国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種融合邊緣和區(qū)域特征的ct圖像中主動脈的分割方法

      文檔序號:10688009閱讀:392來源:國知局
      一種融合邊緣和區(qū)域特征的ct圖像中主動脈的分割方法
      【專利摘要】本發(fā)明一種融入邊緣和區(qū)域特征的CT圖像中主動脈的分割方法,融入邊緣和區(qū)域特征,借助水平集思想,能得到清晰準確的目標輪廓,實現(xiàn)CT圖像中主動脈的分割,運行速度非常快且分割結(jié)果準確,較好地解決了CT圖像中主動脈的提取問題,為醫(yī)學(xué)診斷提供一個參考。
      【專利說明】
      一種融合邊緣和區(qū)域特征的CT圖像中主動脈的分割方法
      技術(shù)領(lǐng)域
      [0001] 本發(fā)明屬于醫(yī)學(xué)圖像處理技術(shù)領(lǐng)域,尤其涉及一種基于水平集方法融合圖像邊緣 和區(qū)域特征的CT圖像中主動脈的分割方法。
      【背景技術(shù)】
      [0002] 圖像分割是圖像處理中的一項關(guān)鍵技術(shù)。CT(Computed Tomography即計算機斷層 掃描)能夠提供高分辨率高質(zhì)量的CT圖像。CT圖像對醫(yī)學(xué)組織器官的解剖結(jié)構(gòu)和功能作了 準確的描述。將CT圖像中醫(yī)生感興趣的區(qū)域提取出來可以方便醫(yī)生的臨床診斷和手術(shù)治 療。CT圖像不同于一般網(wǎng)絡(luò)圖像,其成像機理復(fù)雜,數(shù)據(jù)特殊,傳統(tǒng)的一些分割方法已無法 滿足其圖像分割的需要。
      [0003] 盡管醫(yī)學(xué)圖像分割的研究眾多,終究沒找到一種具有普適性的分割方法。對于CT 圖像中主動脈的分割,孫浩、陸雪松、劉海華等人在論文《CT圖像中的主動脈分割方法》中提 出聯(lián)合CV模型邊界的區(qū)域分割算法,該算法以基于種子點的區(qū)域生長作為區(qū)域分割的生長 方式,以CV模型得到的最終演化輪廓曲線為約束條件,兩者結(jié)合來達到分割主動脈區(qū)域的 目的。該方法對清晰度高噪音少的完整的主動脈可以較精確的分割出來,但是一旦圖像有 噪聲,或者出現(xiàn)主動脈夾層現(xiàn)象,效果便不太理想。沈陽市第四人民醫(yī)院在其申請的專利 "一種基于延展性主動輪廓模型的眼底圖像血管分割方法"(專利申請?zhí)朇N201510274619, 公開號CN104867151A)中公開了一種利用眼底血管呈線狀這一特征構(gòu)建方向場,采用延展 性主動輪廓分割模型對眼底血管進行分割的方法,該方法利用了血管的特性,卻不適合用 于主動脈的分割。因此,我們需要找到一種精確度高,適應(yīng)性強的適用于主動脈的分割方 法。

      【發(fā)明內(nèi)容】

      [0004] 本發(fā)明的目的在于針對上述現(xiàn)有的方法不適于主動脈分割的應(yīng)用,提出一種融入 邊緣和區(qū)域特征的CT圖像中主動脈的分割方法。
      [0005] 本發(fā)明一種融合邊緣和區(qū)域特征的CT圖像中主動脈的分割方法,包括如下步驟:
      [0006] 步驟1、構(gòu)建傳統(tǒng)CV模型的能量函數(shù)E:
      [0007] 設(shè)圖像定義域為Ω的分割圖像I(x,y)被閉合輪廓線C劃分為兩個同質(zhì)區(qū)域,即閉 合輪廓線C的內(nèi)部和外部,各區(qū)域的平均灰度值分別為&和(: 2,能量泛函E(C)可表示如下:
      [0008]

      [0009] 其中,x,y為像素點在圖像中的橫縱坐標;
