[发明专利]基于马尔可夫的医学图像分割方法

说明书

技术领域

本发明属于图像处理技术领域，主要涉及马尔可夫及水平集技术中的图像分割方法。

背景技术

近些年来，医学影像技术飞速发展，其在临床中的应用也越来越广泛，计算机断层成像（CT）、B超、核磁共振成像（MRI）和电子内窥镜等多种现代成像技术已作为常规的辅助方法应用于临床诊断当中，这就使得医生可以更清晰，更直接地对病人组织器官观察，诊断，大大提高了诊断准确率，缩短了确诊时间。而且这些辅助手段的作用与影响也不断的变大，正带动着现代医学诊断的变革。目前更高维的，更高分辨率的的成像技术正在成为人们研究的热点。

由于医学成像技术的复杂性和人体组织器官的物质结构的特殊性使们医学图像不可避免的带有偏移场引起的灰度不均匀，器官运动产生的伪影与模糊以及人本内部其他物质带来的干扰影像等，其中影响最大的是偏移场。正是医学图像的这些特殊性使得大量的传统分割算法不再适用，因此，近些年来人们对于医学图像的分割算法的研究往往是在传统的经典分割算法的基础上充分考虑偏移场的影响来入手的。

医学图像最大的特点就是灰度不均匀。近年来，人们针对这一问题通过改进，融合，创新等方式在传统算法的基础上提出了大量非常实用的分割算法。在研究了医学图像中偏移场的特点后，人们提出的分割方法可以分为两大类：一类是先矫正灰度再分割的方式；另一类是灰度矫正和分割同时进行的方式。

对于前一类，通常是在矫正后再利用较为经典的分割方法，如模式识别中的各种聚类算法等，来进行分割，因此其关键在于灰度矫正算法。这类方法简单，容易实现，而且可以充分利用各种经典的传统方法。目前效果较好的，较实用的灰度矫正方法有N3算法，该方法就是对偏移场模型中的参数进行估计进而得到偏移场。详见文献：J.G.Sled,A.P.Zijdenbos,A.C.Evans.“Nonparametric method for automatic correction of intensity nonuniformity in MRI data[J]”,IEEE Transactions on Medical Imaging,Vol.17,No.1,pp.[d]87-97,Feb.1998.

对于后一类，一般是在分割的过程中进行矫正，通常要在原有算法模型中引入对偏移场的估计部分。目前较为经典的方法有Li等人提出基于局部区域的灰度不均匀场水平集分割方法。该方法将图像看作是偏移场和真实图像的乘积，然后将该乘积引入到传统水平集C-V模型之中，然后在局部区域内应用该模型并扩展到全局构成新的能量函数，最后在最小化新的能量函数的过程中同时完成对偏移场的估计与分割。详见文献：C.M.Li,R.Huang,Z.H.Ding,etc.“A level set method for image segmentation in the presence of intensity inhomogeneities with application to MRI[J]”,IEEE Transactions on Image Processing,Vol.20,No.7,pp.2007-2016,July.2011.。水平集分割算法充分考虑到医学图像的灰度不均匀性，可以在分割的同时对医学图像进行灰度矫正，但其只利用了灰度信息并没有利用空间信息，而且处理分割区域差异很小（分割区域的灰度十分相近或对比度很低）的医学图像时对初始值的敏感性增加，分割准确性降低。另外，该算法是基于局部区域的，每个像素点要被计算多次，计算开销加大。

发明内容

本发明所要解决的技术问题是，提供一种快速、稳健、准确的医学图像分割方法。

本发明为解决上述技术问题所采用的技术方案是，基于马尔可夫的医学图像分割方法，包括以下步骤：

步骤1、首先利用马尔可夫分割方法对原始图像进行初始分割，利用初始分割结果对水平集算法进行初始化，得到初始化的水平集函数、偏移场以及各区域灰度均值；

步骤2、利用水平集算法对图像进行处理，更新水平集函数、偏移场以及各区域灰度均值；当第一次执行本步骤时，水平集算法处理的图像为原始图像，否则，水平集算法处理的图像为矫正图像；

步骤3、用原始图像除以当前更新的偏移场得到矫正后的图像；

步骤4、利用马尔可夫分割算法对矫正后的图像进行分割；

步骤5、判断当前水平集算法与马尔可夫分割算法的迭代次数之和是否大于预设值，如是，最终得到的矫正后的图像进行分割得到最终分割结果；如否，返回步骤2。