[发明专利]基于样条思内克斯(Snakes)模型的中医舌象计算机分割方法

说明书

基于样条思内克斯(Snakes)模型的中医舌象的计算机分割方法

技术领域

本发明涉及计算机医学图像处理领域，设计了一种基于样条思内克斯(Snakes)模型的舌体分割方法，将中医舌图象中的舌体从背景中分割出来，以便于随后的特征分析。

背景技术

常用在图像处理领域与舌象分割相关技术如下：

舌象分割即舌图象舌体区域分割，是图象分割方法的一种具体应用。传统的图象分割采用边缘检测、区域聚类等算法，这些方法均是利用图象的低层特征，即图像数据的均匀性或突变性，而没有利用有关分割目标的先验知识，如目标的位置、大小、形状等。这些方法需要进行复杂的后处理才能确定舌体的完整轮廓。而且由于轮廓特征和图象质量的差异等原因，往往难以获得令人满意的分割结果。

思内克斯(Snakes)模型又称主动轮廓线模型(active contour model)，由Kass等人于1987年提出。思内克斯(Snakes)是一种将目标的轮廓模型与图像特征相匹配的方法，它利用物体的多边形表示，把目标公式化为一个适当的能量函数E，然后将E最小化得到所期望的轮廓线，从而分割出图像中的目标。思内克斯(Snakes)，是一种能量极小化的样条，在各种力和约束条件的作用下发生弹性形变，直到得到期望的轮廓。其能量一般由三种力生成：内力约束它的形状，外力引导它的行为，图像力将其拖向显著的图像特征；Snakes的轮廓线锁定在图像特征附近，准确地将其极小化。这样，在寻找显著的图像特征时，高层机制可能通过将图像特征推向一个适当的局部极值点而与模型进行交互。思内克斯(Snakes)的最大特点是结合了图象的低层特征与高层知识，用于图象分割时，在鲁棒性、精确度、实用性等方面均优于传统方法。

一般地，Snakes由几种不同的作用力同时控制，每一种力产生一个能量项。可表示为 E snake ( V ) = Σ i = 1 n E snake ( v i ) = Σ i = 1 n [ E internal ( v i ) + E image ( v i ) + E external ( v i ) ] ]]>

其中E_internal称作内部能量，不依赖于图象数据，只与轮廓的形状特征有关，用来计算轮廓形状的一些我们所关注的特性，例如连续性和平滑性；E_image称作图象能量，是几何模型与图象数据相互作用产生的，是针对图象中感兴趣的特征定义的，例如：边缘、线、区域、纹理等；E_external为外部能量，代表各种人为定义的约束条件。