自适应图像分割方法和设备的制造方法
【技术领域】
[0001] 本发明涉及计算机视觉领域中的图像分割，更具体地讲，涉及一种适用于医学图 像的高精度、自适应分割方法和设备。
【背景技术】
[0002] 为了获得人体内部对象的图像，需要从超声图像、CT图像等医疗图像中分割出人 体内部对象的边界与轮廓。这里，人体内部对象可以是器官、肿瘤、组织等。现实中，人体内 部对象非常复杂。例如，乳房肿瘤具有很多种类，包括良性肿瘤(囊肿、纤维瘤等）和恶性肿 瘤，不同种类甚至同一种类的肿瘤在超声图像中的表现(如结构形状及规则性、尺寸大小、 灰度亮暗、与周围组织的对比度、是否有钙化点等）具有巨大的多样性，精确分割出病变结 构具有很大难度。
[0003] 医疗图像分割可以分为交互式和全自动两种分割方法。在全自动方法中，由系统 自动地检测出病变所在的大概区域（即，感兴趣区域（R0I))，然后分割出病变结构的精确轮 廓；而人工交互式方法中，有三种常用方式，第一种是需要人工输入一部分病变结构的区域 和一部分背景区域，第二种是在病变结构区域中点出种子点，第三种是用矩形框等框出病 变结构的大概区域（ROI)。
[0004] 然而，现有的图像分割技术存在突出的问题。具体地讲，图像分割算法中具有很多 参数，其中前景或者背景的初始分布对最终的分割结果影响很大，而基于固定的、统一的初 始分布产生方法的分割算法则很难应对差异巨大的ROI。因此，现有的图像分割技术很难取 得良好的分割效果。
【发明内容】
[0005] 因此，本发明的一方面在于提供一种通过提取ROI的显著性特征和平滑度特征产 生不同的初始前景分布，并基于初始前景分布进行图像分割的方法和设备。
[0006] 根据本发明的一方面，提供一种自适应图像分割方法，包括以下步骤：从输入图像 提取感兴趣区域（R0I);提取ROI的一种或更多种特征，并基于提取的特征对ROI进行分类； 针对不同类型的ROI产生不同的初始前景分布；基于产生的初始前景分布对ROI进行分割， 以获得目标对象区域。
[0007] 优选地，提取的特征是显著性特征、平滑度特征或它们的组合。
[0008] 优选地，根据以下等式提取ROI的显著性特征：
[0009]
【主权项】
1. 一种自适应图像分割方法，包括以下步骤： 从输入图像提取感兴趣区域ROI ; 提取ROI的一种或更多种特征，并基于提取的特征对ROI进行分类； 针对不同类型的ROI产生不同的初始前景分布； 基于产生的初始前景分布对ROI进行分割，以获得目标对象区域。
2. 根据权利要求1所述的自适应图像分割方法，其中，提取的特征是显著性特征、平滑 度特征或它们的组合。
3. 根据权利要求2所述的自适应图像分割方法，其中，根据以下等式提取ROI的显著性 特征：
其中，SaliencyScore表示一维显著性特征向量，i表示ROI中的第i个像素， countPixel表示ROI中的像素的总数，arraySaliency □表示像素值显著性数组， grayValueti]表示第i个像素的灰度值，dist表示第i个像素到参考位置的距离，δ表示 距离的权值且〇〈3〈1。
4. 根据权利要求2所述的自适应图像分割方法，其中，根据以下等式提取ROI的显著性 特征： SaliencyImage[i]=arraySaliency[grayValue[i]]*exp(-dist/δ ), 其中，SaliencyImage表示多维显著性特征向量，Saliencylmage[i]表示第i个像素的 显著性特征，arraySaliency □表示像素值显著性数组，grayValue [i]表示第i个像素的灰 度值，dist表示第i个像素到参考位置的距离，δ表示距离的权值且〇〈 δ〈1。
5. 根据权利要求3所述的自适应图像分割方法，其中，根据以下等式确定像素值显著 性数组：
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□表示直方图数组，grayLevell表示 ROI中除特定像素之外的各个像素的像素值，dist表示特定像素到参考位置的距离，δ表 示距离的权值且〇〈3〈1。
6. 根据权利要求4所述的自适应图像分割方法，其中，根据以下等式确定像素值显著 性数组：
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□表示直方图数组，grayLevell表示 ROI中除特定像素之外的各个像素的像素值，dist表示特定像素到参考位置的距离，δ表 示距离的权值且0〈s〈l。
7. 根据权利要求1所述的自适应图像分割方法，其中，对ROI进行分类的步骤包括：将 所述一种或更多种特征作为输入，使用支持向量机、K均值K-Means算法或神经网络将ROI 分类为显性类ROI或隐性类ROI。
8. 根据权利要求7所述的自适应图像分割方法，其中，产生不同的初始前景分布的步 骤包括： 针对显性类ROI，使用K均值K-Means算法将ROI中的像素聚类为三类； 将平均像素值最小的一类像素确定为前景，将平均像素值最大的一类确定为背景； 使用属于前景的像素和属于背景的像素构造高斯混合模型GMM ; 将未被确定为前景或背景的一类像素作为输入，通过构造的GMM将该类像素确定为前 景或背景，从而产生初始前景分布。
