[发明专利]一种半自动脑部图像分割方法

摘要

本发明公开了一种半自动脑部图像分割方法，具体包括以下步骤：首先使用图谱配准和模板选择方法来获得目标组织的形状先验信息，并生成分割模板；其次采用模板优化方法来减少图谱配准过程中产生的误差，并生成初始活动轮廓；最后使用主动轮廓模型来分割目标组织。本发明结合了图谱配准方法和活动轮廓分割方法的优点，实现了脑部图像的半自动分割。本发明方法有效的利用了图谱的形状先验信息，并且能获得光滑连续的目标组织轮廓。

主权项

1.一种半自动脑部图像分割方法，其特征在于，所述方法具体实现过程为：步骤一、图谱配准：给定目标组织的图谱，所述图谱包含N张图谱灰度图像F_i(i＝1,2…N)和与图谱灰度图像相对应的图谱标签图像L_i(i＝1,2…N)，所述图谱标签图像L_i为手动从图谱灰度图像F_i中标记出目标组织的图像，采用基于仿射变换的配准方法将目标图像T与每张图谱灰度图像F_i进行配准，得到形变后的图谱灰度图像F_i′；步骤二、模板选择：测量形变后的图谱灰度图像F_i′与目标图像T之间的相似度，选出相似度值最大的图谱灰度图像F_m(m为相似度值最大的图谱灰度图像的标号)，然后采用步骤一中得到的F_m的变形场对与F_m相对应的图谱标签图像L_m进行形变，将形变后的图谱标签图像L′_m作为分割模板，所述测量形变后的图谱灰度图像F_i′与目标图像T之间的相似度的方法为：1)对形变后的图谱灰度图像F_i′和目标图像T进行像素值归一化处理；2)将像素值0到1均分为20个区间，区间标号记为k(k＝1,2…20)，建立F_i′和T的像素灰度值分布图；3)计算F_i′与T之间的像素灰度值分布概率权重，其计算公式如下：在公式(1)中，为F_i′的像素灰度值分布图中像素值区间k的分布概率，为T的像素灰度值分布图中像素值区间k的分布概率；4)结合像素灰度值分布概率权重和归一化相关系数(NCC)建立相似性测度方程：在公式(2)中，α₁,β₁为权重系数，minP₁,maxP₁分别为P_1i(i＝1,2～N)的最小值与最大值；在公式(3)中，n为图像像素点数目，T_j，F_ij分别为图像T和图像F_i中像素点j处的像素灰度值；步骤三、模板优化：根据图像F_i和图像T的灰度信息和梯度信息对分割模板L′_m进行优化，并获取用于主动轮廓分割步骤的初始活动轮廓；步骤四、主动轮廓分割：使用主动轮廓分割方法驱动初始活动轮廓变形，最终获得目标组织轮廓，所述主动轮廓分割方法的函数定义如下：公式(6)中v(s)为初始轮廓曲线函数，v_t(s,t)为初始轮廓曲线关于时间t的导数，α₃,β₃,γ₃为权重系数，公式(7)中G_σ(x(s),y(s))为高斯平滑滤波器，为梯度算子。