一種基于骨架角點(diǎn)的可視化人體切片圖像序列化分割方法
【專利摘要】一種基于骨架角點(diǎn)的可視化人體切片圖像序列化分割方法，該方法先載入序列化彩色切片數(shù)據(jù)集以及顏色相似度閾值；開辟種子點(diǎn)集，手動(dòng)方式選取若干種子點(diǎn)存儲(chǔ)在種子點(diǎn)集中；計(jì)算種子點(diǎn)與其鄰域像素的顏色相似度，若大于相似度閾值，則存儲(chǔ)標(biāo)記，否則舍棄，將得到的種子點(diǎn)集看做為本幅目標(biāo)二值圖像；若當(dāng)前圖像為最后一幅，則結(jié)束；對(duì)目標(biāo)二值圖像進(jìn)行骨架提取，得到目標(biāo)骨架圖像，清空種子點(diǎn)集；采用角點(diǎn)檢測(cè)方法獲取骨架圖像的若干角點(diǎn)作為下一幅圖像的種子點(diǎn)，將其存儲(chǔ)在種子點(diǎn)集中；遍歷圖像序列，實(shí)現(xiàn)連續(xù)分割，直至所有待分割圖像都分割完畢。該方法可以實(shí)現(xiàn)連續(xù)自動(dòng)地在三維彩色切片圖像數(shù)據(jù)集中分割出目標(biāo)人體器官。
【專利說明】一種基于骨架角點(diǎn)的可視化人體切片圖像序列化分割方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于人體器官可視化【技術(shù)領(lǐng)域】，特別涉及一種基于骨架角點(diǎn)的可視化人體切片圖像序列化分割方法。
【背景技術(shù)】
[0002]人體器官可視化研究在20世紀(jì)后期出現(xiàn)，以信息技術(shù)和醫(yī)學(xué)科學(xué)為基礎(chǔ)，這是一個(gè)先進(jìn)且跨學(xué)科研究的領(lǐng)域。獲取并數(shù)字化人體器官結(jié)構(gòu)的基本數(shù)據(jù)是人體可視化科學(xué)研究的基礎(chǔ)和如提，具有很聞的學(xué)術(shù)意義和研究?jī)r(jià)值。目如，人體可視化研究已完成了超大規(guī)模(百GB級(jí)別)彩色切片圖像的精確采集階段。面對(duì)如此龐大的圖像數(shù)據(jù)，使用繁重的手工分割或半自動(dòng)交互式分割方法提取人體器官的幾何模型是一項(xiàng)巨大的工程。因此，為了提高人體彩色切片圖像分割的效率和質(zhì)量，亟待研究一種針對(duì)此超大規(guī)模序列化彩色切片圖像數(shù)據(jù)集的人體器官快速準(zhǔn)確分割方法。
[0003]對(duì)于虛擬可視人彩色切片圖像分割，國(guó)內(nèi)學(xué)者提出了一些方法，發(fā)表的文獻(xiàn)包括:《系統(tǒng)仿真學(xué)報(bào)》的“基于Canny算子的水平集數(shù)字虛擬人圖像分割算法”，該算法結(jié)合了Canny算子精確定位邊界的優(yōu)點(diǎn)和Level Set圖像空間連續(xù)演化的思想,該算法可得到較好的目標(biāo)分割結(jié)果?！队?jì)算機(jī)應(yīng)用研究》的“利用支持向量機(jī)分割虛擬人切片數(shù)據(jù)”提出了基于支持向量機(jī)的虛擬人切片數(shù)據(jù)分割方法，提高了虛擬人切片數(shù)據(jù)分割的自動(dòng)化程度，在一定程度上可以實(shí)現(xiàn)自動(dòng)分割，但在分割過程中需要大量時(shí)間來獲取準(zhǔn)確的空間信息，另外該方法的分割速度較慢，因此無法實(shí)現(xiàn)實(shí)時(shí)高效的分割操作。
