[发明专利]基于主动轮廓模型的肝脏DTI图像分割的方法

摘要

本发明公开了一种基于主动轮廓模型的肝脏DTI图像分割的方法，本发明包括数据的采集、肝脏DTI图像的预处理、肝脏DTI图像边缘检测和结合活动轮廓CV模型进行肝脏DTI图像分割的步骤，本发明利用仿生优化算法在由分割参数组成的多维空间进行高效搜索，找到最优的分割参数集，不仅能够避免由于活动轮廓模型对噪声敏感带来的问题，还能够极大的减小活动轮廓模型的计算复杂度，从而提高算法的效率；另一方面，本发明通过活动轮廓模型与仿生优化算法的结合，能够对结果轮廓进行快速的平滑，从而提高分割结果的精确度。本发明将二者结合，能够有效的利用两种算法的优点，弥补对方的缺点，相得益彰。

主权项

一种基于主动轮廓模型的肝脏DTI图像分割的方法，该方法包括以下步骤：（一）、数据的采集：把原来的图像载入计算机中，图片的格式将转换成二进制格式的数据，并且可以同时显示多种数据格式；把这些数据进行采集转换存储，为以后的图像处理打下基础；（二）、肝脏DTI图像的预处理：1、图像配准由于图像的拍摄时间和外部客观条件的差异，每个图像都有自己的适用范围和局限性，多种模式下的图像配准能充分发挥图像本身的特点和信息互补，它是图像融合的基础和前提；2、图像融合将多源信道所采集到的关于同一目标的图像经过图像处理，提取各自信道的信息，最后综合成同一图像以供观察或进一步处理；（三）、肝脏DTI图像边缘检测：使用仿生优化算法对采集肝脏DTI图像的边缘进行检测，并与初始设定的阈值进行比较，若满足条件则进行输出，不满足条件，则返回再进行处理；（1）、使用仿生优化算法动态控制肝脏DTI图像分割的控制参数，克服采取传统的静态控制参数策略引起的多样性和收敛性不均衡问题；（2）、使用仿生优化算法进行多点搜索，减少陷入局部最优的风险；（3）、找到适合肝脏DTI图像分割使用的适应度函数来指导搜索，减少对其它条件的依赖性；    （4）、将成像条件等环境变量引入肝脏DTI图像分割过程,采用仿生优化算法在由分割参数组成的多维空间进行高效搜索,找到最优的分割参数集；（四）、结合活动轮廓CV模型进行肝脏DTI图像分割：通过CV模型对肝脏DTI图像进行分割；（1）、使用仿生优化算法控制参数，减小噪音对肝脏DTI图像分割活动轮廓的影响；（2）、通过仿生优化算法进行的多点搜索的结果，改进肝脏DTI图像分割活动轮廓模型的能量函数；（3）、仿生优化算法找到合适的搜索可以提高肝脏DTI图像分割活动轮廓模型的数值实现效率；（4）、将第一阶段搜索的最优分割参数传递给CV模型进行图像分割，然后经过少数几次的迭代，轮廓就能很好的收敛到目标的边界，也从而提高了分割的精确性。