[发明专利]一种基于局部熵和水平集算法的颅内出血区域三维分割方法

说明书

本发明涉及一种基于局部熵和水平集算法的颅内出血区域三维分割方法，属于图像处理技术领域。该方法包括：S1：输入多帧MRI图像；S2：初始化水平集函数，设置参数惩罚项系数和高斯核函数的大小；S3：计算局部熵和自适应长度项系数，根据推导式迭代计算全局和局部项的均值；S4：利用计算出的局部熵作为自适应权重模型调整全局项和局部项的权重，利用计算出的自适应长度项系数来改变曲面演化速度；S5：利用梯度下降法演化水平集函数，对图像进行三维分割。本发明特征在于相较于传统图像分割方法，易于实现，无需花费大量时间提取图像特征、调节系统参数；还保证了对多帧颅内出血的MRI图像进行三维分割。

技术领域

本发明属于图像处理技术领域，涉及基于局部熵和水平集算法的颅内出血区域三维分割方法。

背景技术

医学图像分割是医学图像处理与分析领域中复杂而关键的步骤，目的是将医学图像中具有某些特殊含义的部分分割出来，提取相关特征，为临床诊疗和病理学研究提供可靠的依据，辅助医学从业人员作出更为准确的诊断。在运用MRI图片分割颅内出血区域虽有一定的研究成果，但却缺乏有效考虑和平衡上述分割问题特点的算法。MRI图像中出血区区域与周边组织的灰度相似性增大了出血区域分割的难度。核磁共振扫描以二维切片形式给出了三维数据，各个断层图片之间存在关联使得三维分割提供了可能。但现有的三维分割算法主要由二维图像分割算法推广而来，其本质上还是2D图像分割，没有充分利用MRI扫描各个断层图片之间存在邻域位置关系约束。已有的医学图像分割算法的研究大多是算法层面的，普遍存在对医学知识的运用不足。

发明内容

有鉴于此，本发明的目的在于提供一种基于局部熵和水平集算法的颅内出血区域三维分割方法，解决现有技术中对灰度不均匀图像分割失效，出血区域与周边组织的灰度相似增加分割难度，对噪声的鲁棒性较弱等问题，并能够大大减少提取图像特征和调节系统参数的时间。

为达到上述目的，本发明提供如下技术方案：

一种基于局部熵和水平集算法的颅内出血区域三维分割方法，具体包括以下步骤：

S1：输入多帧MRI图像；

S2：初始化水平集函数，设置参数惩罚项系数μ和高斯核函数σ的大小；

S3：计算局部熵和自适应长度项系数，根据推导式迭代计算全局和局部项的均值；

S4：利用计算出的局部熵作为自适应权重模型调整全局项和局部项的权重，利用计算出的自适应长度项系数来改变曲面演化速度；

S5：利用梯度下降法演化水平集函数，对图像进行三维分割。

进一步，所述步骤S3具体包括以下步骤：

S31：根据局部描述子设置局部数据项及全局项，得到自适应权重模型；

S33：能量函数中长度项表示求曲面V的面积最小，保持曲面的连续性和光滑性。距离正则项保证水平集演化的稳定性，将自适应长度项系数定义为v＝λ*h+l，其中，λ为一个正常数，l为一个很小的正常数，避免v过早为零，h为局部熵，表达式为其中f(x,y)是点(x,y)的灰度值，p是该点在区域Ω的灰度值概率分布。；当曲面在平滑区域时，λ较小，以驱动曲面加速；当曲面靠近边界时，λ增大以驱动曲面减速。因此，可以使用λ来控制曲面演化的速度。能量函数中的长度项表达式为：E_l＝(λ*h+l)length(V)，V为演化曲面。

更进一步，所述步骤S31具体包括：

S311：(1)结合全局信息和局部信息，数据项分为全局项和局部项，其中全局项利用全局信息，计算前景和背景之间的相似性，当相似性最小时，即全局能量项最小时，得到的分割结果最好；