[发明专利]一种基于二维最大熵阈值C-V模型的医学图像分割法

权利要求书

1.一种基于二维最大熵阈值C-V模型的医学图像分割方法，其特征在于，包括以下步骤：

S1，对待分割的原始图像进行预分割，采用二维最大熵阈值分割法确定最佳阈值，将原始图像分割为目标、背景、噪声和边缘四区域；

S2，根据预分割结果，定义一个水平集函数，利用水平集函数将图像划分为准目标和准背景两区域；

S3，通过能量泛函F(c₁，c₂，Φ)和C-V模型来判断噪声和边缘区域中各像素点属于背景还是目标，同时利用同质区域的全局信息对预分割结果进行微调，得到更好的分割结果。

2.根据权利要求1所述的基于二维最大熵阈值C-V模型的医学图像分割方法，其特征在于，所述步骤S1中，对待分割的原始图像进行预分割，采用二维最大熵阈值分割法确定最佳阈值，将原始图像分割为目标、背景、噪声和边缘四区域，具体包括：

S101,以原始图像中各像素及其邻域4个像素为一个区域，计算区域灰度均值图像，则原始图像中的每一个像素都对应于一个点灰度-区域灰度均值对，该数据对存在L×L种可能的取值；

S102,设n_i,j为图像中灰度为i及区域灰度均值为j的像素点数，计算点灰度的灰度均值对(i,j)的发生概率p_i,j，N×N为图像的像素点总数；

S103，建立点灰度-区域灰度均值的二维直方图，在二维直方图的平面图中，用点灰度-区域灰度均值二维最大熵法确定最佳阈值，将原始图像分成目标、背景、噪声和边缘四区域。

3.根据权利要求1所述的基于二维最大熵阈值C-V模型的医学图像分割方法，其特征在于，所述步骤S2，根据预分割结果，定义一个水平集函数，利用水平集函数将图像划分为准目标和准背景两区域，具体包括：

水平集函数Φ的表达式如下：

其中，Ω₁、Ω₂、Ω₃、Ω₄分别对应目标、噪声、背景和边缘；该水平集函数只有两个函数值1和-1的分段常值函数，其中函数值1对应目标和边缘，函数值-1对应背景和噪声；利用水平集函数将图像划分为准目标和准背景两区域，准目标区域为要确定的目标和边缘，准背景区域为噪声和背景。

4.根据权利要求3所述的基于二维最大熵阈值C-V模型的医学图像分割方法，其特征在于，所述步骤S3，通过能量泛函F(c₁，c₂，Φ)和C-V模型来判断噪声和边缘区域中各像素点属于背景还是目标，同时利用同质区域的全局信息对预分割结果进行微调，得到更好的分割结果，具体包括：

S301，根据水平集函数划分的准目标和准背景两区域，分别计算两区域各自的加权像素平均值，并计算对应的能量泛函；

S302，通过水平集函数Φ寻找集合其中k为轮廓线C的曲率；

S303，对集合K∪Ω₂∪Ω₄中的像素点，当Φ(x)的符号改变时，如果对应的能量泛函减小，则令Φ(x)＝Φ(-x)，如果没有减小，则令Φ(x)不变；

S304，不断重复S302至S303步骤，直到能量泛函的值不再变化。