[发明专利]一种手腕骨的分割识别方法及系统、终端及可读存储介质

权利要求书

1.一种手腕骨的分割识别方法，其特征在于，包括：

基于阈值分割窗口可变的自适应阈值分割方式对儿童正位手腕部X线图像的腕骨感兴趣区域进行阈值分割和基于边缘检测的方式提取所述腕骨感兴趣区域的边缘信息；

将所述阈值分割得到的二值化图像和提取的边缘信息进行结合，得到初始分割图像；

使用腕骨解剖先验模型对所述初始分割图像进行腕骨识别，得到包含有各腕骨信息的初始识别图像；

对所述初始识别图像进行边界优化，输出边界优化后得到的腕骨识别图像；

所述腕骨感兴趣区域中的任一像素以(x,y)表示，像素点对应的阈值分割窗口的中心位于(x,y)，所述阈值分割窗口的宽为W(x,y)，高为H(x,y)，通过阈值分割窗口可变的自适应阈值分割方式对所述腕骨感兴趣区域进行阈值分割包括：

在所述腕骨感兴趣区域中找出所有阈值分割窗口中的灰度最大标准差sd_max；

对于每一像素(x,y)，找到使以每一像素点(x,y)为中心的阈值分割窗口中灰度标准差sd不小于0.6*sd_max的最小阈值分割窗口且所述最小阈值分割窗口满足W(x,y)＝H(x,y)；

通过公式计算出每一阈值分割窗口的分割阈值，其中m(x,y)为阈值分割窗口的灰度平均值，k为位于[0.04,0.08]间的一个常数，T(x,y)为像素(x,y)的灰度阈值；

根据所述分割阈值对所述腕骨感兴趣区域进行阈值分割，得到二值化图像。

2.如权利要求1所述的分割识别方法，其特征在于，所述基于边缘检测的方式提取所述腕骨感兴趣区域的边缘信息包括：

使用尺寸为3*3，σ为1的高斯滤波器平滑所述腕骨感兴趣区域；

使用5*5的Sobel算子计算平滑后的腕骨感兴趣区域的梯度幅值和梯度方向；

对所述梯度幅值进行非极大值抑制；

用双阈值算法检验和连接边缘，得到初始边缘信息；

对所述初始边缘信息中的所有线段面积和长度进行分析，将面积小于预置值的线段进行删除，得到所述边缘信息。

3.如权利要求2所述的分割识别方法，其特征在于，将所述阈值分割得到的二值化图像和提取的边缘信息进行结合，得到初始分割图像包括：

若所述二值化图像存在过分割情况，判断所述边缘信息中的边缘所在的像素是否在所述二值化图像中为前景，若为前景，将边缘所在的像素设为背景，并对所述二值化图像和所述边缘信息结合后的图像进行孔洞填充，对孔洞填充之后的图像进行腐蚀，得到所述初始分割图像；

若所述二值化图像存在欠分割情况，判断所述边缘信息中的边缘所在的像素是否在所述二值化图像中为背景，若为背景，将边缘所在的像素设为前景完成边缘添加，对完成边缘添加后的二值化图像进行孔洞填充，对孔洞填充完毕后的二值化图像进行腐蚀，得到所述初始分割图像。