( 1) = 1 ， X ' b (k) = Xb (k)/xb (1) ， X ' b(l) =Xb(l)/Xb(l) = 1 ; ②_6、利用灰色理論計(jì)算觀察序列ObserveList和比較序列ReferList的絕對(duì) 關(guān)聯(lián)度與相對(duì)關(guān)聯(lián)度，以及第t個(gè)觀察點(diǎn)ObservePt與待提取的感興趣區(qū)域的灰色綜合關(guān) 聯(lián)度，具體過程為計(jì)算觀察序列ObserveList和比較序列ReferList的絕對(duì)關(guān)聯(lián)度，記為
1+s。+
1++《 co。計(jì)算觀察序列ObserveList和比較序列ReferList的相對(duì)
關(guān)聯(lián)度，記為r，r二-
1+s。1++《+義&-《
，計(jì)算第t個(gè)觀察點(diǎn)ObservePt與待提取的感興
趣區(qū)域的灰色綜合關(guān)聯(lián)度，記為pt， pt = e e+(i-e)r，其中，a和e均為調(diào)整參數(shù)，o
< a < l，O. 4《9《0. 6， P t G
; ②_7、根據(jù)第t個(gè)觀察點(diǎn)ObservePt與待提取的感興趣區(qū)域的灰色綜合關(guān)聯(lián)度 P t，計(jì)算用于判斷第t個(gè)觀察點(diǎn)ObservePt是否屬于待提取的感興趣區(qū)域的判定閾值，記為
一77zres/w/d | — 7T2res/K /d |> 77
Thresholdt， 77^es/K>/《=
m+1
，其中，Thresholdt—i
為用于判斷第t-1個(gè)觀察點(diǎn)ObserveP^是否屬于待提取的感興趣區(qū)域的判定閾值，用于判 斷第1個(gè)觀察點(diǎn)ObserveP工是否屬于待提取的感興趣區(qū)域的判定閾值Threshold的取值范 圍為0. 5《Threshold!《l，O. 04《n《0. 06， m表示所有感興趣像素點(diǎn)的總個(gè)數(shù)；
②0-8、判斷|Thresholdt_P t|《V是否成立，其中，0. 04《V《0.06，如果成 立，則確定第t個(gè)觀察點(diǎn)ObservePt屬于待提取的感興趣區(qū)域，對(duì)第t個(gè)觀察點(diǎn)ObservePt 進(jìn)行重新標(biāo)記，標(biāo)記為感興趣像素點(diǎn)，并將該第t個(gè)觀察點(diǎn)ObservePt的坐標(biāo)位置加入到感 興趣隊(duì)列WellQueue中，然后將初始化隊(duì)列InitQueue中與第t個(gè)觀察點(diǎn)ObservePt的坐 標(biāo)位置對(duì)應(yīng)的坐標(biāo)位置刪除，將第t個(gè)觀察點(diǎn)ObservePt的四鄰域像素點(diǎn)中未標(biāo)記為感興 趣像素點(diǎn)或待處理像素點(diǎn)的像素點(diǎn)的坐標(biāo)位置加入到初始化隊(duì)列InitQueue中，并標(biāo)記這 些像素點(diǎn)為待處理像素點(diǎn)，再計(jì)算t' =t+l，t = t'，并返回步驟②-3繼續(xù)執(zhí)行，否則，將 初始化隊(duì)列InitQueue中與第t個(gè)觀察點(diǎn)ObserVePt的坐標(biāo)位置對(duì)應(yīng)的坐標(biāo)位置刪除，再 計(jì)算t' =t+1，t = t'，并返回步驟②-3繼續(xù)執(zhí)行； ③從感興趣隊(duì)列WellQueue中提取出所有坐標(biāo)位置，然后從輸入圖像中提取出這
些坐標(biāo)位置相對(duì)應(yīng)的感興趣像素點(diǎn)，由提取出的感興趣像素點(diǎn)組成感興趣區(qū)域。 在執(zhí)行所述的步驟①之前先采用四鄰域中值濾波法對(duì)輸入圖像進(jìn)行濾波處理，去
除輸入圖像中存在的噪聲。 對(duì)獲得的感興趣區(qū)域進(jìn)行空洞點(diǎn)填補(bǔ)后處理，以得到更精確的感興趣區(qū)域，具體 過程為掃描輸入圖像中的每個(gè)像素點(diǎn)，對(duì)于各個(gè)像素點(diǎn)，判斷像素點(diǎn)是否為感興趣像素 點(diǎn)，如果是，則對(duì)該像素點(diǎn)不進(jìn)行處理，否則，再判斷該像素點(diǎn)的四鄰域像素點(diǎn)是否均為感 興趣像素點(diǎn)，當(dāng)該像素點(diǎn)的四鄰域像素點(diǎn)均為感興趣像素點(diǎn)時(shí)，將該像素點(diǎn)標(biāo)記為感興趣 像素點(diǎn)，當(dāng)該像素點(diǎn)的四鄰域像素點(diǎn)中存在一個(gè)像素點(diǎn)不為感興趣像素點(diǎn)時(shí)，對(duì)該像素點(diǎn)
