[发明专利]图像分割方法和装置

说明书

技术领域

本发明涉及图像分割技术领域。更具体地讲，涉及一种可以在医学中使用的用于肿瘤诊断的图像分割方法和装置。

背景技术

图像分割是指将图像分割成具有特征的区域并提取感兴趣的目标的技术，是图像处理和计算机视觉领域中的一个基本问题。而医学图像的图像分割技术是主要的研究方向之一。在医学图像处理中，图像分割常常用于病变区域提取，例如，自动分割和提取超声波图像中的肿瘤区域。

已经进行了大量研究并提出了多种用于医学图像分割的技术。其中，活动轮廓模型(ACM)是最成功的方法之一，该方法因为其演化过程与处理的结果是一条清晰完整的目标轮廓曲线，而成为当前研究的热点对象。ACM的基本概念是在某些限制的条件下演进曲线以提取期望的目标。根据限制的性质，现有的ACM可被分类为两种类型：基于边缘的模型和基于区域的模型。基于边缘的模型的基本思想是先检测图像中的边缘点，然后按一定的策略连接成轮廓，从而构成分割区域。基于区域的分割方法直接在图像空间域中所划分的区域满足同性质为准则，提取若干特征相近或相同的像素点组成区域。

现有技术中已经提出了多种使用ACM技术的图像分割方法。Paragios和Deriche在“Geodesic active regions：A new framework to deal with framepartition problems in computer vision.International Journal Compute Vision 46(3)，223-247(2002)”中提出了一种将基于边缘的能量和基于区域的能量相加来创建节点能量并使能量函数最小化的方法。在“A novel active contour modelusing local and global statistics for vessel extraction.Proc.Engineering inMedicine and Biology Society，3126-3129(2006)”和“Vessel extraction undernon-unifom illumination：A level set approach.IEEE Transactions on BiomedicalEngineering 55(1)，358-360(2008)”中，Sum和Cheung使用了相似的方法并基于图像对比度来最小化基于全局区域的能量和局部能量。在“An efficient localChan-Vese model for image segmentation.Pattern Recognition 43(3)，603-618”中，Wang等人定义了一种包括全局项、局部项和正则项的能量函数，该方法利用局部相邻平均强度与其相应的灰度值之间的差作为局部项来避免图像同类化。以上这些工作均关注的是基于分段常数的CV(Chan-Vese)模型的局部化能量。然而，以上这些方法对于曲线初始化非常敏感，并且容易陷入局部极小。这是因为，这些方法对于演进曲线上的点使用相同的能量函数。由于曲线上的点通常具有不同的灰度值和相邻关系，因此，使用相同的能量函数来得到演进曲线并不合适。

发明内容

本发明的目的在于提供一种图像分割方法和装置，能够根据演进曲线上的点的不同性质来构造不同的能量函数，避免初始化的敏感性和局部极小的出现，从而实现更精确的图像分割。

根据本发明的一方面，提供了一种图像分割方法，包括：(a)从图像中检测感兴趣目标的初始轮廓；(b)根据对比度特性对初始轮廓上的点进行分类；(c)为不同种类的点构造不同的能量函数模型，基于构造的能量函数模型计算用于图像分割的曲线的演进函数，并根据演进函数在图像中移动水平集曲线；(d)确定移动后的水平集曲线是否已经收敛，如果确定水平集曲线已经收敛，则将移动后的水平集曲线输出为图像分割的结果，如果确定移动后的水平集曲线没有收敛，则以移动后的水平集曲线的作为初始轮廓，再次执行步骤(b)和步骤(c)，直到得到收敛的水平集曲线为止。

根据本发明的一方面，在步骤(a)通过可变形部分模型DPM来检测初始轮廓。

根据本发明的一方面，在步骤(b)中，根据局部符号压力函数LSPF将初始轮廓上的点分类为高对比度类型的点和低对比度类型的点，

其中，LSPF函数的定义如下：x∈Ω，