      [0010] 若閉合輪廓線C位于分害_像1&,7)的實際邊界(:〇的外部時』怔1(〇>0而(〇~ 〇,若閉合輪廓線C位于分割圖像I(x,y)的實際邊界Co的內(nèi)部時,則E 1(C)~0,E2(C)>0;若閉 合輪廓線C跨越分割圖像的實際邊界Co的內(nèi)外部,E 1(C)XhE2(C)X);若閉合輪廓線C位于 分割圖像I(x,y)的實際邊界Co上時,E 1(C)~0,E2(C)~0,當閉合輪廓線C與實際邊界Co重合 時,E(C)取得最小值;
      [0011]在上式能量泛函E(C)中加入長度懲罰項μ,得到CV水平集模型的能量函數(shù)EW1, C2)為:
      [0012]
      [0013]其中,Length(C)表示閉合輪廓線C的長度,Pj1J2是各個能量項權(quán)重的預(yù)置系數(shù), μ ^ 0,λι、入2 > 0;
      [0014] 為了求得能量函數(shù)EW1, C2)的最小值,使用水平集的思想,將未知的演化曲線C, 即上述提到的閉合輪廓曲線C,用水平集函數(shù)Φ(χ, 7)來代替,并且設(shè)定如果點(x,y)在演化 曲線C的內(nèi)部,則水平集函數(shù)Φ (X,y )>0;如果點(X,y)在演化曲線C的外部時,則水平集函 數(shù)Mx,y)<〇;而如果點(x,y)恰好在演化曲線C上面時,則Φ(χ,γ) = 〇,通過引入水平集函 數(shù)Φ (x,y),能量泛函E(C)可被重寫為如下的形式:
      [0015]
      [0016] 上式中,V為梯度符號,即表示分別對函數(shù)Φ(χ,γ)中的x,y求導(dǎo),Ηε(ζ_δε( ζ)分 別是海氏函數(shù)H(Z)和狄拉克函數(shù)δ(ζ)的正則化形式,海氏函數(shù)H(Z)的正則化形式Η ε(ζ)為:
      [0017]
      [0018]
      [0019]
      [0020] 上式中ε為正則化參數(shù);
      [0021] 步驟2、在傳統(tǒng)CV模型中加入能量懲罰項,使得水平集函數(shù)Φ(Χ,7)在演化過程中 保持為近似的符號距離函數(shù),避免重新初始化水平集函數(shù),此能量懲罰項表達式為:
      [0022]
      (6)
      [0023] 其中V表示梯度符號
      [0024] 步驟3、在傳統(tǒng)CV模型中加入圓形先驗知識約束形變模型的收斂形狀,使曲線的演 化結(jié)果與先驗形狀特征相一致,使用符號距離函數(shù)Φ來隱含表示目標的形狀,構(gòu)造先驗形 狀約束項:
      [0025]設(shè)圖像定義域Ω,符號距離函數(shù)φ表示演化曲線,φρ為先驗形狀的符號距離函 數(shù),則形狀先驗?zāi)芰宽棪ウ? Φ,ΦΡ)表示為:
      [0026]
      [0027] 定義圓形特祉公式為:

      [0028]
      [0029] 則形狀約束能量泛函Ecircle表示為:
      [0030]
      (9)
      [0031 ]上式中,XQ, yo為圓的圓心坐標,r為圓的半徑,他們隨著曲線的演化也在不斷地變 化;
      [0032] 步驟4、綜合上述式(3) (6) (9)構(gòu)造最終的能量函數(shù)E:
      [0033]
      [0034] 通過固定水平集函數(shù)Φ,對圖像的灰度均值函數(shù)&和&進行求導(dǎo),通過變分法可以 得到(Μ Φ )和&( Φ )的如下表達形式:
      [0037] 利用歐拉-拉格朗日法推導(dǎo)式(10)得到水平集函數(shù)Φ的歐拉-拉格朗日方程,引入 時間變量t后,可以得到如下的水平集演化方程:
      [0035] (12)
      [0036] (13)
      [0038]
