[发明专利]一种肝脏影像分割方法及系统

说明书

本发明涉及一种肝脏影像分割方法及系统，其方法包括S1，获取原始图像，并进行脊波变换后得到粗尺度图像；S2，将粗尺度图像经过模糊聚类算法处理后得到初始分割影像；S3，对初始分割影像进行影像重构，得到重构图像，并计算出重构图像的聚类中心；S4，调节每个细尺度像素点到各个聚类中心的距离和细尺度像素点的隶属度；S5，根据细尺度像素点计算得出像素相关性；S6，根据像素相关性、隶属度和距离计算出目标函数，并建立约束条件，且将约束条件代入目标函数以得到改善目标函数；S7，判断改善目标函数是否满足收敛条件，若满足，则完成重构图像的影像分割。该方法具有抗噪声能力强，复杂度低等特点，能准确输出肝脏影像分割结果。

技术领域

本发明涉及影像处理领域，尤其涉及一种肝脏影像分割方法及系统。

背景技术

影像分割是影像处理和计算机视觉领域的基础。分割结果直接影响着后续任务的有效性和效率。影像分割的目的就是把目标从背景中提取出，分割过程主要基于影像的固有特征，如灰度、纹理、对比度、亮度、彩色特征等将影像分成具有各自特性的同质区域。医学影像分割就是把影像分成多个特定的，具有相同或类似特征的区域，提取出感兴趣的组织或者将它与其它的组织明显分开，以便医生进行分析和诊断。比如，通过分割，可以把肝脏病变组织和健康组织分开，把脑部切片的白质和灰质分开。它不仅是实现可视化的前提和预处理步骤，也是提取医学影像中特殊组织的定量信息的关键。分割后的影像被应用在各种场合，如病变组织的定位，组织容积的诊断，制定手术方案和手术导航等。

脊波(Ridgelet)是一种非自适应的高维函数表示方法，具有方向选择和识别能力，可以更有效地表示信号中具有方向性的奇异特征。脊波变换首先对影像进行Radon变换，即把影像中的一维奇异性比如影像中的直线映射成Randon域的一个点，然后用一维小波进行奇异性的检测，从而有效地解决了小波变换在处理二维影像时的问题。脊波变换对于具有直线奇异的多变量函数有良好的逼近性能，也就是说对于纹理(线奇异性)丰富的影像，Ridgelet可以获得比小波更加稀疏的表示。同时，脊波具有多分辨率分析(或多尺度分析)结构，可对影像进行分辨率从低到高的连续逼近小波变换在一系列宏观大尺度和微观小尺度上均可表达影像内容，对时长不等的信号进行细致分析。传统的K-均值聚类算法不适合进行医学影像分割，因为在算法中，像素只属于某一聚类，与其他聚类无关，无法取得良好的分割效果。模糊聚类算法通过最小化像素到聚类中心的加权距离来完成影像分割，已成功应用于机器学习、模式识别等领域。

中国专利(申请号：CN201611039544.4，公开号：CN106558057A)公开了一种医学图像分割方法,该方法涉及医学图像处理技术领域。该方法包括获取初始分割结果获取对初始分割结果的编辑操作确定待修复区域根据能量方程计算的最优割集得到所述待修复区域的再次分割结果将再次分割结果更新至所述初始分割结果中。该方法采取传统方法对三维医学图像进行初始分割，对图像的噪声敏感性较强，图像分割准确率有待提高。

中国专利(申请号：CN201510577907.9，公开号：CN105261006A)公开了一种基于傅里叶变换的医学图像分割算法,采用傅里叶变换算法对灰度图像进行分析,获得感兴趣的灰度图像区域,并将感兴趣的灰度图像区域划分为互不重叠的子块,采用区域生长法对当前灰度图像进行分割。该方法采用傅里叶变换能够处理受噪声污染的医学图像，跟传统的图像分割精度相比有一定的提高，同时也存在计算量大，处理速度慢的问题。

综上所述，现有的技术大多是采用模糊聚类或区域生长等传统方法进行图像的分割，传统方法存在以下缺陷：对图像内容不能进行细致的分析，且对图像的质量要求高；对图像噪声敏感，不能获得理想的图像分割效果。

发明内容

本发明为了解决上述技术问题提供一种肝脏影像分割方法。

本发明解决上述技术问题的技术方案如下：一种肝脏影像分割方法，包括以下几个步骤：