自適應(yīng)圖像分割方法和設(shè)備的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計(jì)算機(jī)視覺領(lǐng)域中的圖像分割，更具體地講，涉及一種適用于醫(yī)學(xué)圖 像的高精度、自適應(yīng)分割方法和設(shè)備。
【背景技術(shù)】
[0002] 為了獲得人體內(nèi)部對(duì)象的圖像，需要從超聲圖像、CT圖像等醫(yī)療圖像中分割出人 體內(nèi)部對(duì)象的邊界與輪廓。這里，人體內(nèi)部對(duì)象可以是器官、腫瘤、組織等?，F(xiàn)實(shí)中，人體內(nèi) 部對(duì)象非常復(fù)雜。例如，乳房腫瘤具有很多種類，包括良性腫瘤(囊腫、纖維瘤等）和惡性腫 瘤，不同種類甚至同一種類的腫瘤在超聲圖像中的表現(xiàn)(如結(jié)構(gòu)形狀及規(guī)則性、尺寸大小、 灰度亮暗、與周圍組織的對(duì)比度、是否有鈣化點(diǎn)等）具有巨大的多樣性，精確分割出病變結(jié) 構(gòu)具有很大難度。
[0003] 醫(yī)療圖像分割可以分為交互式和全自動(dòng)兩種分割方法。在全自動(dòng)方法中，由系統(tǒng) 自動(dòng)地檢測出病變所在的大概區(qū)域（即，感興趣區(qū)域（R0I))，然后分割出病變結(jié)構(gòu)的精確輪 廓；而人工交互式方法中，有三種常用方式，第一種是需要人工輸入一部分病變結(jié)構(gòu)的區(qū)域 和一部分背景區(qū)域，第二種是在病變結(jié)構(gòu)區(qū)域中點(diǎn)出種子點(diǎn)，第三種是用矩形框等框出病 變結(jié)構(gòu)的大概區(qū)域（ROI)。
[0004] 然而，現(xiàn)有的圖像分割技術(shù)存在突出的問題。具體地講，圖像分割算法中具有很多 參數(shù)，其中前景或者背景的初始分布對(duì)最終的分割結(jié)果影響很大，而基于固定的、統(tǒng)一的初 始分布產(chǎn)生方法的分割算法則很難應(yīng)對(duì)差異巨大的ROI。因此，現(xiàn)有的圖像分割技術(shù)很難取 得良好的分割效果。

【發(fā)明內(nèi)容】

[0005] 因此，本發(fā)明的一方面在于提供一種通過提取ROI的顯著性特征和平滑度特征產(chǎn) 生不同的初始前景分布，并基于初始前景分布進(jìn)行圖像分割的方法和設(shè)備。
[0006] 根據(jù)本發(fā)明的一方面，提供一種自適應(yīng)圖像分割方法，包括以下步驟：從輸入圖像 提取感興趣區(qū)域（R0I);提取ROI的一種或更多種特征，并基于提取的特征對(duì)ROI進(jìn)行分類； 針對(duì)不同類型的ROI產(chǎn)生不同的初始前景分布；基于產(chǎn)生的初始前景分布對(duì)ROI進(jìn)行分割， 以獲得目標(biāo)對(duì)象區(qū)域。
[0007] 優(yōu)選地，提取的特征是顯著性特征、平滑度特征或它們的組合。
[0008] 優(yōu)選地，根據(jù)以下等式提取ROI的顯著性特征：
[0009]
【主權(quán)項(xiàng)】
1. 一種自適應(yīng)圖像分割方法，包括以下步驟： 從輸入圖像提取感興趣區(qū)域ROI ; 提取ROI的一種或更多種特征，并基于提取的特征對(duì)ROI進(jìn)行分類； 針對(duì)不同類型的ROI產(chǎn)生不同的初始前景分布； 基于產(chǎn)生的初始前景分布對(duì)ROI進(jìn)行分割，以獲得目標(biāo)對(duì)象區(qū)域。
2. 根據(jù)權(quán)利要求1所述的自適應(yīng)圖像分割方法，其中，提取的特征是顯著性特征、平滑 度特征或它們的組合。
3. 根據(jù)權(quán)利要求2所述的自適應(yīng)圖像分割方法，其中，根據(jù)以下等式提取ROI的顯著性 特征：
其中，SaliencyScore表示一維顯著性特征向量，i表示ROI中的第i個(gè)像素， countPixel表示ROI中的像素的總數(shù)，arraySaliency □表示像素值顯著性數(shù)組， grayValueti]表示第i個(gè)像素的灰度值，dist表示第i個(gè)像素到參考位置的距離，δ表示 距離的權(quán)值且〇〈3〈1。
