[发明专利]基于SVM与弹性区域生长的膝软骨图像自动分割方法

摘要

本发明公开一种基于SVM与弹性区域生长的膝软骨图像自动分割方法，首先采用自适应Canny边缘检测算法提取图像主要边缘；再对边缘提取多个图像特征，结合支持向量机算法对边缘进行分类，完成软骨边缘定位；接着在软骨边缘的基础上进行种子点及软骨像素区域的选择；之后基于选择的结果采用弹性区域生长进行初步软骨分割；最终获得膝软骨分割结果。实验结果表明，该方法能够准确、快速的自动分割出膝关节MRI中不同的膝软骨，其中股软骨、胫软骨、髌软骨平均DSC分别可达0.8543、0.8280、0.8703，与手工分割结果具有较高的一致性，能够有效克服传统分割方法的结果过分割或分割不准确等缺点。

主权项

一种基于SVM与弹性区域生长的膝软骨图像自动分割方法，其特征在于按照以下步骤进行：步骤1：将膝关节MRI影像转换为灰度图像并进行高斯滤波；步骤2：利用自适应Canny边缘检测算法检测出5～10条边缘线；步骤3：对步骤2中检测出的各条边缘进行特征提取，提取的特征包括边缘局部信息特征、边缘几何学信息特征以及边缘邻近体素之间的信息特征，每条边缘线的特征参数为15～20维；步骤4：构建SVM分类器对提取的特征参数进行边缘分类，识别出股骨边缘、胫骨边缘、髌骨边缘以及非骨边缘；步骤5：根据各个骨头的位置关系和距离关系去除虚假边缘，从而得到股骨‑软骨边缘，胫骨‑软骨边缘以及髌骨‑软骨边缘；步骤6：分别选择股骨‑软骨边缘下侧，胫骨‑软骨边缘上侧以及髌骨‑软骨边缘右侧的20个像素点进行梯度幅值计算，然后选择梯度幅值与方差趋于0的最大连通区域作为候选区域，从而得到股软骨种子点候选区域、胫软骨种子点候选区域以及髌软骨种子点候选区域；步骤7：在所述股软骨种子点候选区域随机选择m1个种子点，在所述股骨‑软骨边缘与所述股软骨种子点候选区域之间随机选择n1个种子点，共同组成股软骨种子点；在所述胫软骨种子点候选区域随机选择m2个种子点，在所述胫骨‑软骨边缘与所述胫软骨种子点候选区域之间随机选择n2个种子点，共同组成胫软骨种子点；在所述髌软骨种子点候选区域随机选择m3个种子点，在所述髌骨‑软骨边缘与所述髌软骨种子点候选区域之间随机选择n3个种子点，共同组成髌软骨种子点；步骤8：分别以相应的种子点为中心，判断其3*3邻域内的非种子点是否满足相似性准则：|fxy‑m|(x,y∈R)＜K，其中fxy表示坐标位置为(x,y)的点的像素值，R表示生长区域种子点3*3邻域内各个点的坐标集合，m为生长区域所有种子点的像素均值，K为生长区域所有种子点的像素标准差；如果有非种子点满足相似性准则，则将该非种子点合并到种子点集合中，并执行步骤9；如果没有非种子点满足相似性准则，则进入步骤10；步骤9：更新生长区域所有种子点的像素均值m和像素标准差K，然后返回步骤8；步骤10：结束生长并判断是否存在重叠种子点，通过欧式距离将重叠种子点归类，最终分割得到股软骨、胫软骨与髌软骨图像；步骤3中每条边缘线提取的特征参数为：(1)边缘线上像素点X坐标平均值(2)边缘线上像素点Y坐标平均值(3)边缘线上像素点X坐标的方差(4)边缘线上像素点Y坐标的方差(5)边缘线上像素点平均灰度值(6)边缘线上像素点的梯度值均值(7)边缘线上像素点的灰度值方差(8)边缘线上5*5邻域像素点的平均灰度值(9)边缘线上5*5领域像素点的方差均值(10)边缘线上5*5邻域像素点的灰度值方差(11)水平投影w＝max(x)‑min(x)；(12)垂直投影h＝max(y)‑min(x)；(13)左侧边缘像素数(14)右侧边缘像素数(15)开口方向opendirect＝max(Tup,Tdown,Tcolliner)；(16)旋转角度angle＝abs(angle1‑angleend)；(17)每条边缘线的长度n；(18)旋转方向(19)水平像素数numhori＝Freeman(1)+Freeman(5)；(20)左侧边缘数其中L为边缘线上像素点的坐标集合，n为边缘线上的像素点数，A表示所有边缘的图像矩阵，L5为边缘线5*5邻域内像素点的坐标集合，n5为边缘线5*5邻域内的像素点数；Tup,Tdown,Tcolliner分别代表开口向上，向下，共线的比率；angle1、angleend分别代表边缘的起始点与水平轴x的顺时针旋转的角度，Freeman(1)、Freeman(5)代表Freeman编码中方向为0和4的点的数目。