[发明专利]基于多阈值图像分割的颅面标志点自动识别方法

权利要求书

1.一种基于多阈值图像分割的颅面标志点自动识别方法，其特征在于，包括如下步骤：

S1 颅面图像的预处理：通过预处理去除图像质量不一致；

S2 图像直方图的获取：将滤波后的图像进行计算得到直方图；

S3 直方图阈值的确定：包括如下具体步骤：

S31 初始阈值的获取：先求出占总像素数70%面积的像素数量0.7N，然后根据步骤S2中计算的图像直方图，从图像中最高灰度值为rk=255的像素数量开始，按照灰度值从高到低的顺序依次累加其像素点的数量，直到总和达到0.7N时停止累加，此时rk=n，n就作为初始阈值Ti；其中：

pr(rk)=nk/N (1)

式中：rk表示某像素点的像素值，其范围是0—255；

nk表示像素值等于rk的总像素数；

N表示图像的总像素数；

pr表示像素值为rk的像素数占总像素数的面积比值；

255≥rk≥0 (2)

公式（2）表示从0—255每一个像素值的像素数与总像素数的比值之和等于1；初始阈值是根据公式（3）计算而来；

S32 最低阈值的获取：使用上述步骤S31方式确定最低阈值Tl；其中：

255≥rk≥n (3)

Ti=n

255≥rk≥m (4)

Tl=m；

S33 最终阈值的获取：像素灰度值即为最终阈值：Ti≤T≤Tl；

根据最终阈值T对图像进行阈值分割，生成二值图像；所述步骤S3的直方图阈值的确定中，阈值分为初始阈值Ti、最低阈值Tl和最终阈值T，其中像素灰度值大于或等于最终阈值T时，判决为目标；像素灰度值小于最终阈值T时，判决为背景；像素点（x，y）基于阈值的图像分割方法定义为分割出的边缘点；

步骤S33中的最终阈值的获取，建立while()循环，设立如下两个终止条件：

条件a：像素数量达到0.9N，即像素值≥Tl的像素数；

条件b：二值化图像中高灰度值区域内的低灰度像素数量m＇；

循环从rk=Ti开始，按像素灰度值从高到低继续累加像素数量，直至达到循环终止条件，循环结束；S4 二值图像噪声的去除：针对二值化图像中小的噪声，利用去噪声函数去除图像噪声；通过去噪声函数设定噪声的高度与宽度，用以去除高灰度值区域内的低灰度噪声；

S5 面部软组织轮廓的提取：利用边缘检测算法提取面部软组织轮廓，包括如下具体步骤：

将生成的二值图像，提取面部软组织轮廓，采用逐行扫描的方式；

将面部软组织边缘点的位置坐标保存入数组；

S6 面部标志点的提取：在面部软组织轮廓上提取面部标志点：面部标志点形态特征是根据轮廓中的点 (x，y)中的y值与邻近点的y值比较得出；

S7 图像的阈值的重新确定：使阈值高于面部软组织像素灰度值，对图像重新二值化分割；所述步骤S7的图像的阈值的重新确定中，对图像重新二值化分割，包括如下具体步骤：

S71 在步骤S1中的图像中，利用步骤S5中确定的面部轮廓线，遍历从 (x，y-1)到(x，y-n)的像素灰度值，从中找出最高灰度值，作为新的最终阈值T＇；

S72 以T＇为最终阈值对步骤S1得出的图像进行阈值分割，形成二值图像；

S8 颅面标志点的提取：根据面部软组织标志点在颅面部骨轮廓线上提取面部骨骼标志点。

2.根据权利要求1所述的基于多阈值图像分割的颅面标志点自动识别方法，其特征在于，所述步骤S1中，颅面图像的预处理包括如下具体步骤：

S11 将图像转变成灰度图，获取图像光滑连续且特征保持的边缘切向流场；

S12 沿边缘切向流方向对图像进行自适应平滑处理；

S13 沿梯度方向对图像进行高斯差分掩模的反锐化图像增强；

S14 对图像进行双边滤波并获得抽象化图像。