[发明专利]基于光谱分析和骨架涂鸦的序列化可视人体切片图像自动分割方法

说明书

本发明公开了一种基于光谱分析和骨架涂鸦的序列化可视人体切片图像自动分割方法，本方法采用了光谱提取算法分割单张图像的感兴趣区域，采用了骨架算法生成了对下一张图像的涂鸦，采用了循环处理的方式获取下一张图像的感兴趣区域，最后获取了全部可使人体切片的感兴趣区域。本方法还具有分割质量高精准的优点，本方法可以处理感兴趣区域中以大脑沟回为代表的呈毛细状部分，以腿部大动脉为代表的呈管状部分，以肝脏为代表的含有细小空腔部分。此外本方法还具有操作简单的好处，仅需要对感兴趣区域进行一次涂鸦，即可完成对全部可视化人体切片图像的分割，因而有更快的执行速度，更高的处理效率。

技术领域

本发明涉及图像处理和分割技术领域，尤其涉及基于光谱分析和骨架涂鸦的序列化可视人体切片图像自动分割方法。

背景技术

近年来，可视人体研究日益深化，使得使用可视人数据集并将其应用于实际研究的需要成为可能。在数据集的3D重绘过程中人工提取所需的组织或器官需要消耗大量的人力。传统的图像自动分割算法面对颜色十分接近的不同的人体组织也无法快速精准的将其分割开。基于光谱分析和骨架涂鸦的序列化自动分割方法可以将组织之间及其细小的颜色差异识别出来，并快速、精准、有效地将研究所需的人体组织器官从庞大的数据集中分离出来，为今后的医学研究提供可靠的数据来源。现有技术中的图像自动分割方法有以下方式：1、采用人工手动分割提取图片但是该方法由于工作量巨大并且消耗时间比较长，因此分割精度较低。2、基于HIS颜色空间设置色度、亮度相似系数判定是否为同类像素来对图像进行分割，但是该方法重于人工交互，要求实施者的经验高，不同实施者可能得到不同分割结果，标准不统一。3、在图像分割过程中把人工标定的种子点作为起点，向周围生长，判定的与当前像素同类的像素点则添加到感兴趣区域中，以获得分割区域。但是该方法分割算法复杂度较高，难以编程实现，分割时消耗时间和内存大。4、采用提取出感兴趣区域的图片从四个方向像中心进行腐蚀，每次腐蚀掉一周，直到剩下的点上下左右都不是感兴趣区域为止，将该点作为种子点。但是该方法对于颜色形态比较接近的组织器官分割效果不能达到要求。

发明内容

根据现有技术存在的问题，本发明公开了基于光谱分析和骨架涂鸦的序列化可视人体切片图像自动分割方法，具体步骤包括：

S1：提取一组序列化可视人体切片图像对第一张图形进行涂鸦标记：标记出该图像中需要分割的组织或器官部分；

S2：提取第一张图像的光谱分析组件：通过拉普拉斯提取矩阵将图像划分为多个光谱分析组件；

S3：对提取到的光谱分析组件进行组合处理：通过S1获得的涂鸦标记将S2中得到的光谱分析组件进行组合获取感兴趣区域；

S4：利用骨架算法计算感兴趣区域的骨架；

S5：利用骨架对第二张图片的待分割部分进行涂鸦标记；

S6：循环处理该组序列化可视人体切片图像：对第二张图像提取光谱分析组件，利用S5得到的涂鸦标记对光谱分析组件进行组合得到第二张图像的感兴趣区域，将第二张感兴趣区域的骨架信息涂鸦标记在第三张图像上即循环执行S2、S3、S4、S5，直到获取全部图像的分割结果。

进一步的，通过拉普拉斯提取矩阵将图片划分为多个光谱分析组件采用如下方式：

S21：计算图像的拉普拉斯提取矩阵L、再计算该矩阵L的最小特征向量；

S22：设定聚类得到的分类的总数K；

S23：利用K-means算法对拉普拉斯提取矩阵的最小特征向量进行聚类操作生成K个聚类得到的向量，结果为矩阵E[e₁,e₂,e₃...e_K]；

S24：通过牛顿法求解聚类得到的向量的线性变换：

利用牛顿法求解在满足：