4. 根據(jù)權(quán)利要求2所述的自適應(yīng)圖像分割方法，其中，根據(jù)以下等式提取ROI的顯著性 特征： SaliencyImage[i]=arraySaliency[grayValue[i]]*exp(-dist/δ ), 其中，SaliencyImage表示多維顯著性特征向量，Saliencylmage[i]表示第i個(gè)像素的 顯著性特征，arraySaliency □表示像素值顯著性數(shù)組，grayValue [i]表示第i個(gè)像素的灰 度值，dist表示第i個(gè)像素到參考位置的距離，δ表示距離的權(quán)值且〇〈 δ〈1。
5. 根據(jù)權(quán)利要求3所述的自適應(yīng)圖像分割方法，其中，根據(jù)以下等式確定像素值顯著 性數(shù)組：
其中，grayLevel表示ROI中特定像素的像素值，maxGrayLevel表示ROI中最大像素 值，minGrayLevel表示ROI中最小像素值,histogram□表示直方圖數(shù)組，grayLevell表示 ROI中除特定像素之外的各個(gè)像素的像素值，dist表示特定像素到參考位置的距離，δ表 示距離的權(quán)值且〇〈3〈1。
6. 根據(jù)權(quán)利要求4所述的自適應(yīng)圖像分割方法，其中，根據(jù)以下等式確定像素值顯著 性數(shù)組：
其中，grayLevel表示ROI中特定像素的像素值，maxGrayLevel表示ROI中最大像素 值，minGrayLevel表示ROI中最小像素值,histogram□表示直方圖數(shù)組，grayLevell表示 ROI中除特定像素之外的各個(gè)像素的像素值，dist表示特定像素到參考位置的距離，δ表 示距離的權(quán)值且0〈s〈l。
7. 根據(jù)權(quán)利要求1所述的自適應(yīng)圖像分割方法，其中，對(duì)ROI進(jìn)行分類的步驟包括：將 所述一種或更多種特征作為輸入，使用支持向量機(jī)、K均值K-Means算法或神經(jīng)網(wǎng)絡(luò)將ROI 分類為顯性類ROI或隱性類ROI。
8. 根據(jù)權(quán)利要求7所述的自適應(yīng)圖像分割方法，其中，產(chǎn)生不同的初始前景分布的步 驟包括： 針對(duì)顯性類ROI，使用K均值K-Means算法將ROI中的像素聚類為三類； 將平均像素值最小的一類像素確定為前景，將平均像素值最大的一類確定為背景； 使用屬于前景的像素和屬于背景的像素構(gòu)造高斯混合模型GMM ; 將未被確定為前景或背景的一類像素作為輸入，通過構(gòu)造的GMM將該類像素確定為前 景或背景，從而產(chǎn)生初始前景分布。
9. 根據(jù)權(quán)利要求7所述的自適應(yīng)圖像分割方法，其中，產(chǎn)生不同的初始前景分布的步 驟包括： 針對(duì)隱性類R0I，以參考位置作為中心，使用固定矩形區(qū)域作為前景，從而產(chǎn)生初始前 景分布。
10. 根據(jù)權(quán)利要求3、4、5、6和9中任意一項(xiàng)權(quán)利要求所述的自適應(yīng)圖像分割方法，其 中，參考位置表示初始的目標(biāo)對(duì)象區(qū)域的重心。
11. 根據(jù)權(quán)利要求10所述的自適應(yīng)圖像分割方法，其中，通過以下步驟確定參考位置： 通過使用大律法OSTU對(duì)ROI進(jìn)行分割，從而獲得兩種類型的像素； 計(jì)算兩種類型的像素的平均像素值； 將平均像素值小的一種類型的像素組成的區(qū)域的重心確定為參考位置。
12. -種自適應(yīng)圖像分割裝置，包括： ROI提取單元，被配置為從輸入圖像提取ROI ; ROI特征提取和分類單元，被配置為提取ROI的一種或更多種特征，并基于提取的特征 對(duì)ROI進(jìn)行分類； 初始前景分布產(chǎn)生單元，被配置為針對(duì)不同類型的ROI產(chǎn)生不同的初始前景分布； 圖像分割單元，被配置為基于產(chǎn)生的初始前景分布對(duì)ROI進(jìn)行分割，以獲得目標(biāo)對(duì)象 區(qū)域。
13. 根據(jù)權(quán)利要求12所述的自適應(yīng)圖像分割裝置，其中，所述一種或更多種特征是顯 著性特征、平滑度特征或它們的組合。
14. 根據(jù)權(quán)利要求13所述的自適應(yīng)圖像分割裝置，其中，ROI特征提取和分類單元被配 置為根據(jù)以下等式提取ROI的顯著性特征：
其中，SaliencyScore表示一維顯著性特征向量，i表示ROI中的第i個(gè)像素， countPixel表示ROI中的像素的總數(shù)，arraySaliency □表示像素值顯著性數(shù)組， grayValueti]表示第i個(gè)像素的灰度值，dist表示第i個(gè)像素到參考位置的距離，δ表示 距離的權(quán)值且〇〈3〈1。
15. 根據(jù)權(quán)利要求13所述的自適應(yīng)圖像分割裝置，其中，ROI特征提取和分類單元被配 置為根據(jù)以下等式提取ROI的顯著性特征： SaliencyImage[i]=arraySaliency[grayValue[i]]*exp(-dist/δ ), 其中，SaliencyImage表示多維顯著性特征向量，Saliencylmage[i]表示第i個(gè)像素的 顯著性特征，arraySaliency □表示像素值顯著性數(shù)組，grayValue [i]表示第i個(gè)像素的灰 度值，dist表示第i個(gè)像素到參考位置的距離，δ表示距離的權(quán)值且〇〈 δ〈1。
16. 根據(jù)權(quán)利要求14所述的自適應(yīng)圖像分割裝置，其中，ROI特征提取和分類單元還被 配置為根據(jù)以下等式確定像素值顯著性數(shù)組：
其中，grayLevel表示ROI中特定像素的像素值，maxGrayLevel表示ROI中最大像素 值，minGrayLevel表示ROI中最小像素值,histogram□表示直方圖數(shù)組，grayLevell表示 ROI中除特定像素之外的各個(gè)像素的像素值，dist表示特定像素到參考位置的距離，δ表 示距離的權(quán)值且〇〈3〈1。
17. 根據(jù)權(quán)利要求15所述的自適應(yīng)圖像分割裝置，其中，ROI特征提取和分類單元還被 配置為根據(jù)以下等式確定像素值顯著性數(shù)組：
其中，grayLevel表示ROI中特定像素的像素值，maxGrayLevel表示ROI中最大像素 值，minGrayLevel表示ROI中最小像素值,histogram□表示直方圖數(shù)組，grayLevell表示 ROI中除特定像素之外的各個(gè)像素的像素值，dist表示特定像素到參考位置的距離，δ表 示距離的權(quán)值且〇〈3〈1。
18. 根據(jù)權(quán)利要求12所述的自適應(yīng)圖像分割裝置，其中，ROI特征提取和分類單元被配 置為將所述一種或者更多種特征作為輸入，使用支持向量機(jī)、K均值K-Means算法或神經(jīng)網(wǎng) 絡(luò)將ROI分類為顯性類ROI或隱性類ROI。
19. 根據(jù)權(quán)利要求18所述的自適應(yīng)圖像分割裝置，其中，初始前景分布產(chǎn)生單元被配 置為：針對(duì)顯性類ROI，使用K均值K-Means算法將ROI中的像素聚類為三類；將平均像素 值最小的一類像素確定為前景，將平均像素值最大的一類確定為背景；使用屬于前景的像 素和屬于背景的像素構(gòu)造高斯混合模型GMM ;將未被確定為前景或背景的一類像素作為輸 入，通過構(gòu)造的GMM將該類像素確定為前景或背景，從而產(chǎn)生初始前景分布。
20. 根據(jù)權(quán)利要求18所述的自適應(yīng)圖像分割裝置，其中，初始前景分布產(chǎn)生單元被配 置為：針對(duì)隱性類R0I，以參考位置作為中心，使用固定矩形區(qū)域作為前景，從而產(chǎn)生初始 前景分布。
21. 根據(jù)權(quán)利要求14、15、16、17和20中任意一項(xiàng)權(quán)利要求所述的自適應(yīng)圖像分割裝 置，其中，參考位置表示初始的目標(biāo)對(duì)象區(qū)域的重心。
22. 根據(jù)權(quán)利要求21所述的自適應(yīng)圖像分割裝置，其中，初始前景分布產(chǎn)生單元還被 配置為：通過使用大律法OSTU對(duì)ROI進(jìn)行分割，從而獲得兩種類型的像素；計(jì)算兩種類型 的像素的平均像素值；將平均像素值小的一種類型的像素組成的區(qū)域的重心確定為參考位 置。
【專利摘要】公開一種自適應(yīng)圖像分割方法和設(shè)備。所述自適應(yīng)圖像分割方法包括以下步驟：從輸入圖像提取感興趣區(qū)域（ROI）；提取ROI的一種或者更多種特征，并基于提取的特征對(duì)ROI進(jìn)行分類；針對(duì)不同類型的ROI產(chǎn)生不同的初始前景分布；基于產(chǎn)生的初始前景分布對(duì)ROI進(jìn)行分割，以獲得目標(biāo)對(duì)象區(qū)域。
【IPC分類】G06T7-00, G06K9-62, G06K9-32
【公開號(hào)】CN104732509
【申請(qǐng)?zhí)枴緾N201310701429
【發(fā)明人】張紅衛(wèi), 任海兵, 趙川, 冀永楠, 張麗丹, 禹景久, 劉志花
【申請(qǐng)人】北京三星通信技術(shù)研究有限公司, 三星電子株式會(huì)社
【公開日】2015年6月24日
【申請(qǐng)日】2013年12月18日