[发明专利]一种基于连通区域分析的肺部图像分割方法及系统

说明书

本发明涉及图像处理技术领域，具体涉及一种基于连通区域分析的肺部图像分割方法及系统，所述方法为：首先获取肺部的超声图像，对超声图像进行预处理，得到灰度图像；接着采用图像边缘检测算法从所述灰度图像中选取肺部特征区域；并构建肺部特征区域的亮度模型，确定所述肺部特征区域的亮度范围；根据所述肺部特征区域的亮度范围构建前景概率模型，将灰度图像中符合概率模型的像素集作为前景，标记灰度图像中的前景轮廓线；最后对灰度图像进行形态学图像处理，通过分水岭算法确定肺部连通区域，提取肺部连通区域内的灰度图像作为肺部图像，本发明还相应的提供了基于连通区域分析的肺部图像分割系统，本发明能够提取准确度更高的肺部图像。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于连通区域分析的肺部图像分割方法及系统。

背景技术

由于肺部和周围的脏器紧密邻接、灰度接近，且CT成像设备获取的图像具有内在的不确定性，往往导致超声图像中的肺部边缘较模糊。传统的手动分割超声图像不仅耗时间，并且它还包含大量的专家之间存在的或专家自身内在的差异。

目前图像处理领域中，图像分割技术是图像识别和计算机视觉技术中至关重要的预处理，图像分割是把图像分割成若干个特定的且具有独特性质的区域，并提出感兴趣目标的过程。

医学图像分割辅助医生识别病人的内部组织器官及病灶区域，在计算机辅助治疗及手术规划中发挥至关重要的作用，临床医生迫切需要一种简单、快速、准确的肺部图像分割方法。

发明内容

为解决上述问题，本发明提供一种基于连通区域分析的肺部图像分割方法及系统，旨在至少解决现有技术中存在的技术问题之一。

为了实现上述目的，本发明提供以下技术方案：

根据本发明第一方面实施例提供的一种基于连通区域分析的肺部图像分割方法，包括：

获取肺部的超声图像，对超声图像进行预处理，得到灰度图像；

采用图像边缘检测算法从所述灰度图像中选取肺部特征区域；

构建肺部特征区域的亮度模型，确定所述肺部特征区域的亮度范围；

根据所述肺部特征区域的亮度范围构建前景概率模型，将灰度图像中符合概率模型的像素集作为前景，标记灰度图像中的前景轮廓线；

对灰度图像进行形态学图像处理，通过分水岭算法确定肺部连通区域，提取肺部连通区域内的灰度图像作为肺部图像。

进一步，所述对超声图像进行预处理，得到灰度图像，具体为：

对包含肺部影像的超声图像进行高斯滤波，将其转化为灰度均值为0，方差为1的标准化数据，得到灰度图像。

进一步，所述图像边缘检测算法采用Soble边缘检测算法、Canny算子中任一种。

进一步，所述构建肺部特征区域的亮度模型，确定所述肺部特征区域的亮度范围，具体为：

采用如下所列高斯函数拟合肺部区域的亮度分布：

其中，x表示肺部特征区域的像素点，p(x)表示肺部特征区域的亮度函数，k表示高斯分布的峰值，m表示高斯分布的中心，n表示高斯分布的宽度；

将肺部特征区域的亮度范围取为[Lmin,Lmax]，其中，Lmin＝m-n，Lmax＝m+n。

进一步，所述根据所述肺部特征区域的亮度范围构建前景概率模型，具体为：

通过以下公式计算灰度图像中像素点为的前景概率：

其中，L为图像亮度；

将得到的亮度模型p(L)进行各向异性滤波，并归一化至[0，1]的取值范围内；