[发明专利]基于牙科全景图的皮质骨宽度自动计算方法

权利要求书

1.一种基于牙科全景图片的皮质骨宽度计算方法，其特征在于，包括如下步骤：

1)基于OTSU和DLS的颏孔识别：

a图像预处理，使图像的颏孔和轮廓变得明显；

b采用OTSU方法对图像的阈值分割；

c形态学处理，让阈值分割后的图像边缘更加平滑；

d利用Canny算子检测图像边缘；

e最小二乘法椭圆拟合，将颏孔的外观定义成椭圆，然后对其边缘进行拟合；

f结束；

2)基于图像聚类和DLS的皮质骨宽度计算：

a颏孔识别提取ROI，提取左ROI时是以左颏孔为右上角，以颏孔到全景图下边缘为边长；而右ROI是以颏孔为左上角，以颏孔到全景图下边缘为边长；

b ROI预处理；

c图像聚类，将图像分成两类，将各个灰度值看成一类，然后将离得较近的、相邻的类合并直至变成两类为止；

d形态学处理；

e最小二乘法曲线拟合，将图像模拟成为多项式曲线；

f计算皮质骨宽度，即从颏孔处向两条边缘线做垂线，两个距离之差即为皮质骨宽度； 

g结束。

2.根据权利要求1所述的基于牙科全景图片的皮质骨宽度计算方法，其特征在于，其中步骤1)-a中所说的图像预处理是先将24位图变成8位的，然后对其进行灰度拉伸，灰度拉伸后进行图像的锐化。

3.根据权利要求1所述的基于牙科全景图片的皮质骨宽度计算方法，其特征在于，其中步骤1)-b中进行OTSU图像分割方法如下

计算图像各个灰度值的概率；

用T将灰度值分成两组C₀＝{0～T}和C₁＝{T+1～m}，计算组间方差；

将T进行变化(0～m)，分别计算阈值选择函数δ²(T)＝w₀(μ₀-μ)²+w₁(μ₁-μ)²，求出最大值，就选择其为阈值点进行返回。

4.根据权利要求1所述的基于牙科全景图片的皮质骨宽度计算方法，其特征在于，其中步骤1)-c中进行形态学处理是指进行形态学腐蚀膨胀处理。.

5.根据权利要求1所述的基于牙科全景图片的皮质骨宽度计算方法，其特征在于，其中步骤2)-b中ROI图像预处理对图像进行灰度化、锐化、去除前景和背景操作。

6.根据权利要求1所述的基于牙科全景图片的皮质骨宽度计算方法，其特征在于，其中步骤2)-c中图像聚类的步骤如下：令C_k为灰度图中升序排第k类的一个集群，T_k是C_k类中的最大的灰度值，因此C_k包含了从[T_k-1+1，T_k]的灰度值，定义T₀＝-1，

1)假设直方图包含了k个不同的非空的灰度值，在开始的阶段，每个类中只包含一个灰度值； 

2)下面的过程将会持续k-t次，来将k类变成t类：

2.1)每个相邻类之间的距离将会被计算，这个距离就表明了相邻类的相异程度；

2.2)找出相邻距离最短的路径，并且将这两个类合并成一个类。由于类会越变越小，C和T将会被重新赋值；

3)最后将会获得t个类。

7.根据权利要求6所述的基于牙科全景图片的皮质骨宽度计算方法，其特征在于，其中步骤2.1)中每个相邻类之间的距离的计算方法如下：

令h(z)表示目标图像的直方图，z＝0，1，...L-1，z表示的是灰度等级，而L为最大可以表示的最大等级个数，定义p(z)＝h(z)/N，N表示的是图像中像素的个数，p(z)表示的是灰度等级为z的像素的概率，如下所示：

而Ck1和Ck2之间的距离定义如下：

而

在公式里m(C_k)表示的是C_k的平均值如下表示： 

而M(C_k1∪C_k2)则表示是类C_k1与C_k2的平均值，如下表示：

内部类方差 表示如下所示：

。

8.根据权利要求1所述的基于牙科全景图片的皮质骨宽度计算方法，其特征在于，其中步骤2)-f)中图像CW值计算是从颏孔处对已经拟合出来的两条抛物线做垂线，两者距离差就是CW值。