9. 根据权利要求7所述的自适应图像分割方法，其中，产生不同的初始前景分布的步 骤包括： 针对隐性类R0I，以参考位置作为中心，使用固定矩形区域作为前景，从而产生初始前 景分布。
10. 根据权利要求3、4、5、6和9中任意一项权利要求所述的自适应图像分割方法，其 中，参考位置表示初始的目标对象区域的重心。
11. 根据权利要求10所述的自适应图像分割方法，其中，通过以下步骤确定参考位置： 通过使用大律法OSTU对ROI进行分割，从而获得两种类型的像素； 计算两种类型的像素的平均像素值； 将平均像素值小的一种类型的像素组成的区域的重心确定为参考位置。
12. -种自适应图像分割装置，包括： ROI提取单元，被配置为从输入图像提取ROI ; ROI特征提取和分类单元，被配置为提取ROI的一种或更多种特征，并基于提取的特征 对ROI进行分类； 初始前景分布产生单元，被配置为针对不同类型的ROI产生不同的初始前景分布； 图像分割单元，被配置为基于产生的初始前景分布对ROI进行分割，以获得目标对象 区域。
13. 根据权利要求12所述的自适应图像分割装置，其中，所述一种或更多种特征是显 著性特征、平滑度特征或它们的组合。
14. 根据权利要求13所述的自适应图像分割装置，其中，ROI特征提取和分类单元被配 置为根据以下等式提取ROI的显著性特征：
其中，SaliencyScore表示一维显著性特征向量，i表示ROI中的第i个像素， countPixel表示ROI中的像素的总数，arraySaliency □表示像素值显著性数组， grayValueti]表示第i个像素的灰度值，dist表示第i个像素到参考位置的距离，δ表示 距离的权值且〇〈3〈1。
15. 根据权利要求13所述的自适应图像分割装置，其中，ROI特征提取和分类单元被配 置为根据以下等式提取ROI的显著性特征： SaliencyImage[i]=arraySaliency[grayValue[i]]*exp(-dist/δ ), 其中，SaliencyImage表示多维显著性特征向量，Saliencylmage[i]表示第i个像素的 显著性特征，arraySaliency □表示像素值显著性数组，grayValue [i]表示第i个像素的灰 度值，dist表示第i个像素到参考位置的距离，δ表示距离的权值且〇〈 δ〈1。
16. 根据权利要求14所述的自适应图像分割装置，其中，ROI特征提取和分类单元还被 配置为根据以下等式确定像素值显著性数组：
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□表示直方图数组，grayLevell表示 ROI中除特定像素之外的各个像素的像素值，dist表示特定像素到参考位置的距离，δ表 示距离的权值且〇〈3〈1。
17. 根据权利要求15所述的自适应图像分割装置，其中，ROI特征提取和分类单元还被 配置为根据以下等式确定像素值显著性数组：
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□表示直方图数组，grayLevell表示 ROI中除特定像素之外的各个像素的像素值，dist表示特定像素到参考位置的距离，δ表 示距离的权值且〇〈3〈1。
18. 根据权利要求12所述的自适应图像分割装置，其中，ROI特征提取和分类单元被配 置为将所述一种或者更多种特征作为输入，使用支持向量机、K均值K-Means算法或神经网 络将ROI分类为显性类ROI或隐性类ROI。
19. 根据权利要求18所述的自适应图像分割装置，其中，初始前景分布产生单元被配 置为：针对显性类ROI，使用K均值K-Means算法将ROI中的像素聚类为三类；将平均像素 值最小的一类像素确定为前景，将平均像素值最大的一类确定为背景；使用属于前景的像 素和属于背景的像素构造高斯混合模型GMM ;将未被确定为前景或背景的一类像素作为输 入，通过构造的GMM将该类像素确定为前景或背景，从而产生初始前景分布。
20. 根据权利要求18所述的自适应图像分割装置，其中，初始前景分布产生单元被配 置为：针对隐性类R0I，以参考位置作为中心，使用固定矩形区域作为前景，从而产生初始 前景分布。
21. 根据权利要求14、15、16、17和20中任意一项权利要求所述的自适应图像分割装 置，其中，参考位置表示初始的目标对象区域的重心。
22. 根据权利要求21所述的自适应图像分割装置，其中，初始前景分布产生单元还被 配置为：通过使用大律法OSTU对ROI进行分割，从而获得两种类型的像素；计算两种类型 的像素的平均像素值；将平均像素值小的一种类型的像素组成的区域的重心确定为参考位 置。
【专利摘要】公开一种自适应图像分割方法和设备。所述自适应图像分割方法包括以下步骤：从输入图像提取感兴趣区域（ROI）；提取ROI的一种或者更多种特征，并基于提取的特征对ROI进行分类；针对不同类型的ROI产生不同的初始前景分布；基于产生的初始前景分布对ROI进行分割，以获得目标对象区域。
【IPC分类】G06T7-00, G06K9-62, G06K9-32
【公开号】CN104732509
【申请号】CN201310701429
【发明人】张红卫, 任海兵, 赵川, 冀永楠, 张丽丹, 禹景久, 刘志花
【申请人】北京三星通信技术研究有限公司, 三星电子株式会社
【公开日】2015年6月24日
【申请日】2013年12月18日