基于馬爾可夫的醫(yī)學圖像分割方法
【專利摘要】本發(fā)明提供一種基于馬爾可夫的醫(yī)學圖像分割方法，包括步驟：步驟1、首先利用馬爾可夫分割方法對原始圖像進行初始分割；步驟2、利用水平集算法對圖像進行處理，更新水平集函數(shù)、偏移場以及各區(qū)域灰度均值；步驟3、用原始圖像除以當前更新的偏移場得到矯正后的圖像；步驟4、利用馬爾可夫分割算法對矯正后的圖像進行分割；步驟5、判斷當前水平集算法與馬爾可夫分割算法的迭代次數(shù)之和是否大于預(yù)設(shè)值，如是，最終得到的矯正后的圖像進行分割得到最終分割結(jié)果；如否，返回步驟2。實現(xiàn)了快速、穩(wěn)健、準確地處理帶有灰度不均勻的醫(yī)學圖像分割。
【專利說明】基于馬爾可夫的醫(yī)學圖像分割方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像處理【技術(shù)領(lǐng)域】，主要涉及馬爾可夫及水平集技術(shù)中的圖像分割方法。
【背景技術(shù)】
[0002]近些年來，醫(yī)學影像技術(shù)飛速發(fā)展，其在臨床中的應(yīng)用也越來越廣泛，計算機斷層成像(CO、B超、核磁共振成像(MRI)和電子內(nèi)窺鏡等多種現(xiàn)代成像技術(shù)已作為常規(guī)的輔助方法應(yīng)用于臨床診斷當中，這就使得醫(yī)生可以更清晰，更直接地對病人組織器官觀察，診斷，大大提高了診斷準確率，縮短了確診時間。而且這些輔助手段的作用與影響也不斷的變大，正帶動著現(xiàn)代醫(yī)學診斷的變革。目前更高維的，更高分辨率的的成像技術(shù)正在成為人們研究的熱點。
[0003]由于醫(yī)學成像技術(shù)的復(fù)雜性和人體組織器官的物質(zhì)結(jié)構(gòu)的特殊性使們醫(yī)學圖像不可避免的帶有偏移場引起的灰度不均勻，器官運動產(chǎn)生的偽影與模糊以及人本內(nèi)部其他物質(zhì)帶來的干擾影像等，其中影響最大的是偏移場。正是醫(yī)學圖像的這些特殊性使得大量的傳統(tǒng)分割算法不再適用，因此，近些年來人們對于醫(yī)學圖像的分割算法的研究往往是在傳統(tǒng)的經(jīng)典分割算法的基礎(chǔ)上充分考慮偏移場的影響來入手的。
`[0004]醫(yī)學圖像最大的特點就是灰度不均勻。近年來，人們針對這一問題通過改進，融合，創(chuàng)新等方式在傳統(tǒng)算法的基礎(chǔ)上提出了大量非常實用的分割算法。在研究了醫(yī)學圖像中偏移場的特點后，人們提出的分割方法可以分為兩大類:一類是先矯正灰度再分割的方式；另一類是灰度矯正和分割同時進行的方式。
[0005]對于前一類，通常是在矯正后再利用較為經(jīng)典的分割方法，如模式識別中的各種聚類算法等，來進行分割，因此其關(guān)鍵在于灰度矯正算法。這類方法簡單，容易實現(xiàn)，而且可以充分利用各種經(jīng)典的傳統(tǒng)方法。目前效果較好的，較實用的灰度矯正方法有N3算法，該方法就是對偏移場模型中的參數(shù)進行估計進而得到偏移場。詳見文獻:J.G.Sled, A.P.Zijdenbos,A.C.Evans.^Nonparametric method for automatic correctionof intensity nonuniformity in MRI data[J]，，，IEEE Transactions on MedicalImaging, Vol.17, N0.1, pp.[d] 87-97, Feb.1998.[0006]對于后一類，一般是在分割的過程中進行矯正，通常要在原有算法模型中引入對偏移場的估計部分。目前較為經(jīng)典的方法有Li等人提出基于局部區(qū)域的灰度不均勻場水平集分割方法。該方法將圖像看作是偏移場和真實圖像的乘積，然后將該乘積引入到傳統(tǒng)水平集C-V模型之中，然后在局部區(qū)域內(nèi)應(yīng)用該模型并擴展到全局構(gòu)成新的能量函數(shù)，最后在最小化新的能量函數(shù)的過程中同時完成對偏移場的估計與分割。詳見文獻:C.Μ.Li, R.Huang, Z.H.Ding, etc.“A level set method for image segmentation in the presenceof intensity inhomogeneities with application to MRI [J]，，，IEEE Transactions onImage Processing, Vol.20，N0.7，pp.2007-2016，July.2011.。水平集分割算法充分考慮到醫(yī)學圖像的灰度不均勻性，可以在分割的同時對醫(yī)學圖像進行灰度矯正，但其只利用了灰度信息并沒有利用空間信息，而且處理分割區(qū)域差異很小(分割區(qū)域的灰度十分相近或?qū)Ρ榷群艿?的醫(yī)學圖像時對初始值的敏感性增加，分割準確性降低。另外，該算法是基于局部區(qū)域的，每個像素點要被計算多次，計算開銷加大。