7不進(jìn)行處理。 所述的步驟②_6中A = 0. 5。
所述的步驟②-7中Threshold! = 0. 8。
所述的步驟②-7中n = 0. 05。
所述的步驟②-8中V = 0. 05。 與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)在于在種子點(diǎn)選取過程中，將所選定的種子點(diǎn)的 灰度值與其八鄰域像素點(diǎn)的灰度值之和的平均值作為該種子點(diǎn)的灰度值，這樣可有效避免 種子點(diǎn)選取的錯(cuò)誤，即避免了選取的種子點(diǎn)為噪聲點(diǎn)的情況，從而避免了因種子點(diǎn)的錯(cuò)誤 選擇而導(dǎo)致不能進(jìn)行良好分割的后果；在區(qū)域生長過程中，本發(fā)明方法充分利用了圖像的 全局和局部信息，構(gòu)建了觀察序列和比較序列，再利用灰色理論計(jì)算觀察序列和比較序列 的絕對(duì)關(guān)聯(lián)度及相對(duì)關(guān)聯(lián)度，根據(jù)觀察序列和比較序列的絕對(duì)關(guān)聯(lián)度及相對(duì)關(guān)聯(lián)度計(jì)算表 征觀察點(diǎn)與待提取的感興趣區(qū)域的灰色綜合關(guān)聯(lián)度，計(jì)算復(fù)雜度較低，運(yùn)行時(shí)間較短，也無 需進(jìn)行大量數(shù)據(jù)的數(shù)學(xué)統(tǒng)計(jì)；在區(qū)域生長過程中，在觀察點(diǎn)與待提取的感興趣區(qū)域的灰色 綜合關(guān)聯(lián)度的基礎(chǔ)上調(diào)整判定閾值，從而把感興趣區(qū)域從圖像中提取出來，且提取得到的 感興趣區(qū)域的精度較高。 本發(fā)明方法為了得到更為規(guī)則的感興趣區(qū)域的輪廓，還可對(duì)獲得的感興趣區(qū)域進(jìn) 行空洞點(diǎn)填補(bǔ)后處理，通過空洞點(diǎn)填補(bǔ)操作，可獲得精度更高的感興趣區(qū)域。


圖1為本發(fā)明方法的基本流程框圖； 圖2為觀察序列ObserveList和比較序列ReferList的示意圖；
圖3a為頭顱CT切片； 圖3b為采用現(xiàn)有的基于區(qū)域生長的分割方法對(duì)圖3a所示的圖像進(jìn)行分割獲得的 結(jié)果示意圖； 圖3c為采用本發(fā)明方法從圖3a所示的圖像中提取得到的結(jié)果示意圖；
圖4a為帶有噪聲的頭顱CT切片； 圖4b為采用現(xiàn)有的基于區(qū)域生長的分割方法對(duì)圖4a所示的圖像進(jìn)行分割獲得的 結(jié)果示意圖； 圖4c為采用本發(fā)明方法從圖4a所示的圖像中提取得到的結(jié)果示意圖。
具體實(shí)施例方式
以下結(jié)合附圖實(shí)施例對(duì)本發(fā)明作進(jìn)一步詳細(xì)描述。 目前，灰色系統(tǒng)理論在各行各業(yè)得到了廣泛的應(yīng)用，但是圖像處理技術(shù)上，只是在 近年來才得到了一定的發(fā)展，特別在醫(yī)學(xué)圖像處理上的應(yīng)用研究則更少?，F(xiàn)階段灰色系統(tǒng) 理論在圖像處理中的應(yīng)用多集中在以下幾個(gè)方面l)圖像識(shí)別方面；2)圖像壓縮；3)圖像 質(zhì)量評(píng)價(jià)方面；4)圖像噪聲處理方面；5)圖像檢索方面。本發(fā)明提出的一種醫(yī)學(xué)圖像的感 興趣區(qū)域提取方法，正是利用了灰色系統(tǒng)理論，區(qū)域生長與灰色系統(tǒng)理論的結(jié)合為提取效 果較好地感興趣區(qū)域提供了較好的保障。本發(fā)明方法的基本流程如圖l所示，其具體包括 以下步驟
8
①從輸入圖像中的待提取的感興趣區(qū)域中選取一個(gè)坐標(biāo)為(px， py)的像素點(diǎn) 作為區(qū)域生長的種子點(diǎn)，記種子點(diǎn)為SeedP，記種子點(diǎn)SeedP的灰度值為SeedP(px， py)， SeedP(px， py) = Sum/9，其中，Sum表示種子點(diǎn)SeedP的灰度值SeedP(px， py)與種子點(diǎn) SeedP的各八鄰域像素點(diǎn)的灰度值之和。在此，如果選定的種子點(diǎn)SeedP為噪聲點(diǎn)，則將會(huì) 給后續(xù)的區(qū)域生長帶來困難，為了避免種子點(diǎn)SeedP為噪聲點(diǎn)，本發(fā)明利用了種子點(diǎn)SeedP 的各八鄰域像素點(diǎn)的灰度值來確定種子點(diǎn)SeedP的灰度值，即將種子點(diǎn)SeedP的灰度值與 種子點(diǎn)SeedP的各八鄰域像素點(diǎn)的灰度值之和的平均值作為種子點(diǎn)SeedP的灰度值。
