一种乳房皮肤线的检测方法和装置与流程

本申请是于2014年03月11日提交中国专利局、申请号为201410088614.x、发明名称为“一种乳房皮肤线的检测方法和装置”的中国专利申请的分案。

本发明涉及图像处理领域，尤其涉及一种乳房皮肤线的检测方法和装置。

背景技术：

在临床中，乳房动态对比度增强磁共振图像通常包含若干个磁共振图像扫描序列，以满足放射科医师的不同需求。为了便于比较观察磁共振图像中乳房内组织打入造影剂之前和之后的增强情况，该磁共振图像扫描序列通常采用t1加权的压脂图像序列。t1加权的压脂图像序列较其它类型图像序列具有较高的噪声水平、较强的伪影干扰和较低的图像灰度对比度，并且不同扫描断层以及相同扫描断层中乳房皮肤线的灰度和梯度分布具有多样性。此外，图像中乳房腺体纤维组织与皮肤线位置的临近也增加了乳房皮肤线准确检测的难度。

针对三维磁共振图像中乳房皮肤线的检测，手动和需用户辅助的半自动检测方法比较繁复、效率低、并且存在较大的观察者之间和观察者自身的差异。

在全自动检测方面，目前主要研究集中在t1加权未压脂的磁共振图像序列上，而在t1加权压脂的磁共振图像序列上乳房皮肤线的全自动检测方法还比较少。由于t1加权的压脂图像序列较未压脂图像序列具有较高的噪声水平、较强的伪影干扰和较低的图像灰度对比度，因此，在未压脂图像序列上已有的方法不适用于压脂图像序列。由于不同扫描断层以及相同扫描断层中乳房皮肤线的灰度和梯度分布具有多样性、某些病患较薄的乳房皮肤线经过压脂处理后具有更低的对比度、以及图像中腺体纤维组织与皮肤线位置临近，导致基于阈值的检测方法或者基于梯度的检测方法不足以准确地提取出乳房皮肤线。基于模型的检测方法需要大量的训练样本去训练模型以获得较为准确的检测结果，而这些精准训练样本的获取是一项更艰巨和繁复的任务。

技术实现要素：

本发明解决的问题是提供一种乳房皮肤线的检测方法和装置，不仅结合皮肤线特征的统计分布增强原始图像中的皮肤线，通过梯度图像不同级别的饱和化处理去除了腺体纤维组织和皮肤线外伪影对皮肤线检测的干扰，还结合相邻扫描断层中皮肤线的连续性特点，准确且有效地实现了皮肤线的全自动检测。

