[发明专利]一种结合C-V水平集和GrabCut算法的牙齿图像分割方法

说明书

一种结合C‑V水平集和GrabCut算法的分割方法，先通过图像直方图信息以及形态学方法对牙齿图像预处理以突出目标牙齿的轮廓；接着用C‑V水平集方法获取目标牙齿的轮廓，并将轮廓标记成二值图像。通过对二值图像进行金字塔上采样和下采样后作为GrabCut算法的掩膜单独保存；最后用GrabCut算法直接得到目标牙齿。通过将C‑V水平集与GrabCut相结合来进行牙齿分割，有效地克服了牙齿图像灰度分布不均、牙冠相粘连的分割困难。本发明具有更好的分割效果，分割准确率较高，其分割的平均偏差度为0.0198。

技术领域

本发明属于数字图像分割领域，公开了针对牙齿X光片图像的分割方法。

背景技术

随着数字图像技术的发展，基于生物特征的身份识别技术越来越成为当下的研究热点。公安司法机关对无名尸骨的鉴别也成了一重大难题。一般尸体的保留时间不久，脸部特征，指纹，虹膜等都会受到不同程度的损坏，所以无法精确的鉴别出尸体本人的身份。DNA鉴定精确，但花费昂贵且耗时较长。牙齿是一种不易被破坏的生物特征，其表面的牙釉质具有强耐高温和耐腐蚀的特点，且不同人的牙齿不仅在上下齿咬合状态、牙弓形态、牙间隙及牙冠大小等特征上差异明显，而且在牙列形态、牙冠凹凸面、牙齿的缺损和修补情况上也存在着较大的区别。这就使牙齿有条件成为人身份同一认定的依据。在利用牙齿这种生物特征作为鉴定个体身份前，可将牙齿独立分割出来并重新构造牙齿序列。因此对牙齿图像的分割是上述课题的重要步骤之一。

目前有研究人员提出基于细菌优化算法的模糊聚类算法用于牙齿影像分割；基于小波变换的图像多分辨率梯度信息的牙齿图像的增强算法和图像牙齿分割算法等。但由于医学图像具有复杂多样且容易受诸多因素的干扰而产生噪声，且牙齿X光片图像存在灰度分布不均，牙冠部分相互粘连等现象，针对上述困难本文采用多种方法相结合的方式对图像进行分割，将图像的目标信息充分分割出来。

发明内容

本发明为克服现有技术对存在灰度分布不均、牙冠部分相互粘连、图像本身存在各种噪声等缺陷的牙齿X光片图像分割不完善的难题，提出一种将C-V水平集与GrabCut相结合的图像分割方法。

C-V水平集是传统水平集算法上的改进，它利用全局信息提取目标边界而不依赖图像的梯度，因此，对具有弱边缘的图像也能很好的分割出边缘。但C-V水平集对待分割图像的初始轮廓比较敏感，因此确定一个好的轮廓能使C-V水平集获得更高的分割精度。所以对图像预处理部分也十分重要。

一种结合C-V水平集和GrabCut算法的牙齿X光片图像分割方法，包括以下步骤：

1)、对待处理的牙齿X光片图像进行预处理；

(1.1)调整图像的对比度和亮度；

(1.2)计算图像的直方图以及均衡化后的直方图，选定均衡化后的直方图中像素点最密集的灰度值k，将图像中灰度值小于等于k的像素点重置为[0,0,0]；

(1.3)对上一步中得到的图像运用形态学的腐蚀、膨胀、填充处理，增强目标图像的边缘；

2)、对经过预处理的图像运用C-V水平集算法，包括以下步骤：

(2.1)C-V水平集的能量泛函数为：

对经过预处理的图像运用C-V水平集算法，通过迭代计算能量最小化函数得到清晰的目标图像轮廓。

(2.1.1)初始化水平集函数Φ(x,y)；水平集函数Φ(x,y)表示演化曲线C，且设定若点(x,y)

在C内部，则水平集函数Φ(x,y)0；若点(x,y)在C外部，则水平集函数Φ(x,y)0；而

如果点(x,y)恰好在C上面时，则Φ(x,y)＝0。令Φ(x,y)值为(x,y)与曲线C的欧几里得距离值，符号根据前面说的来确定。