[发明专利]一种图像感兴趣区域划分方法、图像分割方法及装置

说明书

本发明公开了一种图像感兴趣区域划分方法、图像分割方法及装置，该方法包括：获取目标图像内的所有像素点的信号强度值，得到信号强度集；提取信号强度集中的若干个连续大小的信号强度值，形成信号强度集的一个子集；提取信号强度集的若干个子集所对应的像素点，形成若干个像素点集；若干个子集均为不同的子集；对各个像素点集中的像素点进行连通区域标记，得到若干个连通像素点集；根据各个连通像素点集的中心点之间的距离判断连通像素点集是否为属于同一区域的像素点集，并合并属于同一区域的连通像素点集；将合并后的连通像素点集对应的区域作为目标图像的感兴趣区域。通过实施本发明，能够得到目标图像包含分割对象的感兴趣区域。

技术领域

本发明涉及图像检测技术领域，尤其涉及到一种图像感兴趣区域划分方法、图像分割方法及装置。

背景技术

医学影像中的血管分割问题是影像分析诊断的基础前提，是定位血管病变区域与定性定量分析正常组织和病灶的必要手段，其目的是从图像数据中分离出医生感兴趣的血管腔、血管壁边界及其他斑块成分，对辅助医生临床诊断、评估疾病风险、决策治疗方案等显示出越来越重要的临床价值。但是，医学图像的血管分割是一项非常具有挑战性的任务。

近年来已经提出并使用了多种不同的方法，从大的方向上主要分为两大类：一是将深度学习、机器学习等AI算法引入进来；二是目前经典的基于区域、水平集等其他分割算法的扩展和改进。但总体来说，第一类解决方案需要大量已准确标注的图像数据去训练，由于缺乏对血管诊断有经验的影像医生，导致精确标注过的血管图像是一个非常紧缺的资源，这无疑限制了基于样本训练的分割算法的应用性。而由于不同影像数据及不同部位血管的图像存在较大差异，第二类解决方案则很难得到一个统一的标准图像分割方法来解决不同影像数据及不同部位血管的图像分割问题，为了解决该问题，目前比较常见的做法为通过划分图像中的感兴趣区域，以减少图像中除了血管区域以外的各种干扰因素对分割算法的分割准确性的影响，但是，由于普通业务人员不能较准确的确定何为血管区域而一般会选择划定所有可能范围，得到的感兴趣区域仍保留大部分源于图像本身的差异，感兴趣区域的准确划分仍然依赖于对血管诊断有经验的影像医生。

因此，如何实现对图像中的感兴趣区域的准确划定，以减小图片中的干扰因素对后续血管分割准确性的影响成为亟待解决的问题。

发明内容

有鉴于此，本发明实施例提供了一种图像感兴趣区域划分方法、图像分割方法及装置，以解决现有图像分割中的感兴趣区域的划定仍完全基于人为划定，划定准确性完全依赖于业务人员的专业性的问题。

根据第一方面，本发明实施例提供了一种图像感兴趣区域划分方法，包括如下步骤：获取目标图像内的所有像素点的信号强度值，得到信号强度集；提取信号强度集中的若干个连续大小的信号强度值，形成信号强度集的一个子集；提取信号强度集的若干个子集所对应的像素点，形成若干个像素点集；若干个子集均为不同的子集；对各个像素点集中的像素点进行连通区域标记，得到若干个连通像素点集；根据各个连通像素点集的中心点之间的距离判断连通像素点集是否为属于同一区域的像素点集，并合并属于同一区域的连通像素点集；将合并后的连通像素点集对应的区域作为目标图像的感兴趣区域。