[发明专利]一种基于Hessian隐函数的交互式体分割方法

权利要求书

1.一种基于Hessian隐函数的交互式体分割方法，其特征在于：包括以下六个步骤：

步骤(1)、图像平滑：针对CT扫描数据噪音大，边界模糊的缺点，采用了基于相对总变差的从纹理中提取结构的方法，对图像细节进行了模糊，但是增强了图像的结构，使边界更加清晰；

步骤(2)、TurtleSeg预分割，使用现有的一种分割方法，得到待分割物体的初始分割结果，位于物体内部的体素标记为1，外部的体素标记为0，将此体素作为模板，用于后续处理；

步骤(3)、点集的预处理，根据上一步得到的模板，提取位于边界上的数据点，得到初始的数据点集，对点集进行平滑、去噪和重采样，然后计算每个点处的法向信息，通过局部二次曲面拟合求得Hessian信息；

步骤(4)、生成区域覆盖，通过设定局部误差上限，采用基于Gauss曲率的球覆盖的自适应算法，将整个待分割的区域划分为一系列有一定程度重叠的球型区域；

步骤(5)、局部拟合，在每个子区域内，求解添加了Hessian信息的优化函数，得到每个子区域内的隐函数，不同的区域之间可以并行计算，加快计算速度；

步骤(6)、交互优化分割，将上述局部隐函数进行加权混合，得到全局的隐式函数，通过提取等值面即可得到初始的分割结果，针对不满意的地方，用户可交互地设置局部区域，通过调整局部数据点的Hessian特征向量标架，重计算局部的隐函数，进一步优化分割结果，此步骤可通过多次迭代进行。

2.根据权利要求1所述的基于Hessian隐函数的交互式体分割方法，其特征在于：步骤(1)：使用基于相对总变差的从纹理中提取结构的方法，增强图像，这种方法能够较好地从复杂的环境中提取图像的结构特征。

3.根据权利要求1所述的基于Hessian隐函数的交互式体分割方法，其特征在于：步骤(2)：对于CT数据的分割，按照按CT扫描顺序，逐张提取数据，按照物体的方位，将数据按照统一的格式对齐，组成体数据；为了进一步增强边界特征，采用体数据的双边滤波，将得到的体数据，用TurtleSeg分割方法，得到初始的分割结果。

4.根据权利要求1所述的基于Hessian隐函数的交互式体分割方法，其特征在于：步骤(3)：通过初始分割结果提取位于待分割物体边界的数据点，由于存在噪声和过采样等问题，需要进行平滑、去噪和重采样等操作；同时计算后续操作所需的法向信息，通过局部二次曲面拟合求得数据点处的Hessian信息。

5.根据权利要求1所述的基于Hessian隐函数的交互式体分割方法，其特征在于：步骤(4)：为了能够加快求解速度，采用了局部拟合，全局混合的策略；通过给定局部划分误差上限，采用基于Gauss曲率重要性采样的局部自适应球覆盖方法进行局部划分，能更好的保持局部特征，合理地划分拟合区域。

6.根据权利要求1所述的基于Hessian隐函数的交互式体分割方法，其特征在于：步骤(5)：为了能够尽可能地保持细节，将Hessian信息添加到重构的优化函数中，此优化系统通过最小二乘法进行求解。

7.根据权利要求1所述的基于Hessian隐函数的交互式体分割方法，其特征在于：步骤(6)：将局部的隐函数进行加权混合得到全局隐函数，进而通过提取等值面得到初始分割结果；通过交互地调整局部数据点的Hessian信息，重计算隐函数来优化分割结果，此步骤可多次迭代地进行。