在此，該種子點(diǎn)SeedP是由人工方式選定的；種子點(diǎn)SeedP的各八鄰域像素點(diǎn)的坐 標(biāo)可分別表示為(px-l， py+l) 、 (px， py+l) 、 (px+l， py+l) 、 (px+l， py) 、 (px+l， py-l) 、 (px， py-l) 、 (px-l， py-l) 、 (px-l， py)。 ②基于區(qū)域生長法，以種子點(diǎn)SeedP為中心向外進(jìn)行區(qū)域生長，具體區(qū)域生長過 程為 ②-1、設(shè)置 一 個(gè)感興趣隊(duì)列WellQueue和 一 個(gè)初始化隊(duì)列InitQueue，其 中，感興趣隊(duì)列WellQueue和初始化隊(duì)列InitQueue的初始值為空；設(shè)置一個(gè)觀察序 列ObserveList禾口一個(gè)比較序列ReferList，其中，觀察序列ObserveList禾口比較序列 ReferList的初始值為空。 ②_2、將種子點(diǎn)SeedP的坐標(biāo)位置(px，py)以及種子點(diǎn)SeedP的各八鄰域像素點(diǎn) 的坐標(biāo)位置加入到感興趣隊(duì)列WellQueue中，并將種子點(diǎn)SeedP以及種子點(diǎn)SeedP的各八 鄰域像素點(diǎn)標(biāo)記為感興趣像素點(diǎn)；將種子點(diǎn)SeedP的各八鄰域像素點(diǎn)的四鄰域像素點(diǎn)中未 標(biāo)記為感興趣像素點(diǎn)的像素點(diǎn)的坐標(biāo)位置加入到初始化隊(duì)列InitQueue中，并將這些像素 點(diǎn)標(biāo)記為待處理像素點(diǎn)。 ②_3、判斷初始化隊(duì)列InitQueue是否為空，如果是，則表示區(qū)域生長過程結(jié)束， 執(zhí)行步驟③，否則，按先進(jìn)先出方式從初始化隊(duì)列InitQueue中選取位于隊(duì)頭的坐標(biāo)位置， 將該坐標(biāo)位置對(duì)應(yīng)的待處理像素點(diǎn)作為第t個(gè)觀察點(diǎn)，記第t個(gè)觀察點(diǎn)為ObservePt，其中， t的初始值為1。 ②_4、計(jì)算所有感興趣像素點(diǎn)的灰度值的平均值，記為Average,計(jì)算第t個(gè)觀察 點(diǎn)ObservePt的四鄰域像素點(diǎn)中標(biāo)記為感興趣像素點(diǎn)的所有像素點(diǎn)的灰度值的平均值，記 為NeiAve，將第t個(gè)觀察點(diǎn)0bserVePt的灰度值、種子點(diǎn)SeedP的灰度值、所有感興趣像素 點(diǎn)的灰度值的平均值A(chǔ)verage以及第t個(gè)觀察點(diǎn)0bserVePt的四鄰域像素點(diǎn)中標(biāo)記為感 興趣像素點(diǎn)的各像素點(diǎn)的灰度值順序作為觀察序列ObserveList的序列元素，將第t個(gè)觀 察點(diǎn)ObservePt的四鄰域像素點(diǎn)中標(biāo)記為感興趣像素點(diǎn)的所有像素點(diǎn)的灰度值的平均值 NeiAve、種子點(diǎn)SeedP的灰度值、所有感興趣像素點(diǎn)的灰度值的平均值A(chǔ)verage以及第t個(gè) 觀察點(diǎn)ObservePt的四鄰域像素點(diǎn)中標(biāo)記為感興趣像素點(diǎn)的各像素點(diǎn)的灰度值順序作為比 較序列ReferList的序列元素。圖2給出了觀察序列ObserveList和比較序列ReferList 的示意圖，圖2中，xa(4) xa(n)表示觀察序列ObserveList的第4個(gè)序列元素至第n個(gè) 序列元素，Xb(4) Xb(n)表示比較序列ReferList的第4個(gè)序列元素至第n個(gè)序列元素， 4《n《6，n的值是根據(jù)選取的觀察點(diǎn)的四鄰域像素點(diǎn)中標(biāo)記為感興趣像素點(diǎn)的所有像素 點(diǎn)個(gè)數(shù)決定的，也就是說所選取的觀察點(diǎn)的四領(lǐng)域像素點(diǎn)中可能存在一個(gè)標(biāo)記為感興趣像 素點(diǎn)的像素點(diǎn)，也可能存在三個(gè)標(biāo)記為感興趣像素點(diǎn)的像素點(diǎn)。