      [0039] 公式(11)便為最終得到的新的水平集演化方程;
      [0040] 步驟5、利用步驟4得到的新的能量函數(shù)E對CT圖像中的主動脈進行分割:
      [00411步驟5.1、將輸入的CT圖像序列文件統(tǒng)一轉(zhuǎn)換為.jpg格式,CT圖像屬于中分辨率圖 像(512*512*12),所以格式轉(zhuǎn)換后的圖像大小為512*512;
      [0042] 步驟5.2、讀入步驟5.1中統(tǒng)一格式的CT圖像序列文件,并對第一張圖像進行剪裁 和濾波預(yù)處理,得到初始感興趣區(qū)域;
      [0043] 步驟5.3、將步驟5.2得到的初始感興趣區(qū)域圖像的中心設(shè)置為中心點,設(shè)置初始 輪廓線為圓形;
      [0044] 步驟5.4、設(shè)置水平集方法的參數(shù):
      [0045] 步驟5.5、迭代求解式(11)的水平集演化方程;
      [0046] 步驟5.6、從水平集函數(shù)中提取零水平集,即演化曲線;
      [0047] 步驟5.7、設(shè)置水平集自適應(yīng)停止函數(shù),在水平集演化過程中,演化曲線不斷向目 標輪廓逼近,當演化曲線最終演化到真實輪廓的時候,不管是否到達設(shè)置的迭代次數(shù),演化 曲線都應(yīng)該停止演化,即如果自適應(yīng)停止函數(shù)得到滿足,算法結(jié)束,則第一張圖像分割完 畢,將分割結(jié)果保存后轉(zhuǎn)步驟5.8,否則返回步驟5.6;
      [0048] 步驟5.8、下一張圖像以前一張圖像的分割結(jié)果為依據(jù),以前一張圖像分割區(qū)域中 心點為中心點,進行感興趣區(qū)域的初始裁剪,并將此點作為初始輪廓線的中心點;
      [0049] 步驟5.9、重復(fù)步驟5.3至5.8,其中步驟5.4的參數(shù)設(shè)置在第一次設(shè)置好之后可省 略,待所有CT圖像分割完畢,得到最終的分割結(jié)果。
      [0050] 所述步驟5.2得到初始感興趣區(qū)域的具體做法為:使用Matlab中圖像裁剪函數(shù) imcrop將主動脈在CT圖像中的區(qū)域作為感興趣區(qū)域裁剪出來,然后對感興趣區(qū)域進行中值 濾波,去除椒鹽噪聲,得到初始感興趣區(qū)域。
      [0051] 所述步驟5.4設(shè)置的水平集方法的參數(shù)為:迭代次數(shù)n = 100,時間步長At = O. 1, 正則化參數(shù)ε = 1,長度懲罰項μ = 0,內(nèi)部能量項權(quán)重參數(shù)λι = 0.5,λ2 = 1,形狀約束項控制 參數(shù)入3=1。
      [0052] 采用本發(fā)明的技術(shù)方案,融入邊緣和區(qū)域特征,借助水平集思想,能得到清晰準確 的目標輪廓,實現(xiàn)CT圖像中主動脈的分割,運行速度非??烨曳指罱Y(jié)果準確,較好地解決了 CT圖像中主動脈的提取問題,為醫(yī)學(xué)診斷提供一個參考。
      【具體實施方式】
      [0053]本發(fā)明一種融合邊緣和區(qū)域特征的CT圖像中主動脈的分割方法,在傳統(tǒng)CV水平集 模型中融入分割圖像的邊緣特征,加入圓形作為先驗?zāi)芰宽棧瑯?gòu)建出新的能量函數(shù)Ε,其具 體實現(xiàn)步驟如下:
      [0054]步驟1、構(gòu)建傳統(tǒng)CV模型的能量函數(shù)E:
      [0055] CV模型是一個典型的基于區(qū)域的水平集模型,設(shè)圖像定義域為Ω的分割圖像Ι(χ, y)被閉合輪廓線C劃分為兩個同質(zhì)區(qū)域,即閉合輪廓線C的內(nèi)部和外部,各區(qū)域的平均灰度 值分別為&和&,能量泛函E(C)可表示如下:
