一种基于区域混合活动轮廓模型的医学图像分割方法与流程

本发明涉及计算机视觉领域，具体地说是一种对医学图像中的目标进行分割的方法。

背景技术：
：

随着计算机技术的不断发展与进步，人们对计算机视觉方面的应用需求也越来越多。比如，在生活中随处可见的数码照相机、数字摄像机、智能手机等产品与消费者生活息息相关。对图像中的目标进行检测与识别引起越来越多的关注，并在智能监控、人机交互、医疗等领域都具有极为广泛的应用前景。

图像分割是图像处理的重要环节，对图像分割的研究为后续图像工程的开展起到很好的奠基作用。

技术实现要素：
：

本发明的目的是为构建一种具有较高应用价值、简单易行的可针对医学图像的目标分割方法。

本发明通过求模型中能量泛函的极小值，获得关于水平集函数的梯度下降方程，并对其离散化得到水平集函数的迭代计算公式，快速地实现对图像目标的分割。对不同医学图像的仿真实验表明，与其他同类型算法相比，本发明中所建立的模型及相应的算法可以在更短的时间内得到更加精确的分割结果。

具体的技术方案如下：

(1)采用两相和多相方法初始化水平集函数，并初始化各个参数；

(2)计算水平集函数在图像中各个子区域的灰度均值；

(3)计算图像的偏移场变量；

(4)根据迭代计算公式计算水平集函数的新的值，直到获得图像目标的轮廓曲线，实现目标的分割。

本发明的有益效果是:

1、建立一种基于区域混合活动轮廓的医学图像分割模型，设计相应的分割算法；

2、本发明简单易行，在光照不均匀与成像设备不完善情况下能够实现快速的医学图像目标的分割，满足实时性要求，应用广泛，对于医学图像的检测与识别有可参考和应用的价值。

本发明适用于医学图像中的目标分割，可以为医学图像工程提供参考，对医学图像的分析、识别以及理解起到奠基作用。

附图说明：

图1为本发明对膝盖骨图像的两相分割结果图；

图2为本发明对人脑图像的多相分割结果图；

图3为本发明对人脑图像的多相分割时间

具体实施方式：

下面结合附图和实例进一步说明本发明的实质内容，但本发明的内容并不限于此。

实施例1：

取大小为193×255的压缩格式人的大脑医学图像，并确定模型中的各参数。采用四相方法随机地初始化两个水平集函数，并获得相应的初始轮廓曲线，从而将图像分成多个区域(图2中左图)；计算水平集函数在图像中各个子区域的灰度均值与图像的偏移场量，更新水平集函数的值，如此迭代，直到获得图像中膝盖骨的轮廓曲线，从而得到分割结果(图2中右图)。