在此，將種子點(diǎn)SeedP的灰度值及所有感興趣像素點(diǎn)的灰度值的平均值A(chǔ)verage 分別作為觀察序列ObserveList和比較序列ReferList的序列元素，目的是從全局進(jìn)行考 慮，避免輸入圖像灰度逐漸變化產(chǎn)生的影響。 在此，將第t個(gè)觀察點(diǎn)ObservePt的四鄰域像素點(diǎn)中標(biāo)記為感興趣像素點(diǎn)的各像 素點(diǎn)的灰度值分別作為觀察序列ObserveList和比較序列ReferList的序列元素，實(shí)際上， 也可考察第t個(gè)觀察點(diǎn)ObservePt的八鄰域像素點(diǎn)。 在此，比較序列ReferList是為了與觀察序列ObserveList比較，得到兩者的絕對(duì) 關(guān)聯(lián)度和相對(duì)關(guān)聯(lián)度，再根據(jù)判定閾值可確定觀察點(diǎn)是否屬于待提取的感興趣區(qū)域，具體 體現(xiàn)在后續(xù)步驟中，其關(guān)鍵是凸顯觀察點(diǎn)對(duì)絕對(duì)關(guān)聯(lián)度和相對(duì)關(guān)聯(lián)度的影響，因此在此要 保持比較序列ReferList的平穩(wěn)性。 ②-5、計(jì)算觀察序列ObserveList的零化像之和，記為Sa， & = ^—x。(l》， 計(jì)算比較序列ReferList的零化像之和，記為Sb， & = ^—，計(jì)算觀察序列 ObserveList的初始像之和，記為S' a，& = S(^(A:)-x。(l》，計(jì)算比較序列ReferList的
初始像之和，記為S' b，& = J(xA("-、(l》，其中，n表示觀察序列ObserveList或比較序
列ReferList所包含的序列元素的總個(gè)數(shù)，4《n《6，xa(l)表示觀察序列ObserveList中 的第1個(gè)序列元素，xa(k)表示觀察序列ObserveList中的第k個(gè)序列元素，xb(l)表示比 較序列ReferList中的第1個(gè)序列元素，Xb(k)表示比較序列ReferList中的第k個(gè)序列元
素，X' a(k) = Xa(k)/Xa(l)，X' a (1) = Xa (1)/、 ( 1) = 1 ， X ' b (k) = Xb (k)/xb (1) ， X ' b(l) =Xb(l)/Xb(l) = 1。 ②_6、利用灰色理論對(duì)觀察序列ObserveList和比較序列ReferList的絕對(duì)關(guān)聯(lián) 度與相對(duì)關(guān)聯(lián)度，以及第t個(gè)觀察點(diǎn)ObservePt與待提取的感興趣區(qū)域的灰色綜合關(guān)聯(lián)度 進(jìn)行分析，具體過程為計(jì)算觀察序列ObserveList和比較序列ReferList的絕對(duì)關(guān)聯(lián)度，
記為e ，e =--f，計(jì)算觀察序列ObserveList和比較序列ReferList的
<formula>formula see original document page 10</formula>相對(duì)關(guān)聯(lián)度，記為r， r = ~~^~c.e,，計(jì)算第t個(gè)觀察點(diǎn)ObservePt與待提取的感
興趣區(qū)域的灰色綜合關(guān)聯(lián)度，記為pt， pt= e e+(i-e)r，其中，a和e均為調(diào)整參數(shù)， 0 < A < l，O. 4《e《0. 6， P t G
。 在此具體實(shí)施例中，取A =0. 5，也可取0 1之間的任何一個(gè)值，如果取較大值， 則計(jì)算得到的觀察序列ObserveList和比較序列ReferList的絕對(duì)關(guān)聯(lián)度e及相對(duì)關(guān)聯(lián) 度r的值就相對(duì)較小，如果取較小值，則計(jì)算得到的絕對(duì)關(guān)聯(lián)度e及相對(duì)關(guān)聯(lián)度r的值就 相對(duì)較大，如果A太大或太小，都不能很好的表征兩個(gè)序列之間的絕對(duì)關(guān)聯(lián)度和相對(duì)關(guān)聯(lián)度。 在此具體實(shí)施例中，取e = 0. 5， e = 0. 5使得觀察序列ObserveList和比較序列 ReferList的絕對(duì)關(guān)聯(lián)度和相對(duì)關(guān)聯(lián)度在表征觀察點(diǎn)與待提取的感興趣區(qū)域的灰色綜合關(guān)聯(lián)度中占相同的比例，使計(jì)算得到的觀察點(diǎn)與待提取的感興趣區(qū)域的灰色綜合關(guān)聯(lián)度更為精度，為后續(xù)的判定閾值的自動(dòng)調(diào)整提供了良好的保障。 ②_7、根據(jù)第t個(gè)觀察點(diǎn)ObservePt與待提取的感興趣區(qū)域的灰色綜合關(guān)聯(lián)度P t，計(jì)算用于判斷第t個(gè)觀察點(diǎn)ObservePt是否屬于待提取的感興趣區(qū)域的判定閾值，記為
Thresholdt， T7res/w械=4 wx77 res/w/《,+A , ^' 7J ^ ，其中，Thresholdt—!
