[发明专利]基于元胞自动机模型的结肠息肉图像分割方法

摘要

一种基于元胞自动机模型的结肠息肉图像分割方法，主要解决现有结肠息肉图像分割技术中分割效率低、可重复性差、分割精度低的问题。本发明的技术方案为：(1)读入一幅含有息肉的结肠镜彩色图像；(2)修复图像中的高光区域；(3)初步检测图像中的息肉区域；(4)标记种子像素；(5)构建元胞自动机模型；(6)初始化元胞自动机模型；(7)进行图像分割；(8)输出分割后的图像。本发明利用息肉形状近似椭圆的先验知识，自动标记种子像素，构建元胞自动机模型，通过制定的局部转化规则进行图像分割，充分利用了图像的局部信息，具有分割效率、准确率高的优点，可用于结肠息肉图像的自动分割。

主权项

1.一种基于元胞自动机模型的结肠息肉图像分割方法，包括如下步骤：(1)读入一幅待处理的含有息肉的结肠镜彩色图像；(2)修复含有息肉的结肠镜彩色图像中的高光区域：(2a)利用双阈值法，从含有息肉的结肠镜彩色图像中检测高光区域；(2b)利用基于样本的图像修复方法，对含有息肉的结肠镜彩色图像中的高光区域，进行修复；(3)初步检测含有息肉的结肠镜彩色图像中的息肉区域：(3a)利用gPb‑owt‑ucm算法，对修复后的含有息肉的结肠镜彩色图像进行层级分割，得到多层级区域树；所述gPb‑owt‑ucm算法的具体步骤如下：第一步，对含有息肉的结肠镜彩色图像进行特征分解操作，得到明度通道、颜色A通道、颜色B通道和纹理通道；第二步，按照下式，计算含有息肉的结肠镜彩色图像中每个像素的边界局部信号，得到边界局部信号矩阵：其中，mPb(z)表示对含有息肉的结肠镜彩色图像中第z个像素计算边界局部信号后，由所有像素的边界局部信号组成的边界局部信号矩阵，max{·}表示取最大值操作，∑表示求和操作，s表示尺度值，i表示特征通道，α_i,s表示直方图权重，表示以含有息肉的结肠镜彩色图像中第z个像素为中心以θ为倾斜角以σ_i,s为直径的两个半圆的直方图；第三步，按照下式，计算每一个元素的稀疏值，由所有稀疏值组成稀疏对称相似矩阵：其中，W_i,j表示稀疏对称相似矩阵中第i行第j列的元素的稀疏值，0≤i＜m，0≤j＜n，m表示含有息肉的结肠镜彩色图像的长度，n表示含有息肉的结肠镜彩色图像的宽度，max{·}表示取最大值操作，exp表示以自然常数e为底的指数操作，a表示含有息肉的结肠镜彩色图像中第m个像素与第n个像素相连的直线l(u,v)上的任意一点，∈表示属于符号，u的取值与i相等，v的取值与j相等，mPb(z)表示对含有息肉的结肠镜彩色图像中第z个像素计算边界局部信号后，由所有像素的边界局部信号组成的边界局部信号矩阵，ρ为0.1的常数；第四步，按照下式，计算每个元素的边界全局信号，将所有元素的边界全局信号组成边界全局信号矩阵：其中，sPb(z)表示对含有息肉的结肠镜彩色图像中第z个像素计算边界全局信号后，由所有像素的边界全局信号组成的边界全局信号矩阵，n取值为16，表示开根号操作，λ_k表示稀疏对称相似矩阵的第k个特征值，▽表示求梯度操作，V(k)表示稀疏对称相似矩阵的第k个特征向量；第五步，按照下式，计算含有息肉的结肠镜彩色图像中每个像素的边界概率，得到边界概率矩阵：其中，gPb(z)表示对含有息肉的结肠镜彩色图像中第z个像素计算边界概率后，由所有像素的边界概率组成的边界概率矩阵，β表示边界局部信号权重，mPb(z)表示边界局部信号矩阵，γ表示边界全局信号权重，sPb(z)表示边界全局信号矩阵；第六步，对边界概率矩阵做方向分水岭变换，得到最大细节图像；第七步，按照下式，将最大细节图像映射到图数据结构：G＝(R,E,W)其中，G表示由最大细节图像映射得到的图数据结构，R表示最大细节图像中所有区域的集合，E