[发明专利]一种基于Hessian隐函数的交互式体分割方法

说明书

技术领域

本发明涉及一种基于Hessian(黑塞矩阵)隐函数的交互式体分割方法。

背景技术

计算机层析成像技术(ComputerizedTomography)，简称工业CT，是计算机技术与放射学相结合而产生的一门新的成像技术。它利用射线穿过物体发生衰减这一性质，将传感器获得的数据进行重建从而获得被检测物体的三维灰度图像，清晰、准确、直观地反映物体的内部结构、材料密度和缺损状况。这一技术被广泛地应用于工业和医学领域，工业上可以用来对金属进行探伤，医学上可以用来对病人病情进行诊断，治疗等。

对于扫描得到的数据集，传统的检测方法需要技术人员对每一张CT切片进行单独处理，人工标识出目标物体在每张CT切片上的轮廓。然而由于CT数据中噪声的存在，加大了分辨的难度，同时，单一枯燥的读片工作，不仅占用了相关技术人员大量的时间而且极易导致遗漏和误判。

为了解决上述问题，本发明提出了一种基于Hessian(黑塞矩阵)隐函数的交互式分割方法，通过将Hessian(黑塞矩阵)信息加入到重构时的优化系统中，能够尽可能地保持细节，使分割结果更加准确，同时结合Hessian(黑塞矩阵)的特点，提出基于Hessian(黑塞矩阵)特征向量标架的交互式分割方法。该方法具有步骤清晰，操作性强，算法高效，结果准确的特点，极大地提高了相关技术人员的工作效率，提高判断的准确性。

发明内容

本发明解决的技术问题是：在对CT切片数据的分割方法中，克服了传统方法中对单一切片进行处理存在的效率底下，误差较大等问题，提出了一种基于Hessian(黑塞矩阵)隐函数的交互式分割方法，通过结合Hessian(黑塞矩阵)等高阶信息，能够提高分割的准确性，同时通过设计简单的交互方式，极大地提高了效率。

本发明采用的技术方案为：一种基于Hessian(黑塞矩阵)隐函数的交互式分割方法，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，提高分割的效率。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(黑塞矩阵)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(黑塞矩阵)信息的优化函数，得到在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(黑塞矩阵)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。

本发明的原理在于：

(1)通过应用CT数据直接体绘制技术，将单一切片分割转变为体分割，从数量上来说，大大减少了工作量，有效地减少了人工因素所引起的误差；

(2)通过现有的分割方法，提取一个初始的分割结果，进一步减少了工作量。通过提取位于边界上的数据点，将原来的分割问题，转化为基于重构的分割，通过将Hessian(黑塞矩阵)信息加入重构的优化函数中，能够保持更多的细节，提高了准确性。

(3)为了提高计算效率，采用了局部并行重构，全局混合的方法得到全局的隐函数，通过提取等值面可得初始分割结果。进一步地针对Hessian(黑塞矩阵)的特点，设计通过调整Hessian(黑塞矩阵)特征向量标架的交互方式优化分割的结果。

本发明与现有技术相比的有点在于：

1、对CT切片进行增强操作可以提高准确率，同时将CT切片组成体数据的方式，相比单一切片处理工作，可以大大节省时间。

2、通过将高阶的Hessian(黑塞矩阵)信息添加到重构的优化函数中，可以尽可能地保持更多的细节，使分割的结果尽可能地准确。