[发明专利]一种基于残差最小的电阻抗层析成像图像分割方法

说明书

本发明涉及一种基于残差最小的电阻抗层析成像图像分割方法，该方法将电阻抗层析成像获得的电阻抗分布值降序排列用作阈值候选向量，通过顺序选取阈值向量中的阈值进行图像二值化分割，计算分割图像边界正向电压与测量电压的残差，若残差小于预设值，选取最小残差所对应的分割图像作为最优阈值分割图像。本发明可以提高图像对比度，得到目标物边界更加清晰。

技术领域

本发明属于电学层析成像技术领域，涉及一种图像阈值分割方法。

背景技术

电学层析成像(ElectricalTomography，ET)技术兴起于上世纪80年代后期，是一种新的基于电学敏感机理的过程层析成像技术，它的物理基础是不同的媒质具有不同的电学特性(电导率/介电系数/复导纳/磁导率)，通过判断敏感场内物体的电特性分布便可推知该场中媒质的分布情况。电学层析成像技术主要包括电阻层析成像(ElectricalResistance Tomography,ERT)、电容层析成像(Electrical CapacitanceTomography,ECT)、电阻抗层析成像(Electrical ImpedanceTomography,EIT)和电磁层析成像(Magnetic Induction Tomography,MIT)。电学层析成像由于具有非侵入、无辐射、无扰动、低成本和响应快速等特点，受到广大研究者的关注，已成为多相流流型监测、地质勘探、医学成像以及建筑结构损伤检测等领域的研究热门。但由于电学层析成像自身存在的病态性和非线性特点，其重建图像的空间分辨率通常较低。图像重建结果常常伴随着伪影的存在，特别是基于有限元的图像重建算法，获得的重建图像边界通常比较模糊，在实际应用中不利于图像可视化显示与定量评估。因此，提高图像对比度，获得一个边界清晰的电学重建图像对于其实际应用具有重要作用。

图像分割技术是计算机图像处理领域内常见的问题，主要基于同类像素点具有相同特性对图像像素点进行分类。比如基于像素点像素值大小，选择适当阈值对图像进行阈值分割，将具有相同或相近像素值的像素点归为一类。最常用到的阈值分割技术是基于全局最优阈值的图像分割技术，通过全局最佳阈值的选择实现图像最优化的分割。在最优化图像分割中，最佳阈值的选择是图像分割的关键所在。2001年，S.Y.Hu等人发表于《IEEETransactions on Medical Imaging(美国电子与电气工程师协会医学成像会刊)》第20卷，第490-498页，题为《Automatic Lung Segmentation forAccurate QuantitationofVolumetric X-Ray CT Images(基于精确定量的体积X射线CT图像的肺部组织自动分割)》，提出了一种基于数据集特征的最优化阈值选择方法，能够实现肺部组织CT图像的自动分割。2009年，M.Arnaldo等人发表于《IEEE Transactions onMedical Imaging(美国电子与电气工程师协会医学成像会刊)》第28卷，第1238-1250页，题为《An Adaptive Mean-Shift Framework for MRI Brain Segmentation(应用于脑核磁共振图像分割的自适应平均移位框架)》，提出了一种自适应平均移位算法，通过对图像联合空间-强度特征空间进行聚类，进而提取特征空间内高密度特征点来实现脑核磁共振图像的分割，对三种组织进行区分，通过仿真与实际MRI数据测试结果表明，所提出的方法与当前最有效的基于预配准的统计脑图集法相比具有更高的对比度和精度。上述研究是图像分割技术在硬场层析成像中的应用，图像分割技术已广泛应用于医学图像处理中，为医学诊断与治疗提供了重要的依据。在电学层析成像中，关于图像分割技术的研究报道较少，这与电学成像本身病态性、非线性导致的图像分辨率较低有关。2010年，B.Grychtol等人发表于《PhysiologicalMeasurement(生理学测量)》第31卷，第31-43页，题为《Towards lung EIT imagesegmentation:automatic classification oflung tissue state from analysis ofEITmonitoredrecruitmentmanoeuvres(关于肺部EIT图像分割：通过分析EIT监控状态进行肺部组织自动分类)》，提出了一种基于模糊逻辑算法的肺部EIT图像分割技术，通过肺部膨胀或收缩过程中气道平均压力变化方向一致来跟踪肺部组织变化。2013年，A.Zifan等人发表于《Physiological Measurement(生理学测量)》第34，第671-694页，题为《The use oftheKalman filter in the automated segmentation ofEIT lung images(基于卡尔曼滤波的EIT肺部图像自动分割)》，提出了一种快速、鲁棒的EIT肺部图像分割算法，结合卡尔曼滤波与自适应网格分组预处理，能够实现EIT肺部图像快速分割，并有望应用于临床监护中。图像分割技术在电学成像图像重建中的应用潜力较大，对于提高图像分辨率具有重要意义，也是电学成像技术解决实际问题的关键所在。当然，关于电学成像图像分割技术仍是一个开放性问题，对于高效的图像分割算法的研究仍是一个具有前景的工作。