[发明专利]一种基于Hessian隐函数的交互式体分割方法

摘要

本发明公开了一种基于Hessian隐函数的交互式体分割方法，步骤：图像平滑；TurtleSeg预分割，用来得到初始的分割结果；点集的预处理，用于从初始分割结果中提取待分割物体边界上的数据点，并对这些点集进行去噪重采样，法向计算，Hessian计算；生成区域覆盖，用于将整个待分割的区域划分为一系列重叠的子区域；局部拟合；交互优化分割，将上述子区域的隐函数进行混合，得到全局的隐函数，并进行等值面提取，得到待分割物体的表面，通过迭代地、交互地调整局部点集的Hessian信息，重计算隐函数来优化分割结果。本发明通过将Hessian矩阵添加到重构的优化函数中，不仅能提高分割的精度，并且提供了一种简单，直观的交互方法，具有操作简单，速度较快，分割准确的特点。

主权项

一种基于Hessian隐函数的交互式体分割方法，其特征在于：包括以下六个步骤：步骤(1)、图像平滑：针对CT扫描数据噪音大，边界模糊的缺点，采用了基于相对总变差的从纹理中提取结构的方法，对图像细节进行了模糊，但是增强了图像的结构，使边界更加清晰；步骤(2)、TurtleSeg预分割，使用现有的一种分割方法，得到待分割物体的初始分割结果，位于物体内部的体素标记为1，外部的体素标记为0，将此体素作为模板，用于后续处理；步骤(3)、点集的预处理，根据上一步得到的模板，提取位于边界上的数据点，得到初始的数据点集，对点集进行平滑、去噪和重采样，然后计算每个点处的法向信息，通过局部二次曲面拟合求得Hessian信息；步骤(4)、生成区域覆盖，通过设定局部误差上限，采用基于Gauss曲率的球覆盖的自适应算法，将整个待分割的区域划分为一系列有一定程度重叠的球型区域；步骤(5)、局部拟合，在每个子区域内，求解添加了Hessian信息的优化函数，得到每个子区域内的隐函数，不同的区域之间可以并行计算，加快计算速度；步骤(6)、交互优化分割，将上述局部隐函数进行加权混合，得到全局的隐式函数，通过提取等值面即可得到初始的分割结果，针对不满意的地方，用户可交互地设置局部区域，通过调整局部数据点的Hessian特征向量标架，重计算局部的隐函数，进一步优化分割结果，此步骤可通过多次迭代进行。