[0004]國(guó)外的相關(guān)文獻(xiàn)中也報(bào)道了類似的研究成果。在《Computerized Medical Imagingand Graphics〉〉上發(fā)表的“Segmentation and three-dimension reconstruction of Chinesedigitized human cerebrum” 以及 “Creation of a female and male segmentation datasetbased on Chinese Visible Human (CVH) ”兩篇文章中，使用 Photoshop 軟件對(duì)所有基于 CVH男性和女性數(shù)據(jù)集的圖像進(jìn)行半自動(dòng)分割來實(shí)現(xiàn)三維模型重構(gòu)，為虛擬可視人彩色切片圖像自動(dòng)分割算法研究提供了 一種準(zhǔn)確的數(shù)字化解剖模型。
[0005]以上這些技術(shù)只能用作單層彩色切片圖像的分割操作，不能被用于虛擬可視人超大規(guī)模序列化(三維空間)切片圖像的分割。因此，目前所提出的虛擬人彩色切片圖像數(shù)據(jù)分割方法還存在很大局限性。

【發(fā)明內(nèi)容】

[0006]本發(fā)明提出一種基于骨架角點(diǎn)的可視化人體切片圖像序列化分割方法，用于快速準(zhǔn)確地分割可視化人體切片的主要器官。利用本方法，可以實(shí)現(xiàn)連續(xù)自動(dòng)地在三維真彩色切片圖像數(shù)據(jù)集中分割出目標(biāo)器官。該算法的時(shí)間效率和分割精度明顯好于目前的手工分割方法。
[0007]本發(fā)明的目的是為了滿足可視人體研究的需要，解決可視人體切片圖像主要器官的快速準(zhǔn)確分割問題，從而提出一種自動(dòng)的序列化人體切片彩色圖像分割方法。[0008]本發(fā)明包括以下步驟:
[0009](I)載入序列化可視人體(Visible Human)彩色切片圖像數(shù)據(jù)集以及備用的相鄰彩色像素顏色相似度閾值；
[0010](2)開辟種子點(diǎn)集空間，并手動(dòng)方式在第一幅圖像上選取若干種子點(diǎn)，將其存儲(chǔ)在種子點(diǎn)集空間中；
[0011](3)相鄰像素間的顏色相似度比較:從種子點(diǎn)集空間中提取一個(gè)種子點(diǎn)，計(jì)算種子點(diǎn)與其鄰域像素的顏色相似度，與備用的顏色相似度閾值進(jìn)行比較，若計(jì)算得到的顏色相似度大于預(yù)設(shè)的顏色相似度閾值，且該鄰域像素未標(biāo)記過，則將該鄰域像素存儲(chǔ)在種子點(diǎn)集空間中，并標(biāo)記該像素；否則舍棄該鄰域像素。遍歷整個(gè)種子點(diǎn)集空間，重復(fù)本步驟，直至本幅圖像所有符合顏色相似度條件的像素都存儲(chǔ)在種子點(diǎn)集空間中為止，并將整個(gè)種子點(diǎn)集空間看做為本幅圖像分割得到的目標(biāo)二值圖像；若當(dāng)前幅圖像為最后一幅圖像，則結(jié)束整個(gè)分割過程；
[0012](4)骨架圖像提取:對(duì)步驟⑶所得到的目標(biāo)二值圖像進(jìn)行骨架提取，得到本幅圖像的目標(biāo)骨架圖像，同時(shí)清空種子點(diǎn)集空間；
[0013](5)下一幅切片圖像種子點(diǎn)自動(dòng)生成:采用角點(diǎn)檢測(cè)方法對(duì)已得到的目標(biāo)骨架進(jìn)行處理，將所得到的若干個(gè)角點(diǎn)的位置作為下一幅圖像的種子點(diǎn)坐標(biāo)，并將其存儲(chǔ)在種子點(diǎn)集空間中；
[0014](6)返回步驟(3)，實(shí)現(xiàn)連續(xù)分割，直至所有待分割切片圖像都分割完畢。其中，步驟(3)中利用基于尺 度不變性的語(yǔ)義數(shù)學(xué)模型方法計(jì)算兩個(gè)像素間的相似度:
[0015][I]首先，對(duì)于待比較的兩個(gè)像素(R1AA)和(R2，G2, B2),計(jì)算顏色值中間變量
【權(quán)利要求】