为了解决上述问题，本发明提供了一种乳房皮肤线的检测方法，包括如下步骤：

输入乳房组织的原始三维序列图像，根据所述乳房组织在图像中的特征点和特征位置，确定左、右乳房的感兴趣区域；

根据皮肤线特征的统计分布，增强所述左、右乳房感兴趣区域中图像上的乳房皮肤线；

分别根据所述左、右乳房感兴趣区域的中间层图像，通过动态规划方法，确定所述左、右乳房感兴趣区域中间层图像上的皮肤线；

基于所述左、右乳房感兴趣区域的中间层图像上的皮肤线，分别依次确定所述左、右乳房感兴趣区域中除了所述中间层以外的层图像上的皮肤线。

进一步地，分别依次确定所述左、右乳房感兴趣区域中除了所述中间层以外的层图像上的皮肤线的过程如下：

在所述除中间层以外的层中，所述左、右乳房感兴趣区域中间层两侧分别按离中间层由近及远的次序依次选择图像层作为当前层，获取所述当前层的二维转换图像和梯度图像；

基于高斯核函数和所述当前层前一层或后一层图像上皮肤线的检测结果，对所述当前层梯度图像进行改进；

通过动态规划的方法，得到目标边界线，所述目标边界线为所述当前层的皮肤线在所述二维转换图像中的位置；

判断所述当前层的目标边界线是否具有波动，若具有波动，则通过第二级别饱和化处理消除所述波动；

将所述目标边界通过极坐标逆转换的方法转换为所述当前层图像上的皮肤线。

进一步地，增强所述左、右乳房感兴趣区域中的乳房皮肤线的过程为：

确定用于获取所述皮肤线特征的统计分布的数据集；

基于所述数据集中乳房皮肤线的位置和特征，得到所述皮肤线特征的统计分布；

分别将所述左、右乳房感兴趣区域中每一个像素点的特征与所述皮肤线特征的统计分布中相对应特征的分布百分比值相乘。

进一步地，确定所述左、右乳房感兴趣区域中间层图像上皮肤线的过程如下：

根据射线扫描起始点、射线扫描半径和扫描射线数目，基于极坐标转换和射线扫描方法分别将所述左、右乳房感兴趣区域中间层图像转换为二维转换图像；其中，所述射线扫描起始点为所述左、右乳房的中心点在所述中间层图像中所述左、右乳房感兴趣区域下边界上的投影点；所述射线扫描起始点距离所述左、右乳房乳头的距离确定所述射线扫描半径；

通过动态规划的方法获取所述二维转换图像中的目标边界线，所述目标边界线即为所述左、右乳房感兴趣区域中间层图像上的皮肤线经过转换后在二维转换图像中的位置；

判断所述目标边界线是否具有波动，若具有波动，则通过第二级别梯度饱和化处理消除所述波动；

基于所述目标边界线，通过极坐标逆转换的方法获取所述左、右乳房感兴趣区域中间层图像上的皮肤线。

进一步地，通过第二级别饱和化处理消除所述波动的过程如下：

根据所述梯度分布累积直方图和第二阈值，得到经过所述第二级别饱和化处理的梯度图像；

根据所述梯度图像，进行动态规划，得到最优曲线；

以所述最优曲线在所述梯度图像每列中的位置为起点，依次确定在所述梯度图像每列中垂直向下方向上第一个具有最大梯度值的位置；将所述梯度图像对应图像列中该位置向下的所有像素点的梯度值赋值为所述最大梯度值，即更新所述梯度图像；

根据所述更新的梯度图像，进行动态规划，得到所述目标边界线。

为了解决上述问题，本发明还提出一种乳房皮肤线的检测装置，包括：

感兴趣区域确定单元，适用于输入乳房组织的原始三维序列图像，根据所述乳房组织在图像中的特征点和特征位置，确定左、右乳房相应的感兴趣区域；

增强单元，适用于根据皮肤线特征的统计分布，增强所述左、右乳房感兴趣区域中的乳房皮肤线；

中间层皮肤线确定单元，适用于分别根据所述左、右乳房感兴趣区域的中间层图像，通过动态规划方法，确定所述左、右乳房感兴趣区域中间层图像上的皮肤线；

皮肤线确定单元，适用于基于所述左、右乳房感兴趣区域的中间层图像上的皮肤线，分别依次确定所述左、右乳房感兴趣区域中除了所述中间层以外的层图像上的皮肤线。

进一步地，分别依次确定所述左、右乳房感兴趣区域中除了所述中间层以外的层图像上的皮肤线的过程如下：

在所述除中间层以外的层中，所述左、右乳房感兴趣区域中间层两侧分别按离中间层由近及远的次序依次选择图像层作为当前层，获取所述当前层的二维转换图像和梯度图像；

基于高斯核函数和所述当前层前一层或后一层图像上皮肤线的检测结果，对所述当前层梯度图像进行改进；

通过动态规划的方法，得到目标边界线，所述目标边界线为所述当前层的皮肤线在所述二维转换图像中的位置；

判断所述当前层的目标边界线是否具有波动，若具有波动，则通过第二级别饱和化处理消除所述波动；

将所述目标边界通过极坐标逆转换的方法转换为所述当前层图像上的皮肤线。

进一步地，确定所述左、右乳房感兴趣区域中间层图像上皮肤线的过程如下：

根据射线扫描起始点、射线扫描半径和扫描射线数目，基于极坐标转换和射线扫描方法分别将所述左、右乳房感兴趣区域中间层图像转换为二维转换图像；其中，所述射线扫描起始点为所述左、右乳房的中心点在所述中间层图像中所述左、右乳房感兴趣区域下边界上的投影点；所述射线扫描起始点距离所述左、右乳房乳头的距离确定所述射线扫描半径；

通过动态规划的方法获取所述二维转换图像中的目标边界线，所述目标边界线即为所述左、右乳房感兴趣区域中间层图像上的皮肤线经过转换后在二维转换图像中的位置；

判断所述目标边界线是否具有波动，若具有波动，则通过第二级别梯度饱和化处理消除所述波动；

基于所述目标边界线，通过极坐标逆转换的方法获取所述左、右乳房感兴趣区域中间层图像上的皮肤线。

进一步地，所述动态规划方法中的局部能量方程的公式表示为：

c(i)＝dis(i,i-1)/max(dis)+g1(i)/max(g1)(1)

其中，i表示阶段，所述阶段为所述二维转换图像的每一列，所述二维转换图像的每一列为通过所述射线扫描方法顺序得到的射线，每一列上的像素点的灰度值为射线扫描方法顺序得到的射线在所述左、右乳房感兴趣区域中间层图像中经过的像素的灰度值；为第i阶段上点p(j)的局部能量；表示所述点p(j)到第i-1阶段上点q(k)在第i阶段上投影的距离；表示所述二维转换图像中所有距离中的最大值；表示第i阶段上点p(j)在经过第一级别饱和化处理后梯度图像中的图像梯度；表示二维转换图像中所有点经过第一级别饱和化处理后的梯度图像中的最大值。

进一步地，通过第二级别饱和化处理消除所述波动的过程如下：

根据所述梯度分布累积直方图和第二阈值，得到经过所述第二级别饱和化处理的梯度图像；

根据所述梯度图像，进行动态规划，得到最优曲线；

以所述最优曲线在所述梯度图像每列中的位置为起点，依次确定在所述梯度图像每列中垂直向下方向上第一个具有最大梯度值的位置；将所述梯度图像对应图像列中该位置向下的所有像素点的梯度值赋值为所述最大梯度值，即更新所述梯度图像；

根据所述更新的梯度图像，进行动态规划，得到所述目标边界线。

与现有技术相比，本发明结合了乳房皮肤线灰度的统计分布增强原始图像中的乳房皮肤线；

进一步地，通过不同级别的梯度饱和化处理去除了腺体纤维组织和皮肤线外伪影对皮肤线检测的干扰；

进一步地，引入了相邻扫描断层中乳房皮肤线的连续性特点，准确且有效地实现对乳房皮肤线的全自动检测。

附图说明

图1所示为本发明实施例一种乳房皮肤线的检测方法的流程示意图；

图2所示为本发明实施例增强左、右乳房感兴趣区域中的乳房皮肤线的流程示意图；

图3所示为本发明实施例确定所述左、右乳房感兴趣区域中间层图像上皮肤线的流程示意图；

图4所示为本发明实施例获取所述第一级别梯度饱和化处理的梯度图像的流程示意图；

图5所示为本发明实施例通过所述第一阈值和梯度分布累计直方图，得到所述第一级别梯度饱和化处理的梯度图像的流程示意图；

图6所示为本发明实施例通过第二级别梯度饱和化处理消除所述波动的流程示意图；

图7所示为本发明实施例确定所述左、右乳房感兴趣区域中除了所述中间层以外的层图像上的皮肤线的流程示意图；

图8所示为本发明实施例一种乳房皮肤线的检测装置的结构示意图。

具体实施方式

在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施的限制。

其次，本发明利用示意图进行详细描述，在详述本发明实施例时，为便于说明，所述示意图只是实例，其在此不应限制本发明保护的范围。

下面结合附图和实施例对本发明一种乳房皮肤线的检测方法和装置进行详细地说明。本发明实施例乳房皮肤线的检测方法如图1所示，首先，执行步骤s1，输入乳房组织的原始三维序列图像，根据所述乳房组织在图像中的特征点和特征位置，确定左、右乳房的感兴趣区域。具体地，在本实施例中，以乳房磁共振图像为例，在进行图像降噪处理之前，首先建立人体坐标系：左右方向的冠状轴为x轴，前后方向的矢状轴为y轴，上下方向的垂直轴为z轴。由所述乳房的mr横断面系列图像(即每层横断面图像的z值是固定的)计算得到标准差图像，并对标准差图像采用大律法(otsu)阈值的一半进行自动分割，结合形态学方法和提取连通域得到最终的分割结果。接着将分割结果(即分割后的图像)作为模板，所述乳房的每一层mr横断面图像都与所述模板相乘，即对所述乳房磁共振图像进行了降噪，降噪后的乳房磁共振图像的每一层横断面沿z轴做最大值投影，得到的最大值投影图，并选取部分降噪后的乳房磁共振图像的横断面图像沿z轴做平均值投影，得到的平均值投影图。计算所述平均值投影图的每一行所有像素点的灰度值之和，选取所述灰度值之和最大的行作为初始下边界；在最大值投影图上，从左到右扫描初始下边界位置上的所有像素点，第一个灰度变化不为0的像素点所在的位置为所述在最大值投影图中x轴方向上的第一外边界，最后一个灰度变化不为0的像素点所在的位置为所述在最大值投影图中x轴方向上的第二外边界，确定了感兴趣区域在x轴方向上的第一外边界(左乳房的左边界)和第二外边界(右乳房的右边界)。以x轴方向上的第一外边界和第二外边界(即左右边界)的中心线为分割线将最大值投影图分为两个部分，即第一部分和第二部分；对第一部分(左边部分，左乳房所在的区域)和第二部分(右边部分，右乳房所在的区域)分别从上到下进行扫描，在第一部分检测到的y值最小的非零像素点为点p1，经过点p1且平行于最大值投影图中x轴的直线为第一部分(左边部分)y轴方向上第一外边界；在第二部分检测到的y值最小的非零为点p2，经过点p2且平行于最大值投影图中x轴的直线为第二部分(右边部分)y轴方向上的第二外边界，即确定了感兴趣区域在y轴方向上的第一外边界(左乳房的上边界)和第二外边界(右乳房的上边界)。

接着，根据所述初始下边界与y轴交点的y坐标值y0，计算所述乳房三维图像的第i层横截面与其y轴交点的y坐标值yi，其中，i表示所述乳房三维图像的横断面的层次。得到每一层横断面图像与其y轴的交点，经过所述交点且平行于该层横断面中x轴的直线即为每一层横断面图像中y轴方向上的下边界，所有横断面图像中y轴方向上的下边界再经过三维平面拟合，得到所述在y轴方向上的第三外边界，即为所述感兴趣区域的下边界。

接着，在所述第一图像ixy’中，通过边缘检测得到所述感兴趣区域的边界线；选取所述边界线上的点pi，计算所述点pi与其前面第m个点的连线和所述点pi与其后面第m个点的连线之间的夹角余弦值；据所述夹角余弦值，确定所述感兴趣区域在x轴方向上的内边界。分别选取点p1和点p2各自所在的矢状面前后n层沿x轴做最大值投影，点p1和点p2为所述乳房组织在图像中的特征点，点p1和点p2所在的位置也即为左右乳房的乳头所在的位置，得到二维第一图像iyz’和二维第二图像iyz”，其中，所述二维图像iyz为所述二维第一图像iyz’和二维第二图像iyz”；所述左二维图像iyz和右二维图像iyz通过边缘检测，确定所述感兴趣区域在z轴方向上的边界。通过上述方法，根据特点点p1和p2，以及特征位置左乳房的左边界、右乳房的右边界、左乳房的上边界、右乳房的上边界、乳房的内边界和下边界和z轴方向上的边界，得到左、右乳房的感兴趣区域，并得到所述左、右乳房感兴趣区域的中心点。在本实施例中，输入160层三维磁共振乳房图像，感兴趣区域的为第20层到第120层之间的图像。

接着，执行步骤s2，根据皮肤线特征的统计分布，增强所述左、右乳房感兴趣区域中图像上的乳房皮肤线。

接着，执行步骤s3，分别根据所述左、右乳房感兴趣区域的中间层图像，通过动态规划方法，确定所述左、右乳房感兴趣区域中间层图像上的皮肤线。在本实施例中，所述中间层为所述左、右乳房的乳头所在的层。中间层也可以为所述感兴趣区域的最中间层的图像，还可以为所述感兴趣区域最中间层图像附近的某一层图像。

