本发明涉及图像数据处理,具体涉及一种胃肠道影像数据分割方法。
背景技术:
1、在检查胃肠道中的各种疾病时,例如胃部的炎症、结石、出血等疾病,可以通过做胃肠道的ct,获得胃肠道ct图像。现有方法中,通过区域生长算法对胃肠道ct图像中的各个区域进行分割,获得胃肠道ct图像中的各个区域。区域生长算法通过像素点之间的相似性构建生长准则,以人为选的初始种子点为起点,进行区域生长,将与初始种子点相似性高的待测点合并到初始种子点邻域内,分割出初始种子点对应的区域。人为选取初始种子点,存在主观意识,同时胃肠道ct图像中的灰度分布不均匀,若初始种子点选取不当,在区域生长过程中会出现“欠生长”现象,导致胃肠道ct图像中的区域分割不准确。
技术实现思路
1、为了解决区域生长算法中的初始种子点选取不准确,导致胃肠道ct图像中的区域分割不准确的技术问题,本发明的目的在于提供一种胃肠道影像数据分割方法,所采用的技术方案具体如下:
2、本发明提出了一种胃肠道影像数据分割方法,该方法包括以下步骤:
3、获取胃肠道ct图像;
4、获取胃肠道ct图像的至少两个不同尺度的灰度图像;根据每个所述灰度图像中像素点的灰度值分布,获得最佳尺度灰度图像;
5、获取所述最佳尺度灰度图像中希尔伯特曲线的周期,确定最佳尺度灰度图像中的目标区域;根据每个目标区域内的希尔伯特曲线的分布,获取每个目标区域的初始信息损失值;调整每个目标区域内的希尔伯特曲线的分布,获取调整后的每个目标区域的最终信息损失值;根据每个目标区域的初始损失信息与最终损失信息之间的差异,获取所述最佳尺度灰度图像中希尔伯特曲线的信息损失值;
6、调整所述最佳尺度灰度图像中希尔伯特曲线的连接方式,获取所述最佳尺度灰度图像中新的希尔伯特曲线的信息损失值;根据每个信息损失值,确定所述最佳尺度灰度图像中最优的希尔伯特曲线;根据最优的希尔伯特曲线,获取最优目标区域;将每个最优目标区域内的希尔伯特曲线调整后对应的区域,作为每个最优目标区域的种子基团;
7、以最佳尺度灰度图像中的每个种子基团进行区域生长,对最佳尺度灰度图像中的每个区域进行分割。
8、进一步地,所述获取所述最佳尺度灰度图像中希尔伯特曲线的周期,确定最佳尺度灰度图像中的目标区域的方法为:
9、通过离散傅里叶变换,获取所述最佳尺度灰度图像中希尔伯特曲线的一维数据的周期,作为目标周期;
10、将大于或者等于目标周期的希尔伯特曲线最小的预设标准周期,作为最小标准周期;
11、将最小标准周期的希尔伯特曲线对应的区域,作为目标区域。
12、进一步地,所述根据每个目标区域内的希尔伯特曲线的分布,获取每个目标区域的初始信息损失值的方法为:
13、从每个目标区域内的希尔伯特曲线的起始点开始,到目标周期截止,将每个目标区域内不在目标周期中的希尔伯特曲线上的像素点,作为初始损失像素点;
14、获取每个目标区域内每相邻两个初始损失像素点之间的灰度梯度的余弦相似度,作为第一值;
15、将每个目标区域内的第一值进行累加的结果,作为每个目标区域的初始信息损失值。
16、进一步地,所述调整每个目标区域内的希尔伯特曲线的分布,获取调整后的每个目标区域的最终信息损失值的方法为:
17、获取每个目标区域内在目标周期中的希尔伯特曲线,作为目标曲线;
18、将每个目标区域内的目标曲线末端上的预设数量个像素点,作为调整点;将任意一个调整点与初始损失像素点进行连接,获得每个目标区域内调整后的目标曲线;将每个目标区域内的目标曲线与初始损失像素点连接构成的最小的矩形,作为最小矩形区域;其中,调整后的目标曲线所在的区域即为最小矩形区域;
19、将每个目标区域内不在调整后的目标曲线上的像素点,作为最终损失像素点;
