[发明专利]基于最大相似性区域合并的胃部CT图像交互式分割方法

权利要求书

1.一种基于最大相似性区域合并的胃部CT图像交互式分割方法，包括如下步骤：

(1)输入胃部CT原始图像，并用分水岭方法进行初始分割，得到初分割图；

(2)由用户在初分割图上划不同的线段分别对目标和背景进行标记，例如用实线段标记目标区域，记为M_B，用虚线段标记背景区域，记为M_O，剩余的未标记区域，记为N。

(3)统计初分割图中所有区域的数目，计算每一个区域的灰度梯度共生矩阵作为其区域特征；

(4)设定区域间的最大相似性准则，即对于不同的两个区域R1和R2，且R2为R1的邻域，如果R1的区域特征和R2的区域特征的乘积在R2与其邻域的区域特征的乘积中是最大的，则认为R1与R2相似；

(5)基于最大相似性准则进行如下两次区域合并：

5a)第一次区域合并：对于背景M_B中每一个区域B，设B的8邻域为A_i，i＝1，…8，分别计算A_i与A_i的8邻域的相似性，如果B与A_i的相似性大于A_i与其8邻域中任意一个的相似性，则将背景B的邻域A_i合并到M_B中；

5b)第二次区域合并：对N中剩余的区域P，取P的8邻域之一H_i，分别计算H_i与H_i的8邻域的相似性，如果P与H_i的相似性大于H_i与H_i的8邻域中的任意一个相似性，则将H_i合并到P中；

(6)上述两次合并完成后，输入图像的每个区域都已被标记为目标或背景，也就是将目标从背景中分割了出来，最后输出合并完成后的结果图像。

2.根据权利要求书1所述的方法，其中步骤(1)所述的用分水岭方法进行初始分割，是先对每个像素的灰度级进行由低到高排序，再从低到高实现淹没，对每一个局部极小值在灰度级为h的高度的影响域采用先进先出FIFO进行判断及标注。

3.根据权利要求书1所述的方法，其中步骤(3)所述的计算每个区域的灰度梯度共生矩阵，按如下步骤计算：

3a)对原始的胃部CT图像基于大小为16×16的像素块求每个像素点的灰度梯度共生矩阵；

3b)对于初分割图中的每个区域，将其中所有像素点的灰度梯度共生矩阵的均值作为这个区域的灰度梯度共生矩阵。

4.根据权利要求书1所述的方法，其中步骤5a)所述的计算A_i与A_i的8邻域的相似性，是用A_i的区域特征向量乘以A_i的邻域S_j的区域特征向量，i＝1，…8。

5.根据权利要求书1所述的方法，其中步骤5b)所述的计算H_i与H_i的8邻域的相似性，是H_i的区域特征向量乘以H_i的邻域S_k的区域特征向量，k＝1，…8。