接着，执行步骤s4，基于所述左、右乳房感兴趣区域的中间层图像上的皮肤线，分别依次确定所述左、右乳房感兴趣区域中除了所述中间层以外的层图像上的皮肤线。

优选地，在本实施例中，增强所述左、右乳房感兴趣区域的乳房皮肤线的过程如图2所示，首先，执行步骤s201，确定用于获取所述皮肤线特征的统计分布的数据集。在本实施例中，所述皮肤线特征的统计分布为灰度统计分布。通过手动或半自动的方法将用于获取所述皮肤线灰度统计分布的多幅三维磁共振乳房图像中的皮肤线确定出来，即得到用于获取所述皮肤线特征的统计分布的乳房皮肤线的位置。接着，执行步骤s202，基于所述数据集中乳房皮肤线的位置和特征，得到所述皮肤线特征的统计分布。具体地，在本实施例中，根据乳房皮肤线的位置和所述位置对应的灰度，得到皮肤线灰度值分布的百分比。接着，执行步骤s203，分别将所述左、右乳房感兴趣区域中每一个像素点的灰度与所述皮肤线灰度统计分布中相对应灰度的分布百分比值相乘，以增强左、右乳房感兴趣区域中的乳房皮肤线。

步骤s3中确定所述左、右乳房感兴趣区域中间层图像上皮肤线的优选过程如图3所示，首先，执行步骤s301，根据射线扫描起始点、射线扫描半径和扫描射线数目，基于极坐标转换和射线扫描方法分别将所述左、右乳房感兴趣区域中间层图像转换为二维转换图像。其中，所述射线扫描起始点为所述左、右乳房的中心点在所述中间层图像中所述左、右乳房感兴趣区域下边界上的投影点；所述射线扫描起始点距离所述左、右乳房乳头的距离确定所述射线扫描半径。在本实施例中，对于左乳房，以左乳房乳头所在的层为中间层图像，即第80层，以步骤s1中确定的左乳房的中心点在所述中间层图像中左乳房感兴趣区域的下边界上的投影点为射线扫描起始点，以所述射线扫描起始点距离所述左乳房乳头的距离加上14mm为所述扫描半径，通过极坐标转换和射线扫描方法将所述左乳房感兴趣区域中间层图像转换为二维转换图像，所述二维转换图像中的x轴表示扫描射线的序号，y轴表示射线上点距离射线扫描起始点的距离。其中，扫描的射线数目为181条。通过射线扫描方法得到的每一条扫描射线，每一条扫描射线通过极坐标方法转换到二维转换图像中就是二维图像中的每一列，而每一列上的点表示每一条扫描射线在中间层图像中经过的点。通过同样的步骤，将所述右乳房感兴趣区域中间层图像转换为二维转换图像。通过上述步骤，二维乳房组织图像(中间层图像)中的皮肤线被重采样。

接着，执行步骤s302，通过动态规划的方法获取所述二维转换图像中的目标边界线，所述目标边界线即为所述左、右乳房感兴趣区域中间层图像上的皮肤线经过转换后在二维转换图像中的位置。具体地，在动态规划中，二维转换图像的每一列(射线扫描方法获得的每一条扫描射线)被认为是阶段，二维转换图像每一列上的点被认为是阶段上的候选点，从第一阶段到最后阶段(二维转换图像的第一列到最后一列)具有最小累积局部能量的路径被认为是最优路径，即目标边界线(中间层的皮肤线)。因此，需要建立二转换维图像每一列上的点的局部能量方程，该局部能量方程可以根据乳房三维图像的灰度、梯度或形状特征来建立，可以有多种表示方式。局部能量由内部能量和外部能量共同决定，其中内部能量决定了最优路径(目标边界线)的平滑性，外部能量决定了最优路径位于梯度大的位置。根据局部能量方程进行动态规划，从而找到目标边界线，确定中间层图像上皮肤线在二维转换图像中的位置。

根据上述所描述，需要确定二维转换图像每一列上的点的局部能量，在本实施例中，所述动态规划方法中的局部能量方程的公式表示为：

c(i)＝dis(i,i-1)/max(dis)+g1(i)/max(g1)(1)

其中，i表示阶段，所述阶段为所述二维转换图像的每一列，所述二维转换图像的每一列为通过所述射线扫描方法顺序得到的射线，每一列上的像素点的灰度值为射线扫描方法顺序得到的射线在所述左、右乳房感兴趣区域中间层图像中经过的像素的灰度值；c(i)为第i阶段上点p(j)的局部能量；dis(i,i-1)表示所述点p(j)到第i-1阶段上点q(k)在第i阶段上投影的距离；max(dis)表示所述二维转换图像中所有距离中的最大值；g1(i)表示第i阶段上点p(j)在经过第一级别饱和化处理后梯度图像g1中的图像梯度；max(g1)表示二维转换图像中所有点经过第一级别饱和化处理后的梯度图像中的最大值。max(dis)和max(g1)用于归一化内部能量定义中其相应项。根据乳房皮肤线在图像中的特点，乳房皮肤线位于由暗灰度变化到亮灰度的具有较大梯度值的位置。

