专利名称：基于核磁共振图像的舌头轮廓自动提取方法
技术领域：
本发明涉及基于核磁共振成像技术的图像分析技术领域，特别是涉及一种利用计算机技术从了语音生成过程中舌头运动的核磁共振成像技术记录的高分辨率图像中动提取舌头轮廓的技术。
背景技术：
言语是人类进行日常交流最重要的方式之一，是区别于地球上其它动物最重要的特征。相对于动物而言，人类具有一套非常灵活的发音器官，并且与大脑互相交互，从而能够使用语音声学信号来表达抽象的概念，实现各种交际目的。揭示人类的言语产生机制对于理解人类的言语功能和帮助言语障碍的人群具有重要意义。人类通过大脑的言语区进行规划，然后将言语控制命令以神经控制信号的形式传达给发音器官，发音器官通过在控制信号下协调运动来生成语音声学信号。人类发音器官(肺、声门、舌头、嘴唇、鼻腔等)的运动 规律处于人类言语机制中间层，具有承上启下的重要功能。揭示发音器官的第一步就是获取、分析和研究发现发音器官的形态特征和动态特征。如今，各种成像技术和图像处理技术高速发展，为发音器官外观形态的获取和分析，提供了便捷，也为这方面的医学研究或者生物学研究提供了依据。当前比较流行的成像技术有核磁共振成像(MRI)技术、X射线(X-ray)成像以及超声图像成像技术等。这些成像技术各有利弊。超声图像可以快速记录人说话时舌头表面的运动轨迹从而得到人说话时舌头的运动，但是超声成像技术采集的舌头信息少、不精确，t匕如它只能记录中卫矢面的二维形状而且图像缺少了舌尖的运动信息。X射线成像把具有三维结构的人体拍摄成二维的平面图形，各种组织结构的影响必定相互重叠，而且X光对于人体有危害，目前没有多少机构采用X射线技术来记录人类的发音器官的形状。MRI利用核磁共振现象来记录物体内部的结构，它能够记录高分辨率的声道以及头部(包括鼻腔、声道、舌头等)的详尽的内部结构和形状，且对人体无任何危害。这使得MRI成为当前进行语音研究最有前途的数据采集方法之一，因此被广泛应用于语音产生的研究。一系列的人发音器官的MRI图像数据库已经被用于各种不同目的的研究及临床诊断。发音器官(如舌头)的MRI数据库往往包括大量的图像文件，要使这些数据库能应用到实际的研究和工作中，首先是能够从这些图像中成功且自动的提取出发音器官的形状。过去的几十年中，为解决图像的边界提取问题人们提出了很多算法。这些算法主要可以分为两类数据驱动算法，如1987年kass等人提出的snake算法；模型驱动算法，例如1998年Cootes等人提出的动态模型算法。每类算法都有优点和缺点。其中数据驱动方法中，每一张图片在提取形状之前都必须先给定一个初始的形状，这就使得提取的过程不是全自动的。模型驱动方法中，首先要标注一个训练数据库集合，然后利用特定的模型算法从训练集合中学习知识，并建立相应的模型，最后根据模型去标注未被标注的数据。动态模型算法(AAM)是模型驱动算法的一种，是由Cootes等人于1998年开发的，需要建立一个统计点分布模型，在图像分割上具有很好的性能。该算法能从相应标记集中自动学习点分布的参数以及合并形状和边界的灰度级信息。AAM算法通过从一个训练集中学习获得一组统计学的形状外观模型来描述图像的外观和需要的物体形状。当应用到图像翻译或者分割的时候，AAM可以减小从模型中合成的图像和协调模型参数之后的训练集中不包含的图像之间的差异。相比于其它模型算法而言，AAM算法能够更有效的从图像中自动追踪物体边界。因此，本发明在从MRI图像序列中提取舌头边界的时候，引入了 AAM算法。AAM算法在心脏的MRI图像分割和脸部特征提取等方面已被证明具有很高的强壮性。然而人的发音器官包括声门、舌头、软腭、嘴唇的动态性比较大，其中舌头的动态性最大。相对于心脏、脸部而言，舌头就具有更大的动态性，这也增加了舌头轮廓自动提取的困难。
发明内容
基于上述现有技术存在的问题，本发明提出了一种基于核磁共振图像的舌头轮廓自动提取方法，利用AAM算法从MRI图像中自动提取发音器官轮廓；并且针对图像数据库数 据量大而人工标注舌头耗时耗力等特点进行方法设计。 本发明提供一种基于核磁共振图像的舌头轮廓自动提取方法，基于动态模型算法AAM,以发声器官的核磁共振图像MRI作为提取数据源，其特征在于，该方法包括以下步骤步骤一、根据MRI图像进行开发集和评价集中的图像标注和数据集划分，具体包括以下操作MRI图像序列由128帧图像构成，随机选择20帧图像作为开发集，另外再随机选取20帧作为评价集，每张图片上用31个标注点将舌体标注为一个紧密的封闭轮廓；步骤二、构建AAM模型，并且据此实现舌头轮廓的自动标注，具体包括以下操作根据开发集中标注好的图像构建AAM模型，首先根据已经标注好的开发集中的图像来计算其平均形状和平均纹理；
I 20平均形状
平均纹理
权利要求
1. 一种基于核磁共振图像的舌头轮廓自动提取方法，基于动态模型算法AAM，以发声器官的核磁共振图像MRI作为提取数据源，其特征在于，该方法包括以下步骤 步骤一、根据MRI图像进行开发集和评价集中的图像标注和数据集划分，具体包括以下操作 MRI图像序列由128帧图像构成，随机选择20帧图像作为开发集，另外再随机选取20帧作为评价集，每张图片上用31个标注点将舌体标注为一个紧密的封闭轮廓； 步骤二、构建AAM模型，并且据此实现舌头轮廓的自动标注，具体包括以下操作 根据开发集中标注好的图像构建AAM模型，首先根据已经标注好的开发集中的图像来计算其平均形状和平均纹理；平均形状
全文摘要
本发明公开了一种基于核磁共振图像的舌头轮廓自动提取方法，基于动态模型算法AAM，以发声器官的核磁共振图像MRI作为提取数据源，其特征在于，该方法包括以下步骤步骤一、根据MRI图像进行开发集和评价集中的图像标注和数据集划分，步骤二、构建AAM模型，并且据此实现舌头轮廓的自动标注。与现有技术相比，本方法的有益效果首先是可以以较小的误差实现舌头轮廓提取，对后期的研究误差影响极小，可以忽略；其次考虑到我们需要处理的MRI图像数量非常大，所以利用构建AAM模型然后自动标注的方法提取舌头轮廓可以节省大量的时间和人力。因此采用这种方法对于我们进行一系列的语音研究具有非常重要的意义。
文档编号G06K9/62GK102750549SQ20121019295
公开日2012年10月24日 申请日期2012年6月12日 优先权日2012年6月12日
发明者党建武, 冯新元, 宋婵, 王宇光, 魏建国, 黄典 申请人:天津大学