      [0056]

      [0057]在上式中,x,y分別表示像素點在圖像中的橫縱坐標;
      [0058] 若閉合輪廓線C位于分割圖像I(x,y)的實際邊界Co的外部時,則E1(C)X), E2(C)~ 〇,若閉合輪廓線C位于分割圖像I(x,y)的實際邊界Co的內(nèi)部時,則E1(C)~0,E 2(C)>0;若閉 合輪廓線C跨越分割圖像的實際邊界Co的內(nèi)外部,E1(C)XhE 2(C)X);若閉合輪廓線C位于 分割圖像I(x,y)的實際邊界Co上時,E1(C)~0,E 2(C)~0,因此當閉合輪廓線C與實際邊界 Co重合時,E(C)取得最小值;
      [00611其中,Length(C)表示閉合輪廓線C的長度,μ彡0山八2>0是各個能量項權(quán)重的系 數(shù),這些系數(shù)都是預(yù)先設(shè)置好的,一般情況下可固定取P = ^1 = A2 = I;
      [0059] 在上式能量泛函E(C)中加入長度懲罰項μ,得到CV水平集模型的能量函數(shù)EW1, C2)為 r
      [0060]
      [0062] 為了求得能量函數(shù)EW1, C2)的最小值,使用水平集的思想,將未知的演化曲線C, 即上述提到的閉合輪廓曲線C,用水平集函數(shù)Φ(χ, 7)來代替,并且設(shè)定如果點(x,y)在演化 曲線C的內(nèi)部,則水平集函數(shù)Φ (X,y )>0;如果點(X,y)在演化曲線C的外部時,則水平集函 數(shù)Mx,y)<〇;而如果點(x,y)恰好在演化曲線C上面時,則Φ(χ,γ) = 〇,通過引入水平集函 數(shù)Φ(χ.ν),能量泛函E(C)可被重寫為如下的形式:
      [0063]
      [0064] 上式中,▽為梯度符號,即表示分別對函數(shù)Φ (x,y)中的x,y求導(dǎo),Ηε(ζ)和δε(ζ)分 別是海氏(Heaviside)函數(shù)H(Z)和狄拉克(Dirac)函數(shù)δ (ζ)的正則化形式,海氏函數(shù)的作用 是劃分演化區(qū)域,狄拉克函數(shù)的作用是用來限定演化在零水平集函數(shù)周圍取值,在實際問 題中,用數(shù)值方法直接計算海氏函數(shù)較為困難,因此選擇其非緊支撐、光滑和嚴格單調(diào)的正 則化形式ft (Z):
      [0065]
      [0066] 上式中ε為正則化參數(shù);
      [0067] 而狄拉克函數(shù)δ(ζ)正則化形式δε(ζ)可用下式來計算:
      [0068]
      [0069] 步驟2、在傳統(tǒng)CV模型中加入能量懲罰項避免重新初始化水平集函數(shù):
      [0070] 在很多情況下,水平集函數(shù)Φ(χ,7)在演化了一段時間之后會發(fā)生震蕩,并漸漸失 去光滑性和距離函數(shù)特性,隨著演化的繼續(xù),誤差會不斷累積并造成最終的曲線偏離真實 的目標邊緣。在一般水平集方法中,一般會重新初始化水平集函數(shù)。本發(fā)明不采用重新初始 化方式,而是引入一個能量懲罰項,使得水平集函數(shù)Φ(χ,7)在演化過程中保持為近似的符 號距離函數(shù),此能暈懲罰項由李純明教授在2005年提出,其表達式為:
      [0071]
      (6)
      [0072] 其中▽表示梯度符號 [0073]步驟3、構(gòu)造形狀能量約束項
      [0074]在傳統(tǒng)CV模型中加入形狀先驗知識可以約束形變模型的收斂形狀,使曲線的演化 結(jié)果與先驗形狀特征相一致,可以解決非目標區(qū)域信息的干擾,一般使用符號距離函數(shù)Φ 來隱含表示目標的形狀,構(gòu)造先驗形狀約束項:
      [0075]設(shè)圖像定義域Ω,符號距離函數(shù)φ表示演化曲線,φρ為先驗形狀的符號距離函 數(shù),則形狀先驗?zāi)芰宽棪ウ? Φ,ΦΡ)表示為:
      [0076] Ερ( Φ , Φρ)=/ω(Η( Φ (x,y))-H( ΦP(x,y)))2dxdy (7)
      [0077] 本發(fā)明中,定義圓形特征公式為:
      [0078]
      [0079]
      [0080] ⑶
      [0081 ]上式中,xo,yo為圓的圓心坐標,r為圓的半徑,他們隨著曲線的演化也在不斷地變 化;
      [0082] 步驟4、綜合式(3) (6) (9)構(gòu)造最終的能量函數(shù)E:
      [0083]
      [0084] 通過固定水平集函數(shù)Φ,對圖像的灰度均值函數(shù)Ci和C2進行求導(dǎo),通過變分法可以 得到(Μ Φ )和&( Φ )的如下表達形式:
      [0085] (12)
      [0086] (⑶
      [0087] 利用歐拉-拉格朗日法推導(dǎo)式(10)得到水平集函數(shù)Φ的歐拉-拉格朗日方程,引入 時間變量t后,可以得到如下的水平集演化方程:
      [0088]
      [0089] 公11)使為最終得到的新的水干集演化萬桎;
      [0090] 步驟5、利用步驟4得到的新的能量函數(shù)E對CT圖像中的主動脈進行分割:
      [0091] 步驟5.1、將輸入的CT圖像序列文件統(tǒng)一轉(zhuǎn)換為.jPg格式,CT圖像屬于中分辨率圖 像(512*512*12),所以格式轉(zhuǎn)換后的圖像大小為512*512;
      [0092]步驟5.2、讀入步驟5.1中統(tǒng)一格式的CT圖像序列文件,并對第一張圖像進行剪裁 和濾波預(yù)處理,得到初始感興趣區(qū)域,具體為:
      [0093]使用Matlab中圖像裁剪函數(shù)imcrop將主動脈在CT圖像中的區(qū)域作為感興趣區(qū)域 裁剪出來,然后對感興趣區(qū)域進行中值濾波,去除椒鹽噪聲,得到初始感興趣區(qū)域;
      [0094]步驟5.3、對步驟5.2得到的初始感興趣區(qū)域設(shè)置初始輪廓線:
      [0095]本發(fā)明主要依據(jù)基于區(qū)域特征的水平集方法,其基本思想就是利用迭代的方法使 初始輪廓線不斷接近目標邊緣,本發(fā)明中將初始輪廓線設(shè)為圓形,其中心點為初始感興趣 區(qū)域圖像的中心,半徑為10;
      [0096I步驟5.4、水平集方法的參數(shù)設(shè)置:
      [0097I 設(shè)置本發(fā)明的迭代次數(shù)n = 100,時間步長Λ t = 0.1,正則化參數(shù)ε = 1,長度懲罰項 μ=0,內(nèi)部能量項參數(shù)λι=0. 5,λ2 = 1,形狀約束項控制參數(shù)λ3 = 1;
      [0098]步驟5.5、迭代求解式(11)的水平集演化方程;
      [0099]步驟5.6、從水平集函數(shù)中提取零水平集,即演化曲線;
      [0100] 步驟5.7、設(shè)置水平集自適應(yīng)停止函數(shù),判斷自適應(yīng)停止函數(shù)是否得到滿足,如果 滿足,算法結(jié)束,則第一張圖像分割完畢,將分割結(jié)果保存后轉(zhuǎn)步驟5.8,否則返回步驟5.6:
      [0101] 在水平集演化過程中,演化曲線不斷向目標輪廓逼近,當演化曲線最終到達真實 輪廓的時候,曲線應(yīng)該停止演化;本發(fā)明設(shè)計一種自適應(yīng)停止函數(shù)使得演化曲線到達邊緣 處,不管是否到達設(shè)置的迭代次數(shù)都要停止演化,其設(shè)計原理為當演化曲線接近邊緣區(qū)域 的時候,演化速度會變慢,因此當曲線長度變化的絕對值在一個給定的迭代次數(shù)里一直小 于某個事先設(shè)置的閾值,則水平集演化應(yīng)終止;