接着，执行步骤s303，判断步骤s302中得到的目标边界线是否具有波动，若具有波动，则执行步骤s304，通过第二级别梯度饱和化处理消除所述波动，再接着执行步骤s305，基于所述目标边界线，通过极坐标逆转换的方法获取所述左、右乳房感兴趣区域中间层图像上的皮肤线；若所述目标边界线不具有波动，则直接执行步骤s305，基于所述目标边界线，通过极坐标逆转换的方法获取所述左、右乳房感兴趣区域中间层图像上的皮肤线。本发明实施例的波动指曲线上的相邻像素点在图像中不相邻。

二维转换图像上动态规划获得曲线上的点在空间位置上应该是连续的，但是，由于乳房内腺体纤维组织与乳房皮肤线的邻近，造成对乳房皮肤线检测的干扰，由此导致在二维转换图像上动态规划获得的曲线中具有向下的波动。因此，需要对目标边界线的波动进行检测。具体地，在本实施例中，若目标边界线上所有相邻像素点之间在二维转换图像中y轴方向上的距离差小于等于1个像素点，则表明目标边界线是连续的，则执行步骤s305。若目标边界线上相邻像素点之间在二维转换图像中y轴方向上的距离差大于等于2个像素点，则就表明目标边界线上相邻像素点在图像中不相邻，即是有波动的，则执行步骤s304，需要通过第二级别梯度饱和化处理消除所述波动。

接着，执行步骤s305，基于所述目标边界线，通过极坐标逆转换的方法获取所述左、右乳房感兴趣区域中间层图像上的皮肤线。其中，中间层图像上极坐标逆转换的皮肤线在每一图像列上至少要有一个像素，若没有，则在检测的皮肤线上已有的前一个像素点和后一个像素点中间进行线性插值，从而得到左、右乳房中间层的皮肤线。

在动态规划过程中，步骤s302中所述第一级别梯度饱和化处理的梯度图像g1的优选获取过程如图4所示，首先，执行步骤s401，对所述步骤s301得到的二维转换图像进行高斯平滑，得到平滑图像。接着，执行步骤s402，基于所述平滑图像，得到初始梯度图像，并计算所述初始梯度图像的梯度平均值。具体地，将平滑图像求取基于二维高斯核的在二维转换图像的y轴方向上的梯度(偏导数)，即得到平滑图像各像素点的梯度值，将平滑图像各像素点的梯度值线性变化到0-1023的范围，此时的图像即为初始梯度图像。需要说明的是，平滑图像各像素点的梯度值也可以变化到0-512或其它的范围。再计算初始梯度图像中所有像素点的梯度平均值。再接着，执行步骤s403，基于所述初始梯度图像和二维转换图像，确定干扰像素点，并将所述初始梯度图像的梯度平均值赋予所述干扰像素点，而其余像素点的梯度值不变，即为梯度图像g。具体地，根据乳腺皮肤线周围的灰度特征，为了消除无关因素对动态规划过程的影响，因此，需要将一些对动态规划过程有影响的像素点(干扰像素点)确定出来。选取初始梯度图像中梯度值小于512的像素点m(m)，对于这些像素点，在二维转换图像中，计算像素点m(m)在垂直向上方向的m(5-20)个像素点的灰度平均值，所述灰度平均值大于预先设定的阈值范围是10-80，则所述像素点m(m)为干扰像素点，干扰像素点为位于乳房腺体纤维组织内部的像素点。需要说明的是，若步骤s402中平滑图像各像素点的梯度值变化到0-512的范围，则选取初始梯度图像中梯度值小于256的像素点。在本实施例中，m的取值为7mm(10个像素)，阈值的取为30。并将所述初始梯度图像的梯度平均值赋予所述干扰像素点，而其余像素点的梯度值不变，即得到梯度图像g。接着，执行步骤s404，统计所述梯度图像g的梯度分布，得到梯度分布累积直方图。接着，执行步骤s405，通过第一阈值和所述梯度分布累积直方图，得到所述第一级别梯度饱和化处理的梯度图像g1。