為用于判斷第t-l個(gè)觀察點(diǎn)ObservePt—工是否屬于待提取的感興趣區(qū)域的判定閾值，用于判斷第1個(gè)觀察點(diǎn)ObserveP工是否屬于待提取的感興趣區(qū)域的判定閾值Threshold的取值范圍為0. 5《Threshold!《l，O. 04《n《0. 06， m表示所有感興趣像素點(diǎn)的總個(gè)數(shù)。
在此具體實(shí)施例中，取初始的判定閾值Threshold = 0. 8，該值經(jīng)過大量實(shí)驗(yàn)驗(yàn)證，驗(yàn)證結(jié)果表明Threshold = 0. 8時(shí)，能夠使分割從一個(gè)平穩(wěn)的初始的判定閾值開始，從而能夠使分割區(qū)域更有相關(guān)性；在此取n =0.05，如果n值太大，則會(huì)使分割的區(qū)域變大，如果太小，則會(huì)使分割的區(qū)域變小，這兩種情況都將導(dǎo)致分割的精度不高，通過大量實(shí)
驗(yàn)證明當(dāng)n在o. 04《n《o. 06內(nèi)時(shí)獲取的結(jié)果的精度較高，n = o. 05時(shí)效果更佳。 ②-8、判斷|Thresholdt_P t|《V是否成立，其中，0. 04《V《0. 06，如果成立，則確定第t個(gè)觀察點(diǎn)0bservePt屬于待提取的感興趣區(qū)域，對(duì)第t個(gè)觀察點(diǎn)0bserVePt進(jìn)行重新標(biāo)記，標(biāo)記為感興趣像素點(diǎn)，并將該第t個(gè)觀察點(diǎn)0bservePt的坐標(biāo)位置加入到感興趣隊(duì)列WellQueue中，然后將初始化隊(duì)列InitQueue中與第t個(gè)觀察點(diǎn)0bservePt的坐標(biāo)位置對(duì)應(yīng)的坐標(biāo)位置刪除，將第t個(gè)觀察點(diǎn)0bservePt的四鄰域像素點(diǎn)中未標(biāo)記為感興趣像素點(diǎn)或待處理像素點(diǎn)的像素點(diǎn)的坐標(biāo)位置加入到初始化隊(duì)列InitQueue中，并標(biāo)記這些像素點(diǎn)為待處理像素點(diǎn)，再計(jì)算t' =t+l，t = t'，并返回步驟②-3繼續(xù)執(zhí)行，否則，將初始化隊(duì)列InitQueue中與第t個(gè)觀察點(diǎn)0bserVePt的坐標(biāo)位置對(duì)應(yīng)的坐標(biāo)位置刪除，再計(jì)算t'=t+l，t = t'，并返回步驟②-3繼續(xù)執(zhí)行。 在此具體實(shí)施例中，取V =0. 05，如果V值調(diào)整過大，會(huì)導(dǎo)致圖像過度分割，使得感興趣區(qū)域變大，從而導(dǎo)致分割不精確；另一方面V值調(diào)整太小，也會(huì)導(dǎo)致分割不精確完全，沒有完全分割出感興趣區(qū)域。 ③從感興趣隊(duì)列WellQueue中提取出所有坐標(biāo)位置，然后從輸入圖像中提取出這
些坐標(biāo)位置相對(duì)應(yīng)的感興趣像素點(diǎn)，由提取出的感興趣像素點(diǎn)組成感興趣區(qū)域。 在此具體實(shí)施例中，在執(zhí)行步驟①之前可先采用四鄰域中值濾波法對(duì)輸入圖像進(jìn)
行濾波處理，這樣可有效去除輸入圖像中存在的噪聲。在此，也可采用其他各鄰域的中值濾
波法，但鑒于綜合考慮噪聲濾波的速度與精度，因此在此具體實(shí)施例中采用四鄰域。 在此具體實(shí)施例中，為了得到更為規(guī)則的感興趣區(qū)域的輪廓，還可對(duì)獲取的感興
趣區(qū)域進(jìn)行空洞點(diǎn)填補(bǔ)后處理，得到更精確的感興趣區(qū)域，空洞點(diǎn)填補(bǔ)后處理的具體過程
為掃描輸入圖像中的每個(gè)像素點(diǎn)，對(duì)于各個(gè)像素點(diǎn)，判斷像素點(diǎn)是否為感興趣像素點(diǎn)，如
果是，則對(duì)該像素點(diǎn)不進(jìn)行處理，否則，再判斷該像素點(diǎn)的四鄰域像素點(diǎn)是否均為感興趣像
素點(diǎn)，當(dāng)該像素點(diǎn)的四鄰域像素點(diǎn)均為感興趣像素點(diǎn)時(shí)，將該像素點(diǎn)標(biāo)記為感興趣像素點(diǎn)，
以減少噪聲對(duì)感興趣區(qū)域的影響，當(dāng)該像素點(diǎn)的四鄰域像素點(diǎn)中存在一個(gè)像素點(diǎn)不為感興
趣像素點(diǎn)時(shí)，對(duì)該像素點(diǎn)不進(jìn)行處理。
