[发明专利]基于先验知识的医学断层图像闭合骨骼轮廓计算方法

说明书

技术领域

本发明属于计算机图形技术领域，特别是涉及医学断层图像骨骼三维重建过程中需要提取的骨骼轮廓线。

背景技术

在断层图像的骨骼三维重建过程中，骨骼轮廓识别尤为重要，它直接关系到最后重建结果的精确程度, 但由于设备老化、图像噪声、骨骼表面的细小裂纹等因素影响，得到的骨骼轮廓线并不能真实还原其本来面貌。国内外有很多文献致力于寻找更好的方法识别图像轮廓线，如在边缘检测阶段利用自适应方式自动获得高低阈值，以及多种检测技术相融合得到效果最好的边缘轮廓线；在边界提取阶段利用边缘点两侧部分灰度均值作为边缘对比特征识别边缘线走向，或者借助边缘点8领域的平均向量约束自身大小和方向。这些方法都是基于单幅图像边缘线的识别，而由于医学断层图像具有序列性、邻近相似性，同类型骨骼间具有全局相似性，提取的骨骼轮廓具有闭合性等特征，针对医学断层图像的骨骼轮廓识别可以利用相邻层或者已有同类型骨骼共同作为先验知识辅助补全不闭合断边，或者辅助识别闭合有误的轮廓。

利用相邻层或者已有同类型骨骼共同作为先验知识，需要根据特征描述函数找到与当前层最为匹配的同类型骨骼轮廓线。轮廓起始点配准是一种十分有效的方法，通过循环移位即能得到不同轮廓起始点匹配中最相似的一个。仿射变换可以实现特征点图像空间坐标变换，建立当前层与同类型骨骼轮廓线间的对应关系。

发明内容

针对由于机器设备老化、图像噪声、骨骼表面的细小缝隙、医学断层图像多根骨骼扫描等现象造成轮廓线出现相交、相邻、断边的情况；本发明的目的在于提供一种基于先验知识的骨骼医学断层图像闭合轮廓计算方法，依据医学断层图像具有序列性、邻近相似性，同类型骨骼间具有全局相似性，提取的骨骼轮廓具有连续性、闭合性等特征；提出了以已有同类型骨骼轮廓、效果较好的单回路轮廓为先验知识辅助，解决其他轮廓线中出现的相交、相邻、断边问题，与已有轮廓提取技术相比，在提取的精度和效率上都有提高。

为了实现上述目的，本发明所采取的技术方案是：

基于先验知识的医学断层图像闭合骨骼轮廓计算方法，其特征在于：利用提取效果较好的单回路骨骼轮廓、已有同类型骨骼模板轮廓为先验知识共同引导，自动获取其他医学断层图像闭合骨骼轮廓的过程。

首先，将所有医学断层图像提取出的骨骼轮廓做预处理并分类成参考模版和非参考模板，该步骤包括如下：

步骤S01：依次读入医学断层图像，利用Canny方法获得医学断层图像的骨骼轮廓地图，结合边界跟踪算法得到每张医学断层图像若干条连续或不连续的骨骼轮廓；

步骤S02：将得到的骨骼轮廓称为目标轮廓，若能从目标轮廓中搜索出闭合的或闭合性最好的骨骼轮廓，则利用三次样条插值法连接断点得到闭合骨骼轮廓作为预参考模版；否则标记为非参考模版；

步骤S03：去除预参考模版中由于插值产生的多余支线，将单回路预参考模版标记为参考模板；否则标记为非参考模版；

然后，建立非参考模板与同类型骨骼模板对应关系，该步骤包括如下：

步骤S04：设定同类型骨骼模板等高线间距，重采样得到一组闭合骨骼轮廓；

步骤S05：利用特征值法在对应参考模板和同类型骨骼模板间作相似性判断，从而找到与非参考模板最匹配的同类型骨骼模板；

最后，以相邻参考模板、同类型骨骼模板为先验知识，补全断边并除去非参考模版中不相关的轮廓线，该步骤包括如下：

步骤S06：对不相关轮廓线可能情况分类；

步骤S07：利用公共夹角计算同类型骨骼模板、相邻参考模板中的参考向量以及非参考模板断点平均向量共同约束计算出断点后续点的插值坐标以补全断边；

步骤S08：利用同类型骨骼模板、相邻参考模板中的参考向量作为先验知识去除出现的不相关轮廓线；

步骤S09：重复步骤S07到步骤S08直致非参考模板成为单回路闭合骨骼轮廓并将其标记为参考模板。

S01所述骨骼轮廓地图是指利用Canny边缘检测法对医学断层图像设定二值化阈值，滤除皮肤、肌肉、血管等像素，保留所有骨骼信息的骨骼轮廓（包括骨骼内层轮廓）。

所述连续或不连续的骨骼轮廓是指从Canny边缘检测得到二值骨骼轮廓地图中提取出最外层骨骼轮廓，由于原始图像中噪声、骨骼上细小裂缝等因素，提取的骨骼轮廓会出现不连续现象。

S02所述闭合的骨骼轮廓是指一条或一组骨骼轮廓均为闭合状态；

所述闭合性最好的骨骼轮廓是指轮廓线存在断点且相邻断点间欧式距离均小于距离阈值T，通过插值可以得到不失真的闭合骨骼轮廓；