具体地，步骤s405中通过所述第一阈值和梯度分布累积直方图，得到所述第一级别梯度饱和化处理的梯度图像g1的优选过程如图5所示，首先，执行步骤s501，根据所述梯度分布累积直方图，得到所述第一阈值所对应的第一梯度值。在本实施例中，设定的第一阈值为1％，在所述梯度分布累积直方图中，找到对应的梯度值，即为第一梯度值。接着，执行步骤s502，将所述梯度图像g中所有梯度值与第一梯度值和梯度平均值进行比较，其中，所述梯度平均值为所述梯度图像g所有梯度值的平均值，若所述梯度图像g中梯度值小于所述第一梯度值，则将该梯度值赋值为0；若所述梯度图像g中梯度值大于梯度平均值，则将该梯度值赋值为所述梯度平均值，其余梯度值保持不变，从而得到更新的梯度图像g。接着，执行步骤s503，利用第一梯度值和梯度平均值对更新的梯度图像g进行拉伸，得到所述第一级别梯度饱和化处理的梯度图像g1。对于左、右乳房，分别根据上述局部能量方程(1)，可以得到目标边界线，即检测到的中间层图像上的皮肤线在二维转换图像中的位置。

在本实施例中，步骤s304中通过第二级别梯度饱和化处理消除所述波动的优选过程如图6所示，首先，执行步骤s601，根据所述梯度分布累积直方图和第二阈值，得到经过所述第二级别饱和化处理的梯度图像g2。具体地，在本实施例中，第二阈值为10％，在梯度分布累积直方图中获得与所述第二阈值相对应的梯度值，即第二梯度值。梯度图像g中梯度值小于第二梯度值的梯度值被赋值为0，梯度图像g中梯度值大于梯度图像g中所有梯度的梯度平均值的梯度值被赋值为梯度平均值，其余梯度值不变，即得到更新的梯度图像g，再利用第二梯度值和梯度平均值对更新的梯度图像g进行线性拉伸，得到经过所述第二级别饱和化处理的梯度图像g2。接着，执行步骤s602，根据所述梯度图像g2，进行动态规划，得到最优曲线。具体地，在本实施例中，通过公式(2)在二维转换图像中进行动态规划，其中，所述公式(2)为：

c(i)＝dis(i,i-1)/max(dis)+g2(i)/max(g2)(2)

其中，i表示阶段，所述阶段为所述二维转换图像的每一列，所述二维转换图像的每一列为通过所述射线扫描方法顺序得到的射线，每一列上的像素点的灰度值为射线扫描方法顺序得到的射线在所述左、右乳房感兴趣区域中间层图像中经过的像素的灰度值；c(i)为第i阶段上点p(j)的局部能量；dis(i,i-1)表示所述点p(j)到第i-1阶段上点q(k)在第i阶段上投影的距离；max(dis)表示所述二维转换图像中所有距离中的最大值；g2(i)表示第i阶段上点p(j)在经过第二级别饱和化处理后梯度图像g2中的图像梯度；max(g2)表示二维转换图像中所有点经过第二级别饱和化处理后的梯度图像中的最大值。

接着，执行步骤s603，以所述最优曲线在所述梯度图像g2每列中的位置为起点，依次确定在所述梯度图像g2每列中垂直向下方向上第一个具有最大梯度值的位置；将梯度图像g1对应图像列中该位置向下的所有像素点的梯度值赋值为所述最大梯度值，即更新所述梯度图像g1。具体地，虽然利用第二级别梯度饱和化处理后得到的最优曲线可以去除乳房内腺体纤维组织对乳房皮肤线检测的影响，但是，由于乳房皮肤线外伪影的影响，导致第二级别梯度饱和化和动态规划处理后得到的最优曲线位于实际乳房皮肤线的外侧。因此，以所述最优曲线在所述梯度图像g2每列中的位置为起点，依次在梯度图像g2每列中垂直向下寻找该图像列上第一个梯度值为255的梯度值所在的位置，并将梯度图像g1对应图像列中该位置垂直向下的所有像素点的梯度值赋值为255，其余位置的梯度值不变，即更新了所述梯度图像g1。接着，执行步骤s604，根据所述更新的梯度图像g1，进行动态规划，得到所述目标边界线。具体地，根据公式(1)进行动态规划，得到目标边界线。

具体地，在本实施例中，确定所述左、右乳房感兴趣区域中除了所述中间层以外的层图像上的皮肤线的优选过程如图7所示，首先，执行步骤s701，在所述除中间层以外的层中，所述左、右乳房感兴趣区域中间层两侧分别按离中间层由近及远的次序依次选择图像层作为当前层，获取所述当前层的二维转换图像和梯度图像。具体地，在本实施例中，以左乳房为例，中间层为第80层，从中间层开始分别向前和向后逐层进行处理，则向前逐层处理的时候最先处理的是第79层，向后逐层处理的时候最先处理的是第81层。以获取第79层图像的皮肤层为例，则当前层为第79层，通过步骤s301和步骤s302获得第79层的二维转换图像和梯度图像。

接着，执行步骤s702，基于高斯核函数和所述当前层前一层或后一层图像上皮肤线的检测结果，对所述当前层梯度图像进行改进。具体地，在第79层的二维转换图像中，以后一层(第80层，中间层)二维转换图像每一列上检测到的目标边界线(皮肤线)的位置为中心，即得到的中间层目标边界线(皮肤线)与第79层二维转换图像中每一列的交点，将第79层二维转换图像的相应列上的梯度值乘以一个以该交点为中心的一维高斯核函数(sigma＝5)确定的权重值，从而得到改进后的第79层梯度图像。这是由于相邻层次乳房皮肤线的位置变化较小，应用该改进方法可以很大程度地保留当前层皮肤线所在位置的梯度，并且抑制非乳房皮肤线区域的梯度，使得后续动态规划结果更加准确。需要说明的是，若当前层为第81层，则第80层为其前一层。

接着，执行步骤s703，通过动态规划的方法，得到目标边界线，所述目标边界线为所述当前层图像上的皮肤线在所述二维转换图像中的位置。具体地，基于步骤s702中得到的改进后的梯度图像，按照步骤s302的动态规划的方法获得第79层的目标边界线(皮肤线)。

再接着，执行步骤s704，判断所述当前层的目标边界线是否具有波动。具体地，判断第79层的目标边界线(皮肤线)是否具有波动，若有，则执行步骤s705，通过第二级别饱和化处理消除所述波动，具体的过程和消除中间层图像上皮肤线上的波动的方法一样。若无波动，则执行步骤s706，将所述目标边界通过极坐标逆转换的方法转换为所述第79层图像上的皮肤线，具体的过程和处理中间层图像的方法一样。按照上述方法，再以第78层为当前层，第79层为前一层，获得第78层图像上的皮肤线，依次类推，可以得到各层图像上的皮肤线。按照上述方法，同样得到右乳房感兴趣区域各层图像上的皮肤线。通过上述步骤，检测得到所述乳房组织的皮肤线。

对应于上述乳房皮肤线的检测方法，本发明实施例还提供了一种乳房皮肤线的装置，如图8所示，包括感兴趣确定区域单元1、增强单元2、中间层皮肤线确定单元3和皮肤线确定单元4。

所述感兴趣区域确定单元1适于输入乳房组织的原始三维序列图像，根据所述乳房组织在图像中的特征点和特征位置，确定左、右乳房相应的感兴趣区域。

所述增强单元2适于根据皮肤线特征的统计分布，增强所述左、右乳房感兴趣区域中的乳房皮肤线。具体地，确定用于获取所述皮肤线灰度的统计分布的数据集；基于所述数据集中乳房皮肤线的位置和所述位置对应的灰度，得到所述皮肤线灰度的统计分布；分别将所述左、右乳房感兴趣区域中每一个像素点的特征与所述皮肤线灰度的统计分布中相对应灰度的分布百分比值相乘。

所述中间层皮肤线确定单元3适于分别根据所述左、右乳房感兴趣区域的中间层图像，通过动态规划方法，确定所述左、右乳房感兴趣区域中间层图像上的皮肤线，其中，所述中间层为所述左、右乳房的乳头所在的层。

所述皮肤线确定单元4适于基于所述左、右乳房感兴趣区域的中间层图像上的皮肤线，分别依次确定所述左、右乳房感兴趣区域中除了所述中间层以外的层图像上的皮肤线。

上述乳房皮肤线检测装置中各单元的配合及工作过程可以参考上述乳房皮肤线检测方法的说明，在此不再赘述。

本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。