[发明专利]一种基于CT影像的喉部病变异常区域分割系统

说明书

本发明涉及图像处理技术领域，具体涉及一种基于CT影像的喉部病变异常区域分割系统。该系统结合喉部图像中像素点的灰度值特征，筛选出初始异常区域，再对初始异常区域进行梯度方向分析后，筛选出异常像素点并得到对应的异常区域，对异常区域进行增强，将增强后的图像进行阈值分割，得到对应的目标异常区域。对异常区域进行增强，提高了异常区域和背景区域的对比度，排除了由于图像中边缘模糊或者由于异常区域对比度低对图像分割效果带来的影响。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于CT影像的喉部病变异常区域分割系统。

背景技术

在超声影像教学中，为了让学员了解和学习超声影像的相关基本知识，比如:超声影像的种类，需要将采集到的超声影像通过显示屏等设备展示给学员。但是，超声影像在进行图像采集过程中，不可避免的会存在噪点数据的影响，导致所采集的超声影像对比度低、细节特征不明显以及大量斑点噪声等，超声影像质量较差，进而在后续对影像中的异常区域分割出来以便于展示给学员时，由于影像的质量较差难以实现精确的对异常区域的分割，从而造成影响超声诊断学员的学习效率无法从超声影像中获取准确有效的信息。

目前常见的对图像进行分割得到异常区域的方法为，通过大津法对喉部CT图像进行分割后，进而确认出图像中的异常区域，但通过大津法进行图像分割的方法存在着区域边缘分割丢失现象或区域边缘模糊的现象，进而会导致图像中的异常区域检测不准确的现象出现。

发明内容

为了解决图像中区域边缘分割丢失或区域边缘模糊的技术问题，本发明的目的在于提供一种基于CT影像的喉部病变异常区域分割系统，该系统包括以下模块：

数据获取模块，用于获取喉部图像；

第一数据处理模块，用于根据所述喉部图像中各像素点与邻域内像素点的灰度差异，得到邻域突变值；基于邻域突变值对像素点进行聚类，得到异常类别；

第二数据处理模块，用于由所述异常类别构建初始异常区域；根据所述初始异常区域内各像素点的梯度方向筛选出异常像素点；

异常区域分割模块，用于对所述异常像素点构成的异常区域进行增强，得到增强喉部图像；对所述增强喉部图像进行图像分割，得到目标异常区域。

优选的，所述根据所述喉部图像中各像素点与邻域内像素点的灰度差异，得到邻域突变值，包括：

将喉部图像中各像素点与邻域内各像素点的灰度差值的均值作为邻域突变值。

优选的，所述基于邻域突变值对像素点进行聚类，得到异常类别，包括：

基于像素点对应的邻域突变值，利用K-means聚类算法对像素点进行聚类，得到两个类别；将两个类别中各邻域突变值的均值最大的类别作为异常类别。

优选的，所述由所述异常类别构建初始异常区域，包括：

连接异常类别内的像素点得到连通域，将所述连通域作为初始异常区域。

优选的，所述根据所述初始异常区域内各像素点的梯度方向筛选出异常像素点，包括：

连接初始异常区域内各像素点到预设喉前庭区域的中心点，得到连接线；获取连接线和水平向右方向的夹角，作为第一夹角；获取梯度方向和水平向右方向的夹角，作为第二夹角；将第一夹角和第二夹角的差值绝对值作为筛选角度；

当所述筛选角度对应的余弦值大于或等于预设阈值时，将筛选角度对应的初始异常区域内的像素点作为异常像素点。

优选的，所述对所述异常像素点构成的异常区域进行增强，得到增强喉部图像，包括：

利用分段线性拉伸算法，对异常区域进行增强，得到增强喉部图像。

本发明实施例至少具有如下有益效果：