[发明专利]一种局部窗口大小自适应的工业CT图像分割方法

说明书

本发明公开了一种局部窗口大小自适应的工业CT图像分割方法，提供一种参数自适应的、抗噪性好的、有效的CT图像分割算法，即根据局部窗口内和局部窗口外的能量自适应地计算不同中心像素点的局部窗口尺寸，而后利用大津阈值法对当前局部窗口进行分割，大大提高了灰度不均匀图像的分割精度，且抗噪性较好，分割结果不受参数影响。

技术领域

本发明属于工业CT图像处理领域，涉及一种局部窗口大小自适应的工业CT图像分割方法。

背景技术

工业CT图像分割技术具有广泛的应用价值，可应用于传统检测手段难检测零件的检测，其精度决定工业CT零件检测精度。目前工业CT图像分割方法主要可以分为基于模板的图像分割、基于阈值的图像分割、基于边缘的图像分割、基于区域特性的图像分割、基于模糊聚类的算法等。主要方法有阈值法、活动轮廓模型法、边缘算子检测法、区域生长法、模糊聚类法、标定法等。

基于模板的图像分割主要用于工业CT的缺陷检测中，其原理为先扫描一个无缺陷的标准件，而后将此作为图像模板，将真实件扫描图像与此图像模板作减，求差异图像，从而检测零件中的缺陷。此方法简单直观，但难获得无缺陷的标准件，因此检测精度不高，且对每个零件都需要制一个标准件，成本高。

基于阈值的图像分割算法不需要制造标准件，它利用计算所得阈值对零件CT图像直接进行分割。其关键在于阈值的计算策略，不同阈值分割算法对于阈值的计算策略不同，因此，不同阈值算法对于同一图像的分割结果可能不同。阈值法的优点为简单易实现，但其结果易受噪声及伪影影响。

基于边缘的分割方法则利用领域内图像灰度的不连续性来检测不同区域之间的边界，从而实现图像分割。边缘检测算法运算速度快，但是得到的边缘常常不连续，且此算法抗噪性能差，受背景灰度不均影响较大。

基于区域特性的分割技术与上述三种方法不同，它同时考虑了图像中相邻像素的相似性和像素在空间上的邻接性，因此可有效消除孤立噪声的干扰，具有很强的鲁棒性，且能够将分割深入到像素级，因此可以保证较高的分割精度。

基于模糊聚类的分割技术则是将模糊C均值聚类及其演变算法应用于图像分割中，将图像中像素的灰度值看作一组数值，寻找数值的聚类中心从而对其进行分类。聚类方法抗噪性好，但是算法较为复杂，对伪影处理结果不理想。

然而，目前大多数分割算法对于含伪影的图像分割结果不够理想，且极易产生误分割。马建华等人在《电子学报》(2009,37(8):1779-1783)中的文章“基于最大互信息量熵差分割的CT金属伪影消除”提出了一种基于图像最大互信息量熵差分割的CT金属伪影消除算法，将原始CT投影数据减除金属物对应的投影数据部分，而后利用所求索引函数完成原始CT投影数据中的反馈式插值处理，得到修正的投影数据，减除金属物对应的投影数据部分，达到去除伪影的目的。然而随着物体结构改变伪影不同，因此此算法可移植性差。张学松等人在《CT理论与应用研究》(2016，25(5)：539-546)中的文章“基于Radon变换的CT图像杯状伪影校正”提出了一种先构建带有未知系数的校正模型，然后将校正模型与理想图像对比，当它们之间的差异最小时，确定出校正模型的未知系数。利用确定出来的系数和预校正图像软组织的投影信息组合成的校正模型校正实际CT图像，以此消除实际CT图像中的硬化杯状伪影。然而此算法只对杯状伪影有效，并不适用于其它伪影图像的分割。

发明内容

针对传统工业CT图像处理方法对含伪影图像分割精度不足的问题，本发明提供一种局部窗口大小自适应的工业CT图像分割方法，不断增加局部窗口的尺寸，同时计算不同局部窗口尺寸时局部窗口内的能量和局部窗口外的能量，当局部窗口内的能量大于0且局部窗口外的能量也大于0时，利用Otsu算法对当前局部窗口进行分割。此算法能较好地分割灰度不均匀图像，抗噪性较好，分割结果不受参数影响。

本发明解决其技术问题所采用的技术方案包括以下步骤：