1.一種基于骨架角點(diǎn)的可視化人體切片圖像序列化分割方法，其特征包括以下步驟: (1)載入序列化可視人體彩色切片圖像數(shù)據(jù)集以及備用的相鄰彩色像素顏色相似度閾值； (2)開辟種子點(diǎn)集空間，并手動(dòng)方式在第一幅圖像上選取若干種子點(diǎn)，將其存儲(chǔ)在種子點(diǎn)集空間中； (3)相鄰像素間的顏色相似度比較:從種子點(diǎn)集空間中提取一個(gè)種子點(diǎn)，計(jì)算種子點(diǎn)與其鄰域像素的顏色相似度，與備用的顏色相似度閾值進(jìn)行比較，若計(jì)算得到的顏色相似度大于預(yù)設(shè)的顏色相似度閾值，且該鄰域像素未標(biāo)記過，則將該鄰域像素存儲(chǔ)在種子點(diǎn)集空間中，并標(biāo)記該像素；否則舍棄該鄰域像素。遍歷整個(gè)種子點(diǎn)集空間，重復(fù)本步驟，直至本幅圖像所有符合顏色相似度條件的像素都存儲(chǔ)在種子點(diǎn)集空間中為止，并將整個(gè)種子點(diǎn)集空間看做為本幅圖像分割得到的目標(biāo)二值圖像；若當(dāng)前幅圖像為最后一幅圖像，則結(jié)束整個(gè)分割過程； (4)骨架圖像提取:對(duì)步驟(3)所得到的目標(biāo)二值圖像進(jìn)行骨架提取，得到本幅圖像的目標(biāo)骨架圖像，同時(shí)清空種子點(diǎn)集空間； (5)下一幅切片圖像種子點(diǎn)自動(dòng)生成:采用角點(diǎn)檢測(cè)方法對(duì)已得到的目標(biāo)骨架進(jìn)行處理，將所得到的若干個(gè)角點(diǎn)的位置作為下一幅圖像的種子點(diǎn)坐標(biāo)，并將其存儲(chǔ)在種子點(diǎn)集空間中； (6)返回步驟(3 )，實(shí)現(xiàn)連續(xù)分割，直至所有待分割切片圖像都分割完畢。
2.根據(jù)權(quán)利要求書I所述的可視化人體切片圖像序列化分割方法，其特征在于，步驟(3)中利用基于尺度不變性的語(yǔ)義數(shù)學(xué)模型方法計(jì)算兩個(gè)像素間的相似度: 首先，對(duì)于待比較的兩個(gè)像素(RpGpB1)和(R2，G2, B2),計(jì)算顏色值中間變量 (R0,G0,B0) = —kJ-lJ-L ;然后，計(jì)算相似度
V 尺2 (B2 j SIMILATION=-%-^ □
(I \ 1、
(R0+B0+G0)x —+ —+ —

KkO tjO J
3.根據(jù)權(quán)利要求書I所述的可視化人體切片圖像序列化分割方法，其特征在于步驟(4)中所述骨架提取方法具體包括兩次子迭代過程: [1]對(duì)于待處理的目標(biāo)二值圖像中某個(gè)像素P= 1，如果P的八鄰域內(nèi)各像素同時(shí)滿足以下條件，則標(biāo)記(刪除)ρ = 0: <ι>像素P八鄰域各像素按逆時(shí)針順序的像素值變化(O — D的次數(shù)為I; 〈2>2 <像素P的非O值鄰域像素個(gè)數(shù)< 6 ； <3>像素P的上鄰域像素、右鄰域像素和下鄰域像素的像素值乘積=O ； <4>像素P的左鄰域像素、右鄰域像素和下鄰域像素的像素值乘積=O ； [2]對(duì)于待處理的目標(biāo)二值圖像中某個(gè)像素P’=1，如果P’的八鄰域內(nèi)各像素同時(shí)滿足以下條件，則標(biāo)記(刪除)P’ = O: <1>像素P’八鄰域各像素按逆時(shí)針順序的像素值變化(O — D的次數(shù)為I; 〈2>2 <像素P’的非O值鄰域像素個(gè)數(shù)< 6 ；<3>像素p’的上鄰域像素、左鄰域像素和下鄰域像素的像素值乘積=O ；<4>像素P’的上鄰域像素、左鄰域像素和右鄰域像素的像素值乘積=O ；對(duì)該幅圖像反復(fù)執(zhí)行第一 和第二子迭代運(yùn)算過程，直到?jīng)]有可刪除像素為止。
【文檔編號(hào)】G06T7/00GK104008547SQ201410232529
【公開日】2014年8月27日 申請(qǐng)日期:2014年5月28日 優(yōu)先權(quán)日:2014年5月28日
【發(fā)明者】劉斌, 田博, 范玨輝, 王蒙 申請(qǐng)人:大連理工大學(xué)