[发明专利]一种针对血管医学影像的分割方法

说明书

本发明公开了一种针对血管医学影像的分割方法，包括：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；将水平集函数保持为带符号距离函数；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；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。本发明通过引入区域内像素点的相似度以及灰度相似性信息构造数据保真项，然后加入边缘阻止函数控制曲线的演化，最后结合正则项得到改进的变分活动轮廓模型。

技术领域

本发明涉及影像处理技术领域，具体地说，特别涉及一种针对血管医学影像的分割方法。

背景技术

医学影像是近年来由工学带动的发展而兴起的一项新兴技术，以简单方便、和高特异性等优势特性受到了临床医学领域的极大关注。并且随着科技进步和相关影像的快速更新，影像医学在医学领域内取得了创新与突破，得到了医疗界的广泛与认可，如今已经成为临床医疗工作的重要支柱。因此，研究医学影像的处理已经成为目前医学成像领域内的前沿课题。

过去几十年中，各种新的医学成像技术的临床应用使得医学诊断和治疗技术得以迅猛发展。在提高设备获得图像分辨力的同时，图像分割也成为另一个人们关注的焦点。所谓图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。近年来由于人们生活水平的不断提高，对健康有了更高的要求，尤其在一些心血管疾病以及肿瘤细胞等病态细胞的提取方面需要很大的突破。因此，为了及时的发现可能存在的疾病以及预防诊断从而更好地造福人类，在未来的时间内，分割技术的研究仍将是一个热点。未来的分割技术将朝着更快、更准确和更加自动化的方向发展，故对于这些病灶医学图像的分割就显得格外重要。虽然图像分割在众多医学影像处理技术中起步早、发展快，但在许多时候分割所得到的结果仍然不理想。但是，图像处理技术等研究成果在临床上也得到了应用，取得了较好的效果。

图像分割历来就是图像处理中的一个热点、难点。至今为止，还没有一种通用方法能把血管图像从各种模式的图像中准确的分割出来。有的方法是利用了基于信号强度的模式识别技术；有的方法则利用了明确的血管模型来提取血管的轮廓；此外，有些算法要求在分割前依据图像质量和噪声的不同对图像进行预处理；而有些算法在分割后要利用后处理来消除在分割中产生的一些误差，即图像后处理。由于人体血管系统各部分都有其特点，所以一般血管图像又具有强度不均匀、图像中各个组织间的边界弱等缺点等较大的差异性；且由于不同组织的信息不同，难以达到较好的分割效果。这些缺陷往往会给医生的准确诊断带来很大的麻烦，严重影响医生对疾病的诊断效率。

血管图像是的分割是医学中一个重要的工作，由于血管的组成及构造错综复杂且有灰度不均匀的特性，故对血管图像的分割存在一些困难。因此，进一步研究对血管医学影像的分割具有重要意义。

发明内容

为了解决现有技术的问题，本发明实施例提供了一种针对血管医学影像的分割方法。所述技术方案如下：

一方面，一种针对血管医学影像的分割方法，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。

进一步地，针对血管医学影像的分割方法还包括：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：