[发明专利]一种基于区域相关信息熵的图像分割质量评价方法

说明书

技术领域

本发明属于图像分割技术领域，更为具体地讲，涉及一种基于区域相关信息熵的图像分割质量评价方法。

背景技术

图像分割贯穿于整个图像分析领域，其结果的好坏对后续应用产生重要的影响。尤其是在医学图像应用中，图像分割的结果是组织体积测量、器官三维重建、手术导航等临床应用的先决条件，因此对分割结果进行准确有效地评价是医学图像分割中的一项有意义的任务。另外，图像分割质量评价还可以达到优化分割的目的，而且对研究新的分割技术也具有指导意义。

图像分割质量评价方法主要有主观评价法、分析评价法和实验评价法三类。其中，主观评价法具有较大的局限性。例如不同人的同一组织和器官的解剖结构的形态、体积和空间位置存在较大差异，而且很多组织（例如脑灰质和白质）之间本来就没有清晰的界限。分析评价法通过对分割算法直接从原理上进行评估，可以免除一些实验因素的影响，但并非所有的算法性能都能够通过分析而得到，而且也不能对分割结果做出直接的评价。因此，通过对具体分割结果的分析来评价分割方法的实验评价法是具有实际意义的。

实验评价法大致可以分为偏差法和优度法两类。偏差法需要首先提供一个理想分割图象作为参考标准，依此来计算实际分割结果与理想分割图像的差别，这种差别可以是基于错误分割的像素数，也可以是基于错误分割像素点的位置，或者是基于分割结果区域数的差别等等。但在医学图像领域，可供比较的图像样本很难统一认定，因此，这类方法在运用上有很大的局限性。优度法一般是直接以分割结果中的某些图像特征为依据来评价分割质量，这些特征可以是区域对比度或区域一致性等。然而，对于复杂的医学图像分割应用，这些传统的评价准则或者难以应用，或者往往不能给出合理的评价。

图像分割的本质是同质性区域的合并和异质性区域的分离，这个过程的目的是对图像中感兴趣区域进行详细、深入的研究，而忽略其他无关的区域。在最优情况下，每个区域被完全的分离，从而精确的提取出感兴趣区域。此时，各区域间的信息相关性最小。也就说，各区域间相关性越小，说明分割质量越高。一般地，这个相关性不会为零，因为这些区域之间总是存在一定的相关性，尤其是医学图像各组织器官之间更是互相关联。这个相关性测度能否成功应用的前提是区域间的信息相关程度的准确度量。

发明内容

本发明的目的在于克服现有技术的不足，从图像分割区域之间的异质性角度，引入了非线性相关信息熵作为区域间异质性评价测度，提供一种基于区域相关信息熵的图像分割质量评价方法，为不同图像分割方法生成的不同分割结果的质量提供一种客观定量的评价依据。

为实现上述发明目的，本发明基于区域相关信息熵的图像分割质量评价方法，其特征在于，包括以下步骤：

S1：采用待评价分割算法T₁和参考分割算法T₂分别将目标图像I进行分割，得到不同的分割结果Θ_i,i＝1,2，每个分割结果得到的区域个数记为M_i，分割结果j＝1,2,…,M_i，Ω⁽ⁱ⁾_j为分割结果Θ_i的区域；

S2：对于每个分割结果Θ_i中的M_i个区域区域中的像素用灰度值保持原值，将目标图像I中区域外的像素灰度值全部记为0，得到对应的扩展灰度图像；将每个区域对应的扩展灰度图像以行优先法展开为一维离散随机变量变量取值个数均为N，N为目标图像I的像素数量；计算两两随机变量和之间的非线性相关系数j,k＝1,2,…,M_i,j≠k，随机变量与其自身的非线性相关系数

S3：利用步骤S2中每个分割结果Θ_i的所有非线性相关系数构造分割结果Θ_i的非线性相关矩阵R_i：