[发明专利]一种三维CT图像的局部三维最大类间方差分割方法

说明书

本发明公开了一种三维CT图像的局部三维最大类间方差分割方法，属于图像分割领域，用来解决CT图像的灰度不均匀现象导致的难分割和误分割问题。该方法主要包含以下步骤：(1)初始化统计量计算窗口的大小、权值模板和三维局部空间的大小，并对原图像进行延拓处理；(2)采用一维最大类间方差分割算法和边缘跟踪算法提取每层图像的目标轮廓，在此基础上运用形态学膨胀的方法获取边缘过渡区域的标记图像；(3)根据像素灰度、邻域加权均值和邻域加权中值三个量，计算每个三维局部空间的三维直方图，采用递推的方法构造查找表，据此获取最佳分割阈值。与现有技术相比，本发明的优点在于：能分割灰度不均匀的三维CT图像、时间复杂度为O(L³)。

技术领域

本发明属于图像处理领域，涉及一种三维CT图像的局部三维最大类间方差分割方法。

背景技术

CT是一种综合检测能力很强的成像技术，目前已在医学和工业领域得到广泛应用。一组连续的、等间距的CT图像通常称为三维CT图像。目前，基于线阵探测器的二维CT、基于面阵探测器的锥束CT，以及基于多排探测器的螺旋CT，都可以通过相应的扫描重建方法得到三维CT图像。

在根据CT图像进行检测分析时，分割是一个必不可少的重要环节。由于CT图像通常存在灰度均匀性较差、伪影难以完全消除和噪声水平较高等不利因素，传统分割算法所能达到的精度较低，甚至可能出现错误分割的现象。基于边缘的分割算法较为成熟，如Roberts算子、Canny算子等，但这些算法抗噪性较差，且得到的边缘不能保证连续性。基于区域的分割算法利用了像素间的相似性，能够解决分割结果中边缘不连续的问题，但计算效率低，对噪声敏感，且依赖于生长准则，适应性较差。基于阈值的分割算法同时考虑了像素的灰度信息和空间信息，计算简单，适应性强，但在图像灰度不均匀的情况下，灰度直方图不一定存在明显的波峰波谷，可能出现误分割。近些年来，结合特定理论的分割算法逐渐兴起，其中，模糊聚类分割技术以模糊集合理论为基础，抗噪性强，但无法克服灰度分布不均匀的问题；水平集分割算法对噪声不敏感，轮廓贴合度高，但参数设置复杂，且无法高效提取具有内腔的目标。整体来说，最大类间方差法适应性强，计算简单，抗噪性较好，在CT图像的分割中具有优势。

在图像灰度分布不均匀的情况下，仅以灰度为统计量的直方图不一定存在明显的波峰和波谷，采用最大类间方差的准则不能获得准确的阈值。龚劬等人在《计算机工程与应用》(2014，50(6)：171-174)的文章“改进的三维Otsu图像分割快速算法”中提出了一种将灰度、均值和中值作为统计量的全局三维Otsu快速计算方法，能有效解决目标和背景区分不明显的问题，但全局阈值对局部不均匀区域的分割不敏感。Bataineh B等人在《PatternRecognition Letters》(2011，32(14)：1805-1813)的文章“An adaptive localbinarization method for document images based on a novel thresholding methodand dynamic windows”中提出运用局部自适应阈值对文档图像进行分割，有效解决了光照不均匀图像的分割问题。CT图像的不均匀特性与光照不均匀现象相似，因此可结合三维最大类间方差分割和局部阈值这两种思想来解决灰度不均匀的问题。

发明内容

为了解决CT图像的灰度不均匀现象导致的难分割和误分割问题，本发明提供一种三维CT图像的局部三维最大类间方差分割方法。该方法首先利用全局一维最大类间方差算法提取初始轮廓，然后在此基础上利用形态学膨胀的方法获取边缘过渡区域，进而针对该区域进行局部分割。鉴于三维CT图像具有层间连续性，在由多幅连续CT图像的边缘过渡区域构成的三维局部空间中，对每个像素的灰度、邻域加权均值和邻域加权中值进行统计，构造三维直方图，并根据类间方差最大的准则计算最佳分割阈值。

本发明解决其技术问题所采用的技术方案包括以下步骤：

步骤1、初始化：

设待处理的三维CT图像为img_s，img_s的总层数为K，灰度级为L，初始化过程按以下步骤进行：