[发明专利]基于初始轮廓预测模型的并行图像分割方法

说明书

技术领域

本发明涉及医学CT图像处理，尤其涉及医学图像分割方法。

背景技术

医学影像技术已成为医学技术中发展最快的领域之一。医学图像包括CT、MRI及其它医学影像设备所获得的图像，还需要对图像进行处理和分析，从图像中把有关结构(或感兴趣区)分割出来。医学图像分割技术是医学图像处理和分析中的关键技术，它是一个根据区域内的相似性以及区域间的不同把图像分割成若干区域的过程。

目前，图像分割技术主要有阈值分割法、图搜索法、模糊聚类法、测地活动轮廓模型等方法。

阈值分割法是通过确定阈值区间实现分割，阈值的选择至关重要。

在图搜索方法中，边界点和边界段可以用图结构表示，通过在图中搜索图中对应最小代价的通道就找到了闭合边界，该边界便为最终的分割结果。这种方法一般计算量较大，实现速度慢。

模糊聚类法通过迭代地执行图像分类和提取各类的特征，其利用不同的S型隶属度函数来定义模糊目标来完成图像的分割；此方法因聚类时间过长，实现速度较慢。

与本申请有关的技术是测地活动轮廓模型法。

测地活动轮廓模型是基于黎曼空间几何中测地线理论思想，在经典几何活动轮廓模型的基础之上，增加了一项惩罚力，该惩罚力可以自适应的调节曲线演化的方向，在演化初期不但可以将轮廓曲线吸引到目标边界加上，而当轮廓曲线过度收缩时，该项也可以将轮廓曲线再拉到目标边界之上。设初始轮廓线为设轮廓曲线C(p,t)，则测地活动轮廓模型可表示为：

式中式中φ为轮廓曲线C的水平集函数，k为：

k=div(▿φ|▿φ|)]]>

按照对图像数据处理的顺序，可以将图像分割分为串行图像分割和并行图像分割，并行和串行的主要区别在于该模型能否可以将所有边缘点同时检测出来。串行图像分割法在进行医学CT图像分割时速度较慢，不能满足医学的需求。并行图像分割技术需要在基本图像处理方法的基础上，考虑多处理器、任务分配、负载平衡等复杂问题，在医学CT图像的测地活动轮廓模型图像分割时，实现起来存在较大困难。所以目前可查到的只有模糊聚类与小波相结合图像分割的并行化和灰度阈值分割的并行化，且主要于国土资源、军事领域，在医学领域还没有人在测地活动轮廓模型图像分割时的并行化处理。

发明内容

本发明的目的是为满足医学CT图像分割的速度问题，提供一种基于初始轮廓预测模型的医学CT图像并行分割方法。

为达到上述目的，本发明采取的技术方案是：

一种基于初始轮廓预测模型的三维序列医学CT图像并行分割方法，其特征在于：它是在基于初始轮廓预测模型的基础上，由计算机集群系统利用并行算法实现的，其中：

所述的计算机集群系统是由总机节点、二级节点和三级节点构成的多级结点计算机系统；每个二级节点包含一台处理机，每个三级节点又包含一台主处理机、多台从处理机，各个处理机之间通过MPICH(消息传递机制）通讯。总机节点接收需要处理的三维断层序列医学CT图像，将这些序列图像分成若干组，分别派送到二级节点；每个二级节点接受各自的分组图像后，利用初始轮廓预测模型预测图像的初始轮廓曲线，将带有初始轮廓曲线的图像分配给三级节点；三级节点的主处理机接收需要处理的图像，将整幅图像的分割问题分为不同的子任务通过MPICH发送到各个三级节点的从处理机上。从处理机利用基于平滑项的测地活动轮廓模型完成对图像的分割。当从处理机将子任务计算完成之后，再将各个处理结果发送给主处理机进行合成，也即三级节点的主、从处理机系统完成单幅图像的分割。

所述的基于平滑项的测地活动轮廓模型，是在现有测地活动轮廓模型的基础上添加了一个图像平滑项，模型建立过程如下：