[发明专利]牙齿图像的软硬组织检测方法

说明书

本申请公开了一种牙齿图像的软硬组织检测方法，包括以下步骤：获取牙齿源图像的增强图像；根据梯度计算结果和所述增强图像，获得调整后的初始梯度图像；基于所述牙齿源图像的各个颜色通道，根据阈值分割规则，获得初步内部控制标记符集合和初步外部控制标记符集合；基于所述初步内部控制标记符集合和所述初步外部控制标记符集合，根据KMP核匹配追踪或RVM相关向量机算法，获得优化后的内部控制标记符集合和外部控制标记符集合；根据数学形态学算法，获得最终优化后的内部控制标记符集合和外部控制标记符集合；将最终优化后的内部控制标记符集合和外部控制标记符集合作用于所述初始梯度图像，获得修改后的梯度图像；根据分水岭变换方法和同质区域的合并，最终获得牙体的软组织区和硬组织区图像。

技术领域

本申请涉及计算机技术领域，特别是涉及一种牙齿图像的软硬组织检测方法。

背景技术

目前针对数字化齿科图像的检测方法主要包括基于边缘的检测和基于区域的检测。

基于边缘的检测根据齿科图像牙体软硬组织区灰度不连续的特点，使用 Sobel、Canny等梯度微分算子检测牙齿不同区域的轮廓，但这种方法对噪声敏感，常会出现伪边缘或边缘漏检的情况。

基于区域的检测包括阈值分割、区域生长、区域分裂与合并，阈值分割中，由于牙齿图像低对比度、灰度分布不均匀的特点，阈值的选取变得十分困难；区域生长、区域分裂与合并方法的重点在于规则的设计，但分裂的过程常常破坏牙体组织检测的边缘。

除此两种以外，一些特定理论的分割检测方法也有提出，如形态学上的分水岭算法，这种方法虽然能有效分割低对比度的图像，但是常常出现过分割的情况；基于水平集的牙齿图像分割，用高斯拟合能量的均值和方差描述图像的局部灰度强度，具有对初始位置不敏感，稳定唯一数值解的优点，但是先验知识的获取是个难点，计算也相对复杂。

基于模式识别理论的方法近年来在医疗图像的分割与检测中不断被提出，并取得了不错的效果，但是不同的医疗图像之间的差异性较大，需有针对性的采用不同的分类器来应对不同的情况。因此，为了有效检测牙体的不同组织区，本发明提出一种对齿科图像分析处理后，能够较精准地自动提取出口腔检测图像中的牙体软、硬组织区域，并在结果显示阶段，可分类标注牙体软组织和硬组织的方法。

发明内容

本发明的目的在于提供一种牙齿图像的软硬组织检测方法，以克服现有技术中的不足。

为实现上述目的，本发明提供如下技术方案：一种牙齿图像的软硬组织检测方法，包括以下步骤：

S1:获取牙齿源图像的增强图像，所述增强图像为牙齿源图像经灰度直方图均衡化处理后增强对比度和清晰度的图像；

S2:根据梯度计算结果(如Sobel梯度)和所述增强图像，对应的增强图像的水平和垂直梯度计算，获得调整后的初始梯度图像；

S3：基于所述牙齿源图像的各个颜色通道，根据阈值分割规则，对牙齿源图像进行阀分割，获得初步内部控制标记符集合和初步外部控制标记符集合；

S4：基于所述初步内部控制标记符集合和所述初步外部控制标记符集合，根据分类方法，对控制标记符集合区域的图像块进行分类，获得优化后的内部控制标记符集合和外部控制标记符集合；

S5：根据数学形态学算法，将内部控制标记符集合和外部控制标记符集合进行优化，获得最终优化后的内部控制标记符集合和外部控制标记符集合；

S6：基于所述初始梯度图像，将最终优化后的内部控制标记符集合和外部控制标记符集合作用于所述初始梯度图像，获得修改后的梯度图像；

S7：根据分水岭变换方法，对所述修改后的梯度图像进行变换，同质区域合并后，最终获得牙体的软组织区和硬组织区图像。