【發(fā)明內(nèi)容】

[0007]本發(fā)明所要解決的技術(shù)問題是，提供一種快速、穩(wěn)健、準確的醫(yī)學圖像分割方法。
[0008]本發(fā)明為解決上述技術(shù)問題所采用的技術(shù)方案是，基于馬爾可夫的醫(yī)學圖像分割方法，包括以下步驟:
[0009]步驟1、首先利用馬爾可夫分割方法對原始圖像進行初始分割，利用初始分割結(jié)果對水平集算法進行初始化，得到初始化的水平集函數(shù)、偏移場以及各區(qū)域灰度均值；
[0010]步驟2、利用水平集算法對圖像進行處理，更新水平集函數(shù)、偏移場以及各區(qū)域灰度均值；當?shù)谝淮螆?zhí)行本步驟時，水平集算法處理的圖像為原始圖像，否則，水平集算法處理的圖像為矯正圖像；
[0011]步驟3、用原始圖像除以當前更新的偏移場得到矯正后的圖像；
[0012]步驟4、利用馬爾可夫分割算法對矯正后的圖像進行分割；
[0013]步驟5、判斷當前水平集算法與馬爾可夫分割算法的迭代次數(shù)之和是否大于預(yù)設(shè)值，如是，最終得到的矯正后的圖像進行分割得到最終分割結(jié)果；如否，返回步驟2。
[0014]傳統(tǒng)馬爾可夫分割方法是一種常用的圖像分割方法，其可以很好的利用空間統(tǒng)計信息。但由于它沒有充分利用灰度信息，不適用于灰度不均勻的醫(yī)學圖像。在傳統(tǒng)馬爾可夫模型的基礎(chǔ)上融入水平集模型，分割任務(wù)主要由馬爾可夫模型來完成，水平集模型僅是對馬爾可夫分割進行輔助修正。馬爾可夫分割算法充分利用了空間信息，將水平集算法融入到馬爾可夫算法中后，馬爾可夫分割算法可提供一個接近準確結(jié)果的初值減少算法的迭代次數(shù)同時增強算法的魯棒性，算法同時充分利用了空間統(tǒng)計信息和灰度信息，準確性也大大提高了。本發(fā)明將水平集算法的去偏移場矯正能力融入其中，使我們的算法在馬爾可夫算法的基礎(chǔ)上具有了分割灰度不均勻的醫(yī)學圖像的能力。
[0015]本發(fā)明的有益效果是，實現(xiàn)了快速、穩(wěn)健、準確地處理帶有灰度不均勻的醫(yī)學圖像分割；相對傳統(tǒng)馬爾可夫算法，能夠?qū)叶炔痪鶆虻尼t(yī)學圖像進行較準確地分割，相對水平集算法而言，對初值更不敏感，魯棒性更好，準確性更高。
【具體實施方式】
[0016]為了方便地描述本
【發(fā)明內(nèi)容】
，首先對以下一些現(xiàn)有技術(shù)進行簡單介紹:
[0017]定義1:一幅MXN 的圖像記為 Y={ys| s e S}, S={s=(i, j) 11 ≤ i ≤ Μ, 1 ≤ j ≤ N},~表示像素s的像素值，S為所有圖像中像素點集合，圖像的分割結(jié)果記為X=IxsIs e S},Xs表示圖像像素點的所屬類別，Xs取值范圍記為L={1，2，...，N}，L代表圖像像素點的所屬類別。
[0018]定義2:8鄰域系統(tǒng)及其勢團能量。令δ (s)是像素點s的鄰域，它是以位置s為中心，r為半徑的一個圓形區(qū)域:δ (S) = Is1 e S I dist (s, S1)≤r2，s關(guān)sj ,其中dist (s, S1)代表s和S1兩點的歐式距離。依據(jù)此定義鄰域系統(tǒng):δ = { δ (s) | s ∈S}，它滿足以下三個條件:1) 2)箭頭表示的是等價，s、t是一幅圖像中的兩個點3) S{s)c:S。故對于一個像素點s，其8鄰域系統(tǒng)勢團能量如下:
【權(quán)利要求】
1.基于馬爾可夫的醫(yī)學圖像分割方法，其特征在于，包括以下步驟: 步驟1、首先利用馬爾可夫分割方法對原始圖像進行初始分割，利用初始分割結(jié)果對水平集算法進行初始化，得到初始化的水平集函數(shù)、偏移場以及各區(qū)域灰度均值； 步驟2、利用水平集算法對圖像進行處理，更新水平集函數(shù)、偏移場以及各區(qū)域灰度均值；當?shù)谝淮螆?zhí)行本步驟時，水平集算法處理的圖像為原始圖像，否則，水平集算法處理的圖像為矯正圖像； 步驟3、用原始圖像除以當前更新的偏移場得到矯正后的圖像； 步驟4、利用馬爾可夫分割算法對矯正后的圖像進行分割； 步驟5、判斷當前水平集算法與馬爾可夫分割算法的迭代次數(shù)之和是否大于預(yù)設(shè)值，如是，最終得到的矯正后的圖像進行分割得到最終分割結(jié)果；如否，返回步驟2。
【文檔編號】G06T7/00GK103729843SQ201310713509
【公開日】2014年4月16日 申請日期:2013年12月20日 優(yōu)先權(quán)日:2013年12月20日
【發(fā)明者】解梅, 李亮, 岳興明 申請人:電子科技大學