20、获取每个目标区域内每相邻两个最终损失像素点之间的灰度梯度的余弦相似度,作为第二值;
21、将每个目标区域内的第二值进行累加的结果,作为每个目标区域的最终信息损失值。
22、进一步地,所述根据每个目标区域的初始损失信息值与最终损失信息值之间的差异,获取所述最佳尺度灰度图像中希尔伯特曲线的信息损失值的方法为:
23、获取每个目标区域的初始损失信息值与最终损失信息值之间的差异,作为第一差异;
24、获取所述第一差异的均值,作为所述最佳尺度灰度图像中希尔伯特曲线的信息损失值。
25、进一步地,所述根据信息损失值,确定所述最佳尺度灰度图像中最优的希尔伯特曲线的方法为:
26、将最小的信息损失值对应的希尔伯特曲线,作为所述最佳尺度灰度图像中最优的希尔伯特曲线。
27、进一步地,所述根据每个所述灰度图像中像素点的灰度值分布,获得最佳尺度灰度图像的方法为:
28、获取每个灰度图像的预设像素点对在不同预设方向下的灰度共生矩阵;
29、获取任一个灰度图像对应的每个灰度共生矩阵中相同位置的元素的均值,构成该灰度图像的最终灰度共生矩阵;
30、获取每个最终灰度共生矩阵的能量,将最大的能量对应的灰度图像,作为最佳尺度灰度图像。
31、进一步地,所述获取胃肠道ct图像的至少两个不同尺度的灰度图像的方法为:
32、对所述胃肠道ct图像进行不同尺度的高斯卷积,获取胃肠道ct图像对应的至少两个不同尺度的灰度图像。
33、本发明具有如下有益效果:
34、根据胃肠道ct图像的不同尺度灰度图像中像素点的灰度值分布,获得最佳尺度灰度图像,最佳尺度灰度图像中的纹理最相似,以纹理相似性作为区域生长准则,进行区域生长时,降低了欠生长问题的出现;获取最佳尺度灰度图像中不同希尔伯特曲线的连接方式下每个目标区域内的信息损失程度,便于获取最佳尺度灰度图像中最优的希尔伯特曲线,进而将信息损失程度最小的希尔伯特曲线的连接方式,作为最佳尺度灰度图像中最优的希尔伯特曲线;根据最优的希尔伯特曲线,自适应获取最佳尺度灰度图像中每个区域的种子基团,将种子基团作为每个区域的“初始种子点”,进而通过区域生长算法对最佳尺度灰度图像中的每个区域进行准确的分割,准确的获取最佳尺度灰度图像中的各个区域,通过将最佳尺度灰度图像中的各个区域映射到胃肠道ct图像中,也可以准确的获取胃肠道ct图像中的各个区域。
1.一种胃肠道影像数据分割方法,其特征在于,该方法包括以下步骤:
2.如权利要求1所述一种胃肠道影像数据分割方法,其特征在于,所述获取所述最佳尺度灰度图像中希尔伯特曲线的周期,确定最佳尺度灰度图像中的目标区域的方法为:
3.如权利要求1所述一种胃肠道影像数据分割方法,其特征在于,所述根据每个目标区域内的希尔伯特曲线的分布,获取每个目标区域的初始信息损失值的方法为:
4.如权利要求3所述一种胃肠道影像数据分割方法,其特征在于,所述调整每个目标区域内的希尔伯特曲线的分布,获取调整后的每个目标区域的最终信息损失值的方法为:
5.如权利要求1所述一种胃肠道影像数据分割方法,其特征在于,所述根据每个目标区域的初始损失信息值与最终损失信息值之间的差异,获取所述最佳尺度灰度图像中希尔伯特曲线的信息损失值的方法为:
6.如权利要求1所述一种胃肠道影像数据分割方法,其特征在于,所述根据信息损失值,确定所述最佳尺度灰度图像中最优的希尔伯特曲线的方法为:
7.如权利要求1所述一种胃肠道影像数据分割方法,其特征在于,所述根据每个所述灰度图像中像素点的灰度值分布,获得最佳尺度灰度图像的方法为:
8.如权利要求1所述一种胃肠道影像数据分割方法,其特征在于,所述获取胃肠道ct图像的至少两个不同尺度的灰度图像的方法为: