实蝇磁共振图像的自动图像分割方法
【技术领域】
[0001] 本发明涉及磁共振图像处理技术领域，具体地讲是一种实蝇磁共振图像的自动图 像分割方法。
【背景技术】
[0002] 磁共振成像（MagneticResonanceImaging，MRI)技术是利用氢原子核的磁性、在 外加梯度磁场和激励的作用下产生共振信号，从而检测并绘制成物体内部的结构图像的一 种方法，是现代物理学应用于临床医学领域的一个里程碑。除医学领域外，MRI作为影像学 的高端核心技术正在迅速发展，其硬件平台和软件技术不断更新，应用范围逐步扩大。随着 设备小型化、国产化和价格下降，已逐步推广应用，如：物理、化学、医疗、石油化工、考古、出 入境检验检疫、工农业产品的品质检验、食品安全检测等诸多方面。
[0003] 在科研领域，磁共振还被应用于昆虫的成像，相关的研宄领域集中于对昆虫成像 的磁共振线圈的设计，以及如何得到清晰的磁共振图像。但是现有技术中，昆虫的磁共振成 像却未被用于解决实际的技术问题。众所周知，部分种类的实蝇是一种害虫，易对农作物产 生危害，尤其是外来物种的入侵，可能造成大量繁殖而无法遏制的现象。因此，对于出入境 检验检疫部门来说，快速地识别实蝇种类能够有效地防止外来有害生物的进入，提高出入 境检验检疫的效率，显得至关重要。
[0004]目前主要通过生物学和解剖学对实蝇进行识别。从生物学的角度对实蝇的外形等 进行辨认，由于不同种类实蝇相似度高，纯粹从外形辨认准确性和可靠性不高。通过对实蝇 解剖后再通过其内部结构进行辨认，工作相对复杂，且专业性要求较高，非专业技术人员难 以胜任，不便于出入境检验检疫部门的实际操作。现有技术中，磁共振虽然能够对实蝇成 像，却无法根据磁共振图像对实蝇进行识别和辨认，难以解决这一现实的技术问题。
[0005] 依据MRI图像识别实蝇，首先需要判别MRI序列图像帧中是否存在实蝇目标；其次 需要将实蝇目标从图像帧中提取出来，然后再提取实蝇目标特征进行识别。其中，对MRI图 像序列中的实蝇目标进行检测和提取，是最关键步骤之一，需要构建一种有效的自动图像 分割方法。然而，传统的图像分割方法通常是任务驱动型，需限定许多条件，并根据实际任 务来设计相应的算法，缺乏通用性。而MRI图像处理中会遇到变化的噪声、伪像、高维特征 空间和大数据量等实际问题困扰，使其研宄和应用面临挑战。
[0006] 人类视觉系统能够在不同环境下高效、可靠地工作，其具有以下优点：具有关注 机制、显著性检测和与此相关的视觉处理中的选择性和目的性；能够从低层视觉处理中利 用先验知识，使数据驱动的自底向上处理与自顶向下的知识指导在视觉处理中相互协调配 合；上下境信息在视觉处理的各个层次都发挥着重要作用，并且能够综合利用环境中各种 模态的信息。借鉴人类视觉改进机器视觉性能，是当前相关研宄的热点。但在人类视觉感知 机理尚不完全明了的情况下，如何构造具有人类视觉特点的机器视觉仍存在较大困难。若 能够构建模拟人类视觉的机器视觉系统，对磁共振图像进行分割和识别，则必然有力推进 磁共振成像技术在生物识别领域中的应用。
【发明内容】
[0007] 有鉴于此，本发明要解决的技术问题是，提供一种模拟人类视觉、实现图像自动处 理的实蝇磁共振图像分割方法。通过模拟人类主动视觉行为、对目标场景作快速有效注视， 实现机器对目标场景的视觉感知，从而准确分割实蝇目标。
[0008] 本发明的技术解决方案是，提供以下步骤的模拟人类视觉的图像分割方法，包括 以下各步骤：
[0009] 1)通过相位谱法对目标磁共振图像序列作显著性检测，得到相应断面的像素显著 度图，所述像素显著度图与所述目标磁共振图像的像素位置信息一致；
[0010] 2)对所述的像素显著度图中的显著点，依据显著度进行排序；
[0011] 3)选取每个断面前N个显著点作为注视点，以这些点的离散程度来判断该断面是 否存在实蝇目标，若存在实蝇目标，则记录该断面；
[0012] 4)将记录下来的所有含实蝇目标的断面作累加，得到累加后的目标图，以增强信 噪比；
[0013] 5)对累加后的目标图进行显著度检测，对得到目标图的像素显著度图中的显著 点，依据显著度进行排序；
[0014] 6)选取前M个显著点作为注视点，以每个注视点为中心，形成信息熵最大的局部 区域，这些局部区域组成注视区域；
[0015] 7)对所述的注视区域内部像素进行奇数次随机采样，并对注视区域外部进行奇数 次等量的像素随机采样；采样得到的注视区域内部像素作为正样本，注视区域外部像素作 为负样本；
[0016] 8)利用极限学习机训练策略，并行训练得到奇数个二分类的前馈神经网络模型， 通过该模型分类所述目标图像的全部像素，将被分为正样本的像素区域作为第一目标区。
[0017] 采用本发明的方法，与现有技术相比，本发明具有以下优点：通过相位谱法进行 显著性检测，能够快速形成像素显著度图；依据显著度排序像素，可粗略定位显著度高的 注视区域；对该区域内部和外部同时进行少量像素采样，组成正负样本数据集训练前馈神 经网络，随后借助该神经网络分类像素，能获得显著度高的、更精确的区域作为第一目标 区；且可建立第一目标区的基础上，适当扩大显著度高的注视区域范围，再次经神经网络学 习-分类形成相应的分割结果，并与第一目标区进行比较，以判断目标区是否稳定；由于磁 共振图像由一组断面图组成，首先需要筛选出含有实蝇的断面图，对这些断面图进行累加， 再根据显著性特性将实蝇图像提取和分割出来，并根据不同种类的实蝇的特征进行比对和 识别。本发明能够从实蝇磁共振图像中分割出实蝇的最有效区域信息，用于实蝇种类的识 另IJ，无需进行生物学和解剖学的分析对比，识别准确度高。
[0018] 作为改进，选取前M+X个显著点作为注视点，依照步骤6)形成注视区域，再经步 骤7)和8)得到相应的第二目标区；比较第一目标区和第二目标区的重叠程度，重叠程度大 则表明对目标的视觉感知强度大；重叠程度小则表明还未形成足够的对目标的视觉感知强 度，继续重复上述过程，直至达到足够的视觉感知强度，最终的目标区为上述过程所有目标 区的叠加，通过该目标区的外接矩形框截取含实蝇目标的断面中的目标信息。该设计能够 加快视觉感知目标的生成与输出，并得到更为稳定的目标区，注视的结果更为可靠。
[0019] 作为改进，步骤3)中注视点的离散程度是通过各注视点坐标均值所对应的位置 与各注视点的归一化距离之和来表征。
【附图说明】
[0020] 图1为本发明实蝇磁共振图像的自动图像分割方法的流程图。
【具体实施方式】
[0021] 下面就具体实施例对本发明作进一步说明，但本发明并不仅仅限于这些实施例。
[0022] 本发明涵盖任何在本发明的精髓和范围上做的替代、修改、等效方法以及方案。为 了使公众对本发明有彻底的了解，在以下本发明优选实施例中详细说明了具体的细节，而 对本领域技术人员来说没有这些细节的描述也可以完全理解本发明。此外，本发明之附图 中为了示意的需要，并没有完全精确地按照实际比例绘制，在此予以说明。
[0023] 如图1所示，本发明的实蝇磁共振图像的自动图像分割方法，包括以下各步骤：
[0024] 1)通过相位谱法对目标磁共振图像序列作显著性检测，得到相应断面的像素显著 度图，所述像素显著度图与所述目标磁共振图像的像索位置信息一致；
[0025] 2)对所述的像素显著度图中的显著点，依据显著度进行排序；
[0026] 3)选取每个断面前N个显著点作为注视点，以这些点的离散程度来判断该断面是 否存在实蝇目标，若存在实蝇目标，则记录该断面；
[0027] 4)将记录下来的所有含实蝇目标的断面作累加，得到累加后的目标图，以增强信 噪比；
[0028] 5)对累加后的目标图进行显著度检测，对得到目标图的像素显著度图中的显著 点，依据显著度进行排序；
[0029] 6)选取