[发明专利]一种图像分割方法及系统

权利要求书

1.一种图像分割方法，包括：

获取图像数据；

基于所述图像数据，重建三维图像，其中，所述三维图像包括一个或多个第一边缘点；

基于所述三维图像，构建三维平均模型，其中，所述三维平均模型包括与一个或多个第一边缘点相对应的一个或多个第二边缘点；

训练所述三维平均模型，以对所述第二边缘点进行划分；

将所述图像数据与所述三维平均模型进行匹配，以构建与所述图像数据相对应的三维网络模型，进而得到与所述图像数据相对应的分割图，包括：

获取图像第一分类器和图像第二分类器；

根据所述图像第二分类器，进行加权广义霍夫变换，包括：将所述图像数据上点的坐标输入所述图像第二分类器中，计算得到所述图像数据上各点作为腔室边缘的概率，并根据各点的概率分布得到所述图像数据的边缘概率图；将所述边缘概率图上概率值大于一定阈值的点作为第一边缘点；根据所述第一边缘点和R-table获取所述三维图像上所有可能的边缘参考点，通过加权累加的方法求出所有边缘参考点的概率累加值，并将概率累加值最大的边缘参考点作为所述三维图像的质心；将所述三维平均模型的质心到所述三维图像的质心的变换参数作为模型的变换参数；其中，R-table为所述三维平均模型中梯度相关角度Φ和θ经离散化处理后得到的对应点的偏移量的对照表，其中，θ为梯度向量在x-y平面的投影与x坐标轴的夹角，Φ为梯度向量与x-y平面的夹角；

根据加权广义霍夫变换的结果，匹配所述图像数据和所述三维平均模型。

2.根据权利要求1所述的方法，其特征在于，所述根据所述图像第二分类器，进行加权广义霍夫变换包括对所述三维平均模型的第二边缘点进行加权广义霍夫变换训练得到所述图像数据上各点属于第一边缘点的概率。

3.根据权利要求1所述的方法，其特征在于，所述获取图像第一分类器包括：

获取所述三维平均模型的多个点，其中至少一部分所述多个点位于第二边缘点的一定范围内；

确定第二边缘点一定范围内的点为正样本；

确定第二边缘点一定范围以外的点为负样本；

根据锐利程度和所处位置，对所述正样本和负样本进行分类；以及

根据分类后的正样本和负样本获得训练后的所述图像第一分类器。

4.一种图像处理系统，包括:

存储器，被配置为存储数据及指令；

与存储器建立通信的处理器，其中，当执行存储器中的指令时，所述处理器被配置为执行如权利要求1~3任一项所述的图像分割方法。

5.根据权利要求4所述的系统，其特征在于，所述处理器包括获取模块、图像重建模块、模型构建模块、训练模块和匹配模块；

所述获取模块用于获取图像数据；所述图像重建模块用于重建三维图像；所述模型构建模块用于构建三维平均模型；所述训练模块用于训练分类器；所述匹配模块用于将所述图像数据与所述三维平均模型进行匹配。

6.根据权利要求5所述的系统，其特征在于，所述匹配模块包括获取单元、霍夫变换单元和模型匹配单元；

所述获取单元用于获取所述训练模块训练好的图像第一分类器；所述霍夫变换单元用于进行加权广义霍夫变换；所述模型匹配单元用于匹配所述图像数据和所述三维平均模型。