[发明专利]一种基于改进梯度向量流模型的医学图像分割方法

说明书

【技术领域】

本发明医学图像分割领域，特别涉及一种基于改进的GVF Snake模型的医学图像分割方法。

【背景技术】

随着医学成像技术在临床诊断及治疗上的指导作用愈加突出，医学图像分割技术逐步成为医学图像研究学科中具有重要性与应用性的研究领域。医学图像分割的目标是通过对目标对象的特征提取，把目标对象从背景图像中加以有效区分，进行下一步的医学分析。Snake模型目前已经成为图像处理关键技术之一。在医学图像分割方面Snake模型是研究较为热门的课题，它比传统的医学图像分割方法有很大的优越性，为边缘检测、图像匹配和三维重建等提供了可靠分割结果。同时其分割过程中的交互式操作也为医生临床诊疗和病理研究奠定了基础。但是，目前来看，这些现存的基于梯度矢量流(GVF Snake)模型分割的算法有两个不足：1)图像背景结构复杂时，没有一个合适的确定初始轮廓的方法。2)梯度向量场计算复杂度高，在图像像素较大时，处理上有局限性，速度慢等。

GVF Snake活动轮廓模型的目标轮廓提取法引入了目标图像轮廓的整体几何信息来指导轮廓获取全过程，是一种具有自主学习能力的轮廓提取算法。由Xu等人1997年提出，它减小了对初始轮廓的敏感性，在一定程度上解决了深凹区域轮廓提取的问题。梯度矢量流(GVF Snake)模型开始用于模糊边界的医学图像分割，因为它能得到清晰光滑的目标轮廓，较好的解决目标对象轮廓提取，为医学诊断提供一个参考。

在实现本发明的过程中，发明人利用基于改进梯度向量流模型的方法提取图像轮廓，主要解决上面提到的两个问题，即：1)预处理能有效的处理皮肤图像中的复杂无关背景和灰度的不均衡，采用纹理分割的统计信息为GVF Snake模型自动初始化一条轮廓曲线。2)减少计算的复杂度，利用在黎曼空间中构造正定矩阵，来加速梯度向量场的迭代计算，提高求解的快速性和准确性。

【发明内容】

本发明的目的在于提供一种基于改进梯度向量流模型(GVF Snake)的医学图像分割方法。所述基于GVF Snake对医学图像分割，它能得到清晰光滑的目标轮廓，较好的解决目标对象轮廓提取，为医学诊断提供一个参考。

1、为了达到本发明的目的，根据本发明的一个方面，本发明提供一种基于改进梯度向量流模型(GVF Snake)的医学图像分割方法，所述方法包括：对模糊的医学皮肤镜图像进行预处理，包括图像均衡化，滤波和边缘检测等；纹理分割方法提取出图像的粗糙轮廓，获取到图像有用的信息点；将黎曼空间中用于计算梯度向量场的方法取代欧式空间向量场的计算，加快迭代计算的速度，提高计算的效率；运用改进后的梯度向量蛇模型对图像进行精细的处理，提取精确光滑的图像轮廓，为医学诊断提供一个参考。

2、根据权利要求1所述的一种基于改进梯度向量流模型(GVF Snake)的方法，其特征在于，对模糊的医学皮肤镜图像进行预处理，包括图像均衡化，滤波和边缘检测等；

直方图均衡化是通过使用累积函数对灰度值进行“调整”，以实现对比度的增强。它可用来增加许多图像的局部对比度，亮度可以更好地在直方图上分布，就可以用于增强局部的对比度而不影响整体的对比度。

图像滤波，它是为了尽量保留图像细节特征的条件下对目标图像的噪声进行抑制，其处理效果的好坏将直接影响到后续图像处理。根据实际的图像，选用线性滤波或者非线性滤波等具体的方法。常用的滤波方法有：如中值滤波，卡尔曼滤波和高斯滤波等。

边缘检测的目的是标识数字图像中亮度变化明显的点或线。对于图像中的边缘主要包括灰度上的不连续、表面方向不连续等。常用的检测算子有：一阶算子：Roberts，Prewitt，Sobel算子；二阶算子：Canny，Laplacian算子。

3、根据权利要求1所述的一种基于改进梯度向量流模型(GVF Snake)的方法，其特征在于，提取出图像的粗糙轮廓，获取到图像有效信息点，自动初始化活动轮廓模型的初始轮廓。主要采用纹理分割的方法中基于统计的特征方法，来获取图像的边界信息点。

基于灰度共现矩阵纹理特征的方法，它是一个由N个离散灰度层组成的图像f(x，y)，灰度共现矩阵P(i，j，d，θ)定义为点(x₁，y₁)的灰度值为i，点(x₂，y₂)的灰度值为出现的频率，其中两点的关系如下：

f(x₁，y₁)＝i，f(x₂，y₂)＝j