[发明专利]一种针对血管医学影像的分割方法

权利要求书

1.一种针对血管医学影像的分割方法，其特征在于，包括以下步骤：

步骤1)：通过计算区域内每个像素点与之对应位置的假设像素点灰度值的欧氏距离得到区域内像素点的相似度，再利用灰度相似性信息G_i·c_k代替传统变分水平集图像分割模型中常用的f_i(x)作为图像的数据保真项；

步骤2)：将水平集函数保持为有符号距离函数；添加正则项惩罚函数来使得水平集函数接近符号距离函数；

步骤3)：结合数据项、长度项、正则项和边界停止项，得到改进的能量泛函的变分活动轮廓模型；还包括：采用颜色特征值的统计直方图特征对灰度信息描述，定义灰度信息表达式为：

L是图像灰度值范围，n_m和n_l分别表示是图像中具有灰度值为m和l的像素点个数，N是图像在目标区域和背景区域的像素总数；因为图像的纹理特征信息会影响区域相似性，所以在计算灰度相似性时考虑纹理特征，从而使灰度信息表达式更加合理；

假设c_m，m＝0…L-1和c_l，l＝0…L-1分别代表目标区域和背景区域不同像素点位置的统计直方图灰度的信息，则用欧氏距离函数来计算直方图的相似性，表达式为：

其中G∈[0,1]；当G的取值越小，表示在区域的灰度相似性越大；反之，代表所在区域的灰度相似性越小。

2.如权利要求1所述的方法，其特征在于，还包括：为了能够保证拟合曲线在边界停止演化，并且为了控制曲线的收敛速率和避免能量泛函陷入局部极小值，引入了由水平集方法构造的边界停止能量函数，定义为：

E_s＝∫gH(φ)dxdy

其中，为边缘检测函数，W_σ为标准差为σ的高斯函数，I是被分割的图像，并且g是单调递减函数。

3.如权利要求2所述的方法，其特征在于，还包括：为了演化过程中保持演化轮廓平滑并在分割结果中尽可能减少小面积区域的数量，选择曲线的弧长作为正则化项，该正则项定义为：