[发明专利]基于傅里叶变换的医学图像分割算法

权利要求书

1.基于傅里叶变换的医学图像分割算法，其特征在于，包括以下步骤：

(1)获取一幅来源于X射线机、CT或核磁共振诊断设备的待分割的医学扫描图像，然后将该待分割的医学扫描图像转换成灰度图像，再采用傅里叶变换算法对灰度图像进行分析，得到初始感兴趣的轮廓{A1,A2,A3,…,An}，其中A1,A2,A3,…,An定义为构成初始感兴趣的轮廓的所有轮廓点；

(2)根据初始感兴趣的轮廓{A1,A2,A3,…,An}经包络得到灰度图像中的感兴趣区域，根据该感兴趣区域的外形选取一个能够将该感兴趣区域包含在内的方形区域，定义该方形区域的宽度为W、高度为H，如果W×H能够被u×u整除，则将该方形区域定义为当前灰度图像，然后直接将当前灰度图像划分成个互不重叠的尺寸大小为u×u的子块；如果W×H不能够被u×u整除，则扩展该方形区域使其尺寸大小能够被u×u整除，将扩展后的方形区域定义为当前灰度图像，然后将当前灰度图像划分成个互不重叠的尺寸大小为u×u的子块，其中，W'和H'对应表示扩展后的方形区域的宽度和高度，W'＝W且H'>H或W'>W且H'＝H或W'>W且H'>H，u取4、5或6；

(3)采用区域生长法对当前灰度图像进行分割，得到当前灰度图像中的多个初步目标区域；

(4)将当前灰度图像中当前待处理的初步目标区域定义为当前初步目标区域；

(5)从当前灰度图像中提取出与当前初步目标区域对应的所有尺寸大小为u×u的子块，按序对当前初步目标区域对应的每个尺寸大小为u×u的子块进行处理，将当前待处理的尺寸大小为u×u的子块定义为当前子块；

(6)将当前子块中的所有像素点各自的像素值作为输入参数输入非线性优化模型中进行优化，该非线性优化模型为：

dsdt=A×sin(2π×f0×t+ψ)+m×g(t)+n×s-m×s3+2α×ξ(t)]]>

其中：表示非线性优化模型输出的信噪比，A为固定周期信号的幅度，f₀为固定周期信号的频率，t为布朗粒子的运动时间，ψ为固定周期信号的初相位，m、n均为双稳态势垒实参数，g(t)表示非线性优化模型的输入参数，s为布朗粒子的运动坐标，α为噪声强度，ξ(t)为均值为0的高斯白噪声；

将当前子块中的所有像素点各自的像素值作为输入参数输入非线性优化模型中进行优化后，非线性优化模型输出当前子块中的所有像素点各自的信噪比，如果当前子块中的每个像素点的信噪比与事先存储于数据库中的医学扫描图像的灰度图像中对应像素点的信噪比的误差小于10％，则确定当前子块优化成功，其中，事先存储于数据库中的医学扫描图像的灰度图像的尺寸大小与当前灰度图像的尺寸大小相同；

(7)将下一个待处理的尺寸大小为u×u的子块作为当前子块，然后返回步骤(6)继续执行，直至当前初步目标区域对应的所有尺寸大小为u×u的子块处理完毕，得到对应的最终目标区域；

(8)将当前灰度图像中下一个待处理的初步目标区域作为当前初步目标区域，然后返回步骤(5)继续执行，直至当前灰度图像中的所有初步目标区域处理完毕，得到当前灰度图像中的多个最终目标区域，至此完成医学扫描图像的分割。

2.根据权利要求1所述的基于傅里叶变换的医学图像分割算法，其特征在于：步骤(6)中事先存储于数据库中的医学扫描图像的灰度图像中的每个像素点的信噪比的具体获取过程为：

(6.1)选取一幅来源于X射线机、CT或核磁共振诊断设备的具有代表性的医学扫描图像，然后将该医学扫描图像转换为灰度图像；

(6.2)定义该灰度图像的宽度为W、高度为H，如果W×H能够被u×u整除，则将该灰度图像作为待处理灰度图像，然后直接将待处理灰度图像划分成个互不重叠的尺寸大小为u×u的子块；如果W×H不能够被u×u整除，则扩展该灰度图像使其尺寸大小能够被u×u整除，将扩展后的灰度图像作为待处理灰度图像，然后将待处理灰度图像划分成个互不重叠的尺寸大小为u×u的子块，其中，W'和H'对应表示扩展后的灰度图像的宽度和高度，W'＝W且H'>H或W'>W且H'＝H或W'>W且H'>H，u取4、5或6；

(6.3)手动圈定待处理灰度图像中的每个目标区域；

(6.4)计算待处理灰度图像中的每个目标区域对应的每个尺寸大小为u×u的子块中的每个像素点的信噪比。