[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

说明书

本发明涉及一种基于多阈值图像分割的颅面标志点自动识别方法，属于医学图像处理技术领域。本发明包括如下步骤：S1颅面图像的预处理，S2图像直方图的获取，S3直方图阈值的确定，S4二值图像噪声的去除，S5面部软组织轮廓的提取，S6面部标志点的提取，S7图像的阈值的重新确定，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。本发明通过多级阈值下的阈值化图像分割和颅面标志点自动识别算法，自动识别标志点，来连线和测量角度，并分析上下颌骨矢量关系，生成矫治计划。本发明所述的识别方法能够快速自动识别颅面部标志点，准确度高，可以成倍提高工作效率，具有很好的应用前景。

技术领域

本发明涉及一种基于多阈值图像分割的颅面标志点自动识别方法，属于医学图像处理技术领域。

背景技术

在口腔正畸X光头影测量分析领域，传统方法需要人工描记头颅侧位片上的标记点、连线和测量角度，分析出上下颌骨的矢量关系是否异常、属于哪种类型，据此来制定矫治计划。由于传统方法费时费力，目前软件的方法依然要人工去寻找颅骨标志点；如果能自动准确的识别标志点，将进一步提高工作效率。

发明内容

针对现有技术存在的上述缺陷，本发明提出了一种基于多阈值图像分割的颅面标志点自动识别方法，通过多级阈值下的阈值化图像分割和颅面标志点自动识别算法，自动识别标志点，通过连线和测量角度并分析上下颌骨矢量关系生成矫治计划。

本发明所述的基于多阈值图像分割的颅面标志点自动识别方法，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；