表示最大细节图像中所有边缘的集合，W表示边缘度；第八步，按照边缘度从小到大的顺序，依次将图数据结构中的每个边缘去除，每次去除操作产生一个层级区域，当图数据结构中的所有边缘都被去除时，得到多层级区域树；(3b)对多层级区域树中的每一个区域进行椭圆拟合操作，得到拟合椭圆；(3c)计算多层级区域树中每一个区域与其拟合椭圆的重叠度；(3d)从多层级区域树中的所有区域中选取重叠度最大的区域，作为初级息肉区域；(4)在初级息肉区域上随机选取5％的像素作为种子像素；(5)构建元胞自动机模型：(5a)按照每行从左到右，依次逐行将含有息肉的结肠镜彩色图像中的每个像素映射为元胞自动机模型中的每个元胞；(5b)将摩尔邻域作为元胞自动机模型的邻域；(5c)将由标号、力量、强度向量三个状态分量组成的状态，作为元胞自动机模型中元胞的状态；(6)初始化元胞自动机模型：(6a)对元胞自动机模型中每个种子元胞的状态进行初始化；(6b)对元胞自动机模型中每个非种子元胞的状态进行初始化：(7)对修复后的含有息肉的结肠镜彩色图像进行分割：(7a)按照下式，计算元胞自动机模型中每个元胞属于拟分割息肉区域的概率：其中，μ(p)表示元胞自动机模型中第p个元胞属于拟分割息肉区域的概率，H表示元胞自动机模型中第p个元胞在多层级区域树中所属的区域，K表示初级息肉区域，D表示H与K取并操作后的区域的拟合椭圆；(7b)按照下式，计算元胞自动机模型中每个元胞属于非拟分割息肉区域的概率：δ(p)＝1‑μ(p)其中，δ(p)表示元胞自动机模型中第p个元胞属于非拟分割息肉区域的概率，μ(p)表示元胞自动机模型中第p个元胞属于拟分割息肉区域的概率；(7c)按照下式，计算元胞自动机模型中每个元胞的模糊力量：其中，表示元胞自动机模型中第p个元胞在第t时刻的模糊力量，δ'(p)表示元胞自动机模型中第p个元胞属于非感兴趣区域的概率，μ'(p)表示元胞自动机模型中第p个元胞属于感兴趣区域的概率，表示元胞自动机模型中第p个元胞在第t时刻的力量；(7d)按照下式，计算元胞自动机模型中每个元胞的每个邻居元胞的模糊标号：其中，表示元胞自动机模型中第p个元胞的第q个邻居元胞在第t时刻的模糊标号，表示元胞自动机模型中第p个元胞在第t时刻的标号，δ(p,q)表元胞自动机模型中第p个元胞的第q个邻居元胞属于非感兴趣区域的概率，μ(p,q)表示元胞自动机模型中第p个元胞的第q个邻居元胞属于感兴趣区域的概率，表示元胞自动机模型中第p个元胞的第q个邻居元胞在第t时刻的标号；(7e)按照下式，计算元胞自动机模型中每个元胞的每个邻居元胞的攻击力量：其中，表示元胞自动机模型中第p个元胞的第q个邻居元胞在第t时刻的攻击力量，C_p表示元胞自动机模型中第p个元胞的强度向量，C_p,q表示元胞自动机模型中第p个元胞的第q个邻居元胞的强度向量，||·||₂表示求欧拉距离操作，表示元胞自动机模型中第p个元胞的第q个邻居元胞在第t时刻的模糊力量；(7f)按照下式，计算元胞自动机模型中每个元胞被其每个邻居元胞攻击的结果：其中，r表示元胞自动机模型中第p个元胞被其第q个邻居元胞攻击的结果，表示元胞自动机模型中第p个元胞的第q个邻居元胞在第t时刻的攻击力量，表示元胞自动机模型中第p个元胞在第t时刻的模糊力量；(7g)将元胞自动机模型中满足r＞0的每个元胞中，第t时刻的模糊标号赋值为第t+1时刻的标号，将第t时刻的攻击力量赋值为其第t+1时刻的力量；(7h)将元胞自动机模型中不满足r＞0的每个元胞中，第t时刻的标号赋值为第t+1时刻的标号，将第t时刻的力量赋值为第t+1时刻的力量；(7i)判断元胞自动机模型中是否存在r＞0的元胞，若是，则将时刻t加1后执行步骤(7c)，否则，执行步骤(8)；(8)输出分割后的图像。