[发明专利]断层图像的轮廓自动识别方法

说明书

本发明公开一种断层图像的轮廓自动识别方法。它是对获取的断层图像去燥后，确定单张图像中前景与背景的分界灰度值T，利用分界灰度值T，选定前景图像灰度值，选定背景图像灰度值分别对前景图像灰度值集合和背景图像灰度值集合进行修正，获得第一前景图像特征数据P2和背景图像特征数据P1,将前景图像特征数据P2和背景图像特征数据P1输入通过onecut算法，得到识别出的第二前景图像P3。本发明方法实现多张组织切片图像中每张图像轮廓的自动识别，特别用于具有上千层左右的动物组织切片图像数据的自动处理，实现对整套动物组织切片断层图像数据自动轮廓信息识别并提取，不需要人工修改任何识别参数。

技术领域

本发明属于图像处理技术，具体涉及一种图像的轮廓的识别技术。

背景技术

轮廓检测指在包含目标和背景的数字图像中，忽略背景和目标内部的各种噪声干扰，采用一定的算法来实现目标轮廓提取的过程。

CN201710139018.3公开了一种基于图像轮廓特征的目标识别方法。该方法首先对模板图像和待测物体图像进行预处理生成二值图像。因此需要建立模板图像数据。不适于人体或动物组织切片图像处理。

CN109934813A公开一种目标对象的识别方法，该方法通过U形全卷积神经网络模型识别出目标对象的第一轮廓后，在拾取识别第一轮廓内目标对象图像中的第二轮廓的技术。

上述两种方法均只是针对一张图像进行快速处理。

在动物或人体组织切片的图像处理，如脑组织切片图像轮廓数据提取方面，一般使用灰度阈值法、grabcut、onecut等算法。采用灰度阈值法的图像轮廓处理方法，能够对脑组织切片图像轮廓数据，具有有比较好的识别效果。由于脑组织切片是有非常多的切片层，不同切片层图像轮廓数据的差异性，采用单层图片的轮廓识别方法，速度慢，工作量大，无法完成整套脑组织切片图像的快速识别。采用grabcut和onecut算法，则需要大量的人机交互工作。工作量大，无法满足大量脑组织切片图像轮廓数据提取。

发明内容

本发明的目的在于提供一种断层图像的轮廓自动识别方法，特别是具有多层切片的图像轮廓识别方法，以实现多层切片的每张图像轮廓的快速识别。

本发明的技术方案是：断层图像的轮廓自动识别方法是，对获取的断层图像去燥后，确定单张图像中前景与背景的分界灰度值T，利用分界灰度值T，选定前景图像灰度值，选定背景图像灰度值分别对前景图像灰度值集合和背景图像灰度值集合进行修正，获得第一前景图像特征数据P2和背景图像特征数据P1,将第一前景图像特征数据P2和背景图像特征数据P1输入通过onecut算法，得到识别出的第二前景图像P3。

上述前景指的是被摄目标对象。

上述选定前景图像灰度值，选定背景图像灰度值分别是从在多张图像中前景图像灰度值集合选取的，背景图像灰度值集合选取的。

本发明在通过第一次识别出前景与背景的分界灰度值T后，再对前景图像和背景图像的灰度值进行修正，将修正值直接作为onecut算法的输入，进而得到第二前景图像P3(第二前景图像数据)。

上述发明通过选定前景图像灰度值，选定背景图像灰度值的修正方法，可以实现多张组织切片图像数据自动完成对单张组织切片图像轮廓数据拾取，进而实现多张切片图像的目标对象轮廓的识别。

进一步的技术特征是：所述对前景图像灰度值集合的修正方法包括，选取前景图像灰度值与分界灰度值T第二加权值中较大者，作为前景阈值B2，选取图像中所有大于B2的点得到第一前景图像P2。

进一步的技术特征是：所述选取前景图像的灰度值是多张断层图像中一个前景图像灰度值，第二加权值为1.3T-1.8T。