      [0102] 步驟5.8、下一張圖像以前一張圖像的分割結(jié)果為依據(jù),以前一張圖像分割區(qū)域中 心點為中心點,進行感興趣區(qū)域的初始裁剪,并將此點作為初始輪廓線的中心點;
      [0103] 步驟5.9、重復(fù)步驟5.3至5.8,其中步驟5.4的參數(shù)設(shè)置在第一次設(shè)置好之后可省 略,待所有CT圖像分割完畢,得到最終的分割結(jié)果。
      [0104]以上所述,并非對本發(fā)明的技術(shù)范圍作任何限制,故凡是依據(jù)本發(fā)明的技術(shù)實質(zhì) 對以上實施例所作的任何細微修改、等同變化與修飾,均仍屬于本發(fā)明技術(shù)方案的范圍內(nèi)。
      【主權(quán)項】
      1. 一種融合邊緣和區(qū)域特征的CT圖像中主動脈的分割方法,其特征在于包括如下步 驟: 步驟1、構(gòu)建傳統(tǒng)CV模型的能量函數(shù)E: 設(shè)圖像定義域為Ω的分割圖像I(x,y)被閉合輪廓線C劃分為兩個同質(zhì)區(qū)域,即閉合輪 廓線C的內(nèi)部和外部,各區(qū)域的平均灰度值分別為&和(:2,能量泛函E(C):其中,x,y為像素點在圖像中的橫縱坐標; 若閉合輪廓線C位于分割圖像I(x,y)的實際邊界Co的外部時,則EKOX^EKC)~0,若 閉合輪廓線C位于分割圖像I(x,y)的實際邊界Co的內(nèi)部時,則ΕΚΟΟ,ΕΚΟΧ);若閉合輪 廓線C跨越分割圖像的實際邊界Co的內(nèi)外部,EKOXhEdOX);若閉合輪廓線C位于分割 圖像I (X,y)的實際邊界Co上時,EKC)~0,E2(C)~0,當閉合輪廓線C與實際邊界Co重合時,E (C)取得最小值; 在上式能量泛函E(C)中加入長度懲罰項μ,得到CV水平集模型的能量函數(shù) 為:其中,Length(C)表示閉合輪廓線C的長度,是各個能量項權(quán)重的預(yù)置系數(shù),μ^: 〇,入1、入2>0 ; 為了求得能量函數(shù)的最小值,使用水平集的思想,將未知的演化曲線C,即上 述提到的閉合輪廓曲線C,用水平集函數(shù)Φ (x,y)來代替,并且設(shè)定如果點(x,y)在演化曲 線C的內(nèi)部,則水平集函數(shù)Φ (X,y) >0;如果點(X,y)在演化曲線C的外部時,則水平集函數(shù) ?。?,7)<〇;而如果點(義,7)恰好在演化曲線(:上面時,則?。?,7)=〇,通過引入水平集函數(shù) Φ (x,y),能量泛函E(C)可被重寫為如下的形式:上式中,▽為梯度符號,即表示分別對函數(shù)Φ(χ,7)中的x,y求導(dǎo),Ηε(ζΜΡδε( ζ)分別是 海氏函數(shù)Η(ζ)和狄拉克函數(shù)δ(ζ)的正則化形式,海氏函數(shù)Η(ζ)的正則化形式Ηε(ζ)為:狄拉克函數(shù)W ζ)正則化形式δε (ζ)為:上式中ε為正則化參數(shù); 步驟2、在傳統(tǒng)CV模型中加入能量懲罰項,使得水平集函數(shù)Φ(Χ,7)在演化過程中保持 為近似的符號距離函數(shù),避免重新初始化水平集函數(shù),此能量懲罰項表達式為: 其中▽表示梯度符號步驟3、在傳統(tǒng)CV模型中加入圓形先驗知識約束形變模型的收斂形狀,使曲線的演化結(jié) 果與先驗形狀特征相一致,使用符號距離函數(shù)Φ來隱含表示目標的形狀,構(gòu)造先驗形狀約 束項: 設(shè)圖像定義域Ω,符號距離函數(shù)Φ表示演化曲線,ΦΡ為先驗形狀的符號距離函數(shù),則形 狀先驗?zāi)芰宽棪ウ? Φ,ΦΡ)表示為: Ερ( Φ , Φρ) = /ω(Η( Φ (x,y))-H( ΦΡ(χ,γ)))2?