[发明专利]基于牙科全景图的皮质骨宽度自动计算方法

说明书

技术领域

本发明涉及一种图像处理领域，是一种基于牙科全景图的皮质骨宽度自动计算方法

背景技术

基于牙科全景图的皮质骨宽度计算方法是在骨质疏松检测的基础上提出来的。

骨质疏松是一种妇女和老年人经常面临的一种疾病，由于其危害极大，而且不易察觉，因此对其预测显得尤为重要。在近几年的研究中多种研究成果显示骨质疏松疾病与皮质骨宽度值有着很密切的关系，但是皮质骨宽度的测量如果每次都是手工测量不仅费时而且可能会不准确，因此利用计算机对于皮质骨宽度CW的自动测量就显得很有必要。

在对于CW计算中，技术难题主要就是图像的分割。前人对图像分割中有了一些比较成熟的技术，包括了基于阈值的分割、基于边缘检测的图像分割、基于区域特性的图像分割、基于模式识别的图像分割等等。其中基于阈值的分割中OTSU(基于类间方差最大法)有着不错的口碑。基于边缘检测中有很多的算子比如说Canny，Sobel，Laplacian等。基于区域特性的图像分割可分为两种区域生长和分裂合并，分水岭算法算是里面比较新的一种分割方法。基于模式识别的分割技术中监督算法有神经网络，支持向量机等。无监督算法又叫做聚类算法。之前也有人做过CW计算方法的研究，但是对于颏孔的手动标识和在对上下边缘进行检测时需要用户给出有效的像素点使得方法存在着不足，使得用户的体验显得很不足，用户希望是能够直接得到CW的计算结果，越方便越好。

发明内容

本发明所要解决的技术问题是自动计算基于牙科全景图的皮质骨宽度(CW)值，主要关注其自动性、准确性及其效率。

为解决上述问题，本发明基于牙科全景图的皮质骨宽度(CW)自动计算方法包括如下步骤：

1)基于OTSU和和DLS(Direct Least Square)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)基于聚类和DLS的皮质骨宽度计算：

a颏孔识别提取ROI(Region of Interest)，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。

本发明中，步骤1)-a中所述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。

本发明中，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。

本发明中，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.

本发明中，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。

本发明中，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，这里我们定义T₀＝-1，接下来是一个归并的过程，如下：

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：