以下為對(duì)利用現(xiàn)有的基于區(qū)域生長的分割方法和本發(fā)明方法分別對(duì)數(shù)字影像進(jìn)
行處理得到的結(jié)果進(jìn)行客觀的比較，以說明本發(fā)明方法的有效性和可行性。 圖3a給出了頭顱CT數(shù)字影像，該影像的灰度值范圍為
，首先在該影像中
人工確定一個(gè)種子點(diǎn)，種子點(diǎn)的灰度值范圍為
，圖3a中的白色箭頭指向的點(diǎn)表示
人工選定的種子點(diǎn)，然后根據(jù)本發(fā)明的區(qū)域生長的具體過程獲得感興趣區(qū)域。圖3c給出了
采用本發(fā)明方法從圖3a所示的圖像中提取得到的結(jié)果示意圖，而圖3b給出了采用現(xiàn)有的
一般區(qū)域生長的分割方法對(duì)圖3a所示的圖像進(jìn)行分割獲得的結(jié)果示意圖，對(duì)比圖3b和圖
3c可得知，本發(fā)明方法能更準(zhǔn)確的定位感興趣區(qū)域，避免了一般區(qū)域生長法分割過度和不
能充分分割出感興趣區(qū)域的現(xiàn)象，使得分割的區(qū)域更符合區(qū)域間一致性的原則，分割結(jié)果
更加完整精確，使得分割后不存在明顯鋸齒。 圖4a給出了加了噪聲的頭顱CT數(shù)字影像，圖4a中的白色箭頭指向的點(diǎn)表示人工選定的種子點(diǎn)。圖4c給出了采用本發(fā)明方法從圖4a所示的圖像中提取得到的結(jié)果示意圖，但事先并未采用四鄰域中值濾波法對(duì)輸入的加了噪聲的頭顱CT數(shù)字影像進(jìn)行濾波處理，而圖4b給出了采用現(xiàn)有的基于區(qū)域生長的分割方法對(duì)圖4a所示的圖像進(jìn)行分割獲得的結(jié)果示意圖，對(duì)比圖4b和圖4c可得知，本發(fā)明方法在輸入圖像未去噪聲的情況下也能分割出較好的感興趣區(qū)域，足以說明本發(fā)明方法在抗噪性方面更加具有魯棒性，通過對(duì)獲得的感興趣區(qū)域進(jìn)行空洞點(diǎn)填補(bǔ)后處理，有效避免了分割后空洞的產(chǎn)生，分割后的區(qū)域更加的完整和精確，使得進(jìn)一步定量分析和判斷更為合理，能夠得到滿意的分割結(jié)果。
1權(quán)利要求
一種醫(yī)學(xué)圖像的感興趣區(qū)域提取方法，其特征在于包括以下步驟①從輸入圖像中的待提取的感興趣區(qū)域中選取一個(gè)坐標(biāo)為(px，py)的像素點(diǎn)作為區(qū)域生長的種子點(diǎn)，記種子點(diǎn)為SeedP，記種子點(diǎn)SeedP的灰度值為SeedP(px，py)，SeedP(px，py)＝Sum/9，其中，Sum表示種子點(diǎn)SeedP的灰度值SeedP(px，py)與種子點(diǎn)SeedP的各八鄰域像素點(diǎn)的灰度值之和；②基于區(qū)域生長法，以種子點(diǎn)SeedP為中心向外進(jìn)行區(qū)域生長，具體區(qū)域生長過程為②-1、設(shè)置一個(gè)感興趣隊(duì)列WellQueue和一個(gè)初始化隊(duì)列InitQueue，其中，感興趣隊(duì)列WellQueue和初始化隊(duì)列InitQueue的初始值為空；設(shè)置一個(gè)觀察序列ObserveList和一個(gè)比較序列ReferList，其中，觀察序列ObserveList和比較序列ReferList的初始值為空；②-2、將種子點(diǎn)SeedP的坐標(biāo)位置(px，py)以及種子點(diǎn)SeedP的各八鄰域像素點(diǎn)的坐標(biāo)位置加入到感興趣隊(duì)列WellQueue中，并將種子點(diǎn)SeedP以及種子點(diǎn)SeedP的各八鄰域像素點(diǎn)標(biāo)記為感興趣像素點(diǎn)；將種子點(diǎn)SeedP的各八鄰域像素點(diǎn)的四鄰域像素點(diǎn)中未標(biāo)記為感興趣像素點(diǎn)的像素點(diǎn)的坐標(biāo)位置加入到初始化隊(duì)列InitQueue中，并將這些像素點(diǎn)標(biāo)記為待處理像素點(diǎn)；②-3、判斷初始化隊(duì)列InitQueue是否為空，如果是，則表示區(qū)域生長過程結(jié)束，執(zhí)行步驟③，否則，按先進(jìn)先出方式從初始化隊(duì)列InitQueue中選取位于隊(duì)頭的坐標(biāo)位置，將該坐標(biāo)位置對(duì)應(yīng)的待處理像素點(diǎn)作為第t個(gè)觀察點(diǎn)，記第t個(gè)觀察點(diǎn)為ObservePt，