[发明专利]基于外观字典学习和形状稀疏表示的图像分割方法

摘要

本发明基于外观字典学习和形状稀疏表示的图像分割方法，包括：将平均网格移动到初始中心位置；沿着平均网格的法线方向定位网格上每一个标志点的位置；结合形状稀疏表示算法获得初始分割结果；在得到的初始分割结果附近使用外观字典学习和法线搜索结合的算法进行标志点调整；对调整后的网格再次使用形状稀疏表示算法约束重建；根据重建的结果结合梯度矢量流场的特性和外观字典学习的标签重建的概率值再次进行标志点的调整；并运用形状稀疏表示算法得到最终的分割结果。本方法充分利用外观字典学习具有分辨能力的外观先验信息和形状稀疏表示具有重建能力的形状先验信息，使得标志点定位算法和稀疏形状表示算法进行互补，最终得到更加精确的低剂量CT分割结果。

主权项

1.一种基于外观字典学习和形状稀疏表示的图像分割方法，其特征在于，包括：步骤1，基于阈值分割和形态学操作得到待分割图像的二值图像；步骤2，基于广义哈弗变换定位所述待分割图像的初始中心，将平均网格移动到所述待分割目标的初始中心，得到第一初始化网格；步骤3，计算所述第一初始化网格每个顶点的法线值，根据所述待分割图像的二值图像沿着所述第一初始化网格每个顶点的法线方向调整所述第一初始化网格的每个顶点，基于形状稀疏表示算法对调整后的所述第一初始化网格进行平滑重建，得到第二初始化网格；步骤4，计算所述第二初始网格每个顶点的法线值，计算所述第二初始网格每个顶点的法线方向外观字典重建标签的概率值，基于所述第二初始网格每个顶点的法线的矢量值结合所述法线方向外观字典重建标签的概率值局部调整所述第二初始网格每个顶点的位置，利用形状稀疏表示算法对定位后的所述第二初始网格进行平滑重建，得到第三初始网格；步骤5，基于梯度矢量流场的定位算法依次对所述第三初始化网格上的每个顶点进行定位，利用形状稀疏表示算法对定位后的所述第三初始化网格进行平滑重建，得到最终的重建网格，将所述最终的重建网格转化为二值图像，作为最终的分割结果。