χ?γ (7) 定義圓形特征公式為:則形狀約束能量泛函Ecircle表示為:上式中,xq , yo為圓的圓心坐標,:r為圓的半徑,他們隨著曲線的演化也在不斷地變化; 步驟4、綜合上述式(3) (6) (9)構(gòu)造最終的能量函數(shù)E:通過固定水平集函數(shù)Φ,對圖像的灰度均值函數(shù)&和(:2進行求導(dǎo),通過變分法可以得到 Cl( Φ )和C2( Φ )的如下表達形式:利用歐拉-拉格朗日法推導(dǎo)式(10)得到水平集函數(shù)Φ的歐拉-拉格朗日方程,引入時 間變量t后,可以得到如下的水平集演化方程:公式(11)便為最終得到的新的水平集演化方程; 步驟5、利用步驟4得到的新的能量函數(shù)E對CT圖像中的主動脈進行分割: 步驟5.1、將輸入的CT圖像序列文件統(tǒng)一轉(zhuǎn)換為.jpg格式,CT圖像屬于中分辨率圖像, 分辨率為512*512*12,則格式轉(zhuǎn)換后的圖像大小為512*512; 步驟5.2、讀入步驟5.1中統(tǒng)一格式的CT圖像序列文件,并對第一張圖像進行剪裁和濾 波預(yù)處理,得到初始感興趣區(qū)域; 步驟5.3、將步驟5.2得到的初始感興趣區(qū)域圖像的中心設(shè)置為中心點,設(shè)置初始輪廓 線為圓形; 步驟5.4、設(shè)置水平集方法的參數(shù): 步驟5.5、迭代求解式(11)的水平集演化方程; 步驟5.6、從水平集函數(shù)中提取零水平集,即演化曲線; 步驟5.7、設(shè)置水平集自適應(yīng)停止函數(shù),在水平集演化過程中,演化曲線不斷向目標輪 廓逼近,當演化曲線最終到達真實輪廓的時候,不管是否到達設(shè)置的迭代次數(shù),演化曲線應(yīng) 該停止演化,即自適應(yīng)停止函數(shù)如果得到滿足,算法結(jié)束,則第一張圖像分割完畢,將分割 結(jié)果保存后轉(zhuǎn)步驟5.8,否則返回步驟5.6; 步驟5.8、下一張圖像以前一張圖像的分割結(jié)果為依據(jù),以前一張圖像分割區(qū)域中心 點為中心點,進行感興趣區(qū)域的初始裁剪,并將此點作為初始輪廓線的中心點; 步驟5.9、重復(fù)步驟5.3至5.8,其中步驟5.4的參數(shù)設(shè)置在第一次設(shè)置好之后可省略,待 所有CT圖像分割完畢,得到最終的分割結(jié)果。2. 根據(jù)權(quán)利要求1所述一種融入邊緣和區(qū)域特征的CT圖像中主動脈的分割方法,其特 征在于,所述步驟5.2得到初始感興趣區(qū)域的具體做法為:使用Matlab中圖像裁剪函數(shù) imcrop將主動脈在CT圖像中的區(qū)域作為感興趣區(qū)域裁剪出來,然后對感興趣區(qū)域進行中值 濾波,去除椒鹽噪聲,得到初始感興趣區(qū)域。3. 根據(jù)權(quán)利要求1所述一種融入邊緣和區(qū)域特征的CT圖像中主動脈的分割方法,其特 征在于,所述步驟5.4設(shè)置的水平集方法的參數(shù)為:迭代次數(shù)11=100,時間步長八1 = 0.1,正 則化參數(shù)ε = 1,長度懲罰項μ = 0,內(nèi)部能量項權(quán)重參數(shù)λι = 0.5,λ2 = 1,形狀約束項控制參數(shù) 入3 = 1 〇
      【文檔編號】G06T7/00GK106056576SQ201610319535
      【公開日】2016年10月26日
      【申請日】2016年5月13日
      【發(fā)明人】駱炎民, 楊珺, 柳培忠
      【申請人】華僑大學(xué), 泉州市中仿宏業(yè)信息科技有限公司
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1