其中，t的初始值為1；②-4、計(jì)算所有感興趣像素點(diǎn)的灰度值的平均值，記為Average，計(jì)算第t個(gè)觀察點(diǎn)ObservePt的四鄰域像素點(diǎn)中標(biāo)記為感興趣像素點(diǎn)的所有像素點(diǎn)的灰度值的平均值，記為NeiAve，將第t個(gè)觀察點(diǎn)ObservPt的灰度值、種子點(diǎn)SeedP的灰度值、所有感興趣像素點(diǎn)的灰度值的平均值A(chǔ)verage以及第t個(gè)觀察點(diǎn)ObservePt的四鄰域像素點(diǎn)中標(biāo)記為感興趣像素點(diǎn)的各像素點(diǎn)的灰度值順序作為觀察序列ObserveList的序列元素，將第t個(gè)觀察點(diǎn)ObservePt的四鄰域像素點(diǎn)中標(biāo)記為感興趣像素點(diǎn)的所有像素點(diǎn)的灰度值的平均值NeiAve、種子點(diǎn)SeedP的灰度值、所有感興趣像素點(diǎn)的灰度值的平均值A(chǔ)verage以及第t個(gè)觀察點(diǎn)ObservePt的四鄰域像素點(diǎn)中標(biāo)記為感興趣像素點(diǎn)的各像素點(diǎn)的灰度值順序作為比較序列ReferList的序列元素；②-5、計(jì)算觀察序列ObserveList的零化像之和，記為Sa，計(jì)算比較序列ReferList的零化像之和，記為Sb，計(jì)算觀察序列ObserveList的初始像之和，記為S′a，計(jì)算比較序列ReferList的初始像之和，記為S′b，其中，n表示觀察序列ObserveList或比較序列ReferList所包含的序列元素的總個(gè)數(shù)，4≤n≤6，xa(1)表示觀察序列ObserveList中的第1個(gè)序列元素，xa(k)表示觀察序列ObserveList中的第k個(gè)序列元素，xb(1)表示比較序列Re ferList中的第1個(gè)序列元素，xb(k)表示比較序列Re ferList中的第k個(gè)序列元素，x′a(k)＝xa(k)/xa(1)，x′a(1)＝xa(1)/xa(1)＝1，x′b(k)＝xb(k)/xb(1)，x′b(1)＝xb(1)/xb(1)＝1；②-6、利用灰色理論計(jì)算觀察序列ObserveList和比較序列ReferList的絕對(duì)關(guān)聯(lián)度與相對(duì)關(guān)聯(lián)度，以及第t個(gè)觀察點(diǎn)ObservePt與待提取的感興趣區(qū)域的灰色綜合關(guān)聯(lián)度，具體過程為計(jì)算觀察序列ObserveList和比較序列ReferList的絕對(duì)關(guān)聯(lián)度，記為ε，計(jì)算觀察序列ObserveList和比較序列ReferList的相對(duì)關(guān)聯(lián)度，記為r，計(jì)算第t個(gè)觀察點(diǎn)ObservePt與待提取的感興趣區(qū)域的灰色綜合關(guān)聯(lián)度，記為ρt，ρt＝θε+(1-θ)r，其中，λ和θ均為調(diào)整參數(shù)，0＜λ＜1，0.4≤θ≤0.6，ρt∈
；②-7、根據(jù)第t個(gè)觀察點(diǎn)ObservePt與待提取的感興趣區(qū)域的灰色綜合關(guān)聯(lián)度ρt，計(jì)算用于判斷第t個(gè)觀察點(diǎn)ObservePt是否屬于待提取的感興趣區(qū)域的判定閾值，記為Thresholdt，其中，Thresholdt-1為用于判斷第t-1個(gè)觀察點(diǎn)ObservePt-1是否屬于待提取的感興趣區(qū)域的判定閾值，用于判斷第1個(gè)觀察點(diǎn)ObserveP1是否屬于待提取的感興趣區(qū)域的判定閾值Threshold1的取值范圍為0.5≤Threshold1≤1，0.04≤η≤0.06，m表示所有感興趣像素點(diǎn)的總個(gè)數(shù)；②-8、判斷|Thresholdt-ρt|≤ψ是否成立，其中，0.04≤ψ≤0.06，如果成立，則確定第t個(gè)觀察點(diǎn)ObservePt屬于待提取的感興趣區(qū)域，對(duì)第t個(gè)觀察點(diǎn)ObservePt進(jìn)行重新標(biāo)記，標(biāo)記為感興趣像素點(diǎn)，并將該第t個(gè)觀察點(diǎn)ObservePt的坐標(biāo)位置加入到感興趣隊(duì)列WellQueue中，然后將初始化隊(duì)列InitQueue中與第t個(gè)觀察點(diǎn)ObservePt的坐標(biāo)位置對(duì)應(yīng)的坐標(biāo)位置刪除，將第t個(gè)觀察點(diǎn)ObservePt的四鄰域像素點(diǎn)中未標(biāo)記為感興趣像素點(diǎn)或待處理像素點(diǎn)的像素點(diǎn)的坐標(biāo)位置加入到初始化隊(duì)列InitQueue中，并標(biāo)記這些像素點(diǎn)為待處理像素點(diǎn)，再計(jì)算t′＝t+1，t＝t′，并返回步驟②-3繼續(xù)執(zhí)行，否則，將初始化隊(duì)列InitQueue中與第t個(gè)觀察點(diǎn)ObservePt的坐標(biāo)位置對(duì)應(yīng)的坐標(biāo)位置刪除，再計(jì)算t′＝t+1，t＝t′，并返回步驟②-3繼續(xù)執(zhí)行；③從感興趣隊(duì)列WellQueue中提取出所有坐標(biāo)位置，然后從輸入圖像中提取出這些坐標(biāo)位置相對(duì)應(yīng)的感興趣像素點(diǎn)，由提取出的感興趣像素點(diǎn)組成感興趣區(qū)域。
2. 根據(jù)權(quán)利要求1所述的一種醫(yī)學(xué)圖像的感興趣區(qū)域提取方法，其特征在于在執(zhí)行所 述的步驟①之前先采用四鄰域中值濾波法對(duì)輸入圖像進(jìn)行濾波處理，去除輸入圖像中存在 的噪聲。
3. 根據(jù)權(quán)利要求1或2所述的一種醫(yī)學(xué)圖像的感興趣區(qū)域提取方法，其特征在于對(duì)獲 得的感興趣區(qū)域進(jìn)行空洞點(diǎn)填補(bǔ)后處理，以得到更精確的感興趣區(qū)域，具體過程為掃描輸 入圖像中的每個(gè)像素點(diǎn)，對(duì)于各個(gè)像素點(diǎn)，判斷像素點(diǎn)是否為感興趣像素點(diǎn)，如果是，則對(duì) 該像素點(diǎn)不進(jìn)行處理，否則，再判斷該像素點(diǎn)的四鄰域像素點(diǎn)是否均為感興趣像素點(diǎn)，當(dāng)該像素點(diǎn)的四鄰域像素點(diǎn)均為感興趣像素點(diǎn)時(shí)，將該像素點(diǎn)標(biāo)記為感興趣像素點(diǎn)，當(dāng)該像素 點(diǎn)的四鄰域像素點(diǎn)中存在一個(gè)像素點(diǎn)不為感興趣像素點(diǎn)時(shí)，對(duì)該像素點(diǎn)不進(jìn)行處理。
4. 根據(jù)權(quán)利要求3所述的一種醫(yī)學(xué)圖像的感興趣區(qū)域提取方法，其特征在于所述的步 驟②-6中入=0. 5。
5. 根據(jù)權(quán)利要求3所述的一種醫(yī)學(xué)圖像的感興趣區(qū)域提取方法，其特征在于所述的步 驟②_7中Threshold! = 0. 8。
6. 根據(jù)權(quán)利要求3所述的一種醫(yī)學(xué)圖像的感興趣區(qū)域提取方法，其特征在于所述的步 驟②-7中n = 0. 05。
7. 根據(jù)權(quán)利要求3所述的一種醫(yī)學(xué)圖像的感興趣區(qū)域提取方法，其特征在于所述的步 驟②-8中v = 0. 05。
全文摘要
本發(fā)明公開了一種醫(yī)學(xué)圖像的感興趣區(qū)域提取方法，該方法在種子點(diǎn)選取過程中，將所選種子點(diǎn)的灰度值與其八鄰域像素點(diǎn)的灰度值之和的平均值作為該種子點(diǎn)的灰度值，這樣可避免種子點(diǎn)選取的錯(cuò)誤，從而避免了因種子點(diǎn)的錯(cuò)誤選擇而導(dǎo)致不能進(jìn)行良好分割的后果；在區(qū)域生長過程中，本方法充分利用了圖像的全局和局部信息，構(gòu)建了觀察和比較序列，再利用灰色理論計(jì)算觀察和比較序列的絕對(duì)關(guān)聯(lián)度及相對(duì)關(guān)聯(lián)度，根據(jù)絕對(duì)關(guān)聯(lián)度及相對(duì)關(guān)聯(lián)度計(jì)算表征觀察點(diǎn)與感興趣區(qū)域的灰色綜合關(guān)聯(lián)度，計(jì)算復(fù)雜度較低，運(yùn)行時(shí)間較短；在區(qū)域生長過程中，在灰色綜合關(guān)聯(lián)度的基礎(chǔ)上調(diào)整判定閾值，從而把感興趣區(qū)域從圖像中提取出來，且提取精度較高。
文檔編號(hào)G06T5/00GK101697229SQ20091015370
公開日2010年4月21日 申請(qǐng)日期2009年10月30日 優(yōu)先權(quán)日2009年10月30日
發(fā)明者向建華, 李均利, 汪永生, 祝衛(wèi)峰, 金林鵬, 陳剛, 魏平 申請(qǐng)人:寧波大學(xué);