[发明专利]图像处理方法、系统、计算设备及存储介质

权利要求书

1.一种图像处理方法，其特征在于，所述方法包括下述步骤：

获得包含脑组织的原始图像；

从所述原始图像中确定脑组织区域；

采用聚类算法，对所述脑组织区域所对应的灰度直方图进行处理，得到用于初步区分所述脑组织区域中的脑血管及背景的初步分类结果；

根据所述初步分类结果，对预设的拟合模型的参数进行初始化，所述拟合模型用于对所述灰度直方图进行拟合，所述拟合模型由用于模拟所述脑血管分布或所述背景分布的分布函数构建；所述拟合模型为高斯混合模型，所述分布函数为高斯分布函数；

对所述原始图像进行窗宽窗位变换分析，得到满足预设的阈值要求的所述原始图像中的体素，并对该些体素进行第一标记，所述阈值用于区分所述背景及所述脑血管；

基于预设的迭代更新模型，对所述参数进行迭代更新，所述迭代更新模型中，作为当前迭代更新目标的所述参数由：已进行第一标记的所述体素对应的标记信息以及未进行第一标记的所述体素对应的未标记信息构建，所述未标记信息由作为前一迭代更新结果的类后验概率构建，所述类后验概率由所述分布函数构建且对应于背景类及脑血管类；所述迭代更新模型包括：

其中，I_j为第j个像素的灰度值，N(·)为相应区域中体素的数量，D_li为属于第i个分布成分的数据，k为迭代次数，p[G_iI_j]_k作为前一迭代更新结果的类后验概率；

根据所述体素所对应的所述类后验概率，对所述体素进行第二标记以指示所述体素属于所述背景类或所述脑血管类，并得到类条件概率；

从所述原始图像得到血管特征图；

将所述第二标记所得的标记场及所述血管特征图结合，构建马尔科夫随机场；

由所述马尔科夫随机场构建类先验概率；

基于所述类条件概率及所述类先验概率，在迭代条件模式下，通过最大化相应的后验概率，更新所述标记场，得到脑血管分割结果。

2.如权利要求1所述的方法，其特征在于，从所述原始图像得到血管特征图，具体包括：

对所述原始图像进行多尺度滤波增强处理，得到由多尺度血管增强值构成的初级特征图；

在由血管颅内占比所构建的阈值约束条件下，将所述多尺度血管增强值转换为具有血管预测概率意义的血管特征值，所述血管特征图由所述血管特征值构成。

3.如权利要求1所述的方法，其特征在于，从所述原始图像中确定脑组织区域具体为：

对所述原始图像进行信噪比提升处理，得到所述脑组织区域，所述信噪比提升处理包含去颅骨处理。

4.如权利要求1所述的方法，其特征在于，所述聚类算法为K均值聚类算法。

5.如权利要求2所述的方法，其特征在于，将所述第二标记所得的标记场及所述血管特征图结合，构建马尔科夫随机场，具体为：

在所述脑组织区域中定义所述体素的领域系统；

基于所述领域系统，利用双点势团函数得到所述体素的能量表示，从而构建所述马尔科夫随机场，所述双点势团函数由所述第二标记所得的标记场及所述血管特征图构建。

6.如权利要求1所述的方法，其特征在于，基于所述类条件概率及所述类先验概率，在迭代条件模式下，通过最大化相应的后验概率，更新所述标记场，得到脑血管分割结果，具体为：

利用所求得的所述类条件概率及所述类先验概率，利用预先构建的迭代条件模型，在第N次迭代时，在已知观测数据和标记场的条件下，利用贝叶斯准则计算所述后验概率，并最大化所述后验概率，以更新所述体素的第二标记结果，从而更新所述标记场，得到所述脑血管分割结果，其中，N为整数。