[發明專利]一種圖像分割方法及系統

有效

• 申請號: 201710311910.5
• 申請日: 2017-05-05
• 公開（公告）號: CN107220965B
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 王曉東;沈建華;郭延恩
• 申請（專利權）人: 上海聯影醫療科技股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/12;G06T7/33
• 代理公司: 上海思捷知識產權代理有限公司 31295
• 代理人: 鄭星

1.一種圖像分割方法，包括：

獲取圖像數據；

基于所述圖像數據，重建三維圖像，其中，所述三維圖像包括一個或多個第一邊緣點；

基于所述三維圖像，構建三維平均模型，其中，所述三維平均模型包括與一個或多個第一邊緣點相對應的一個或多個第二邊緣點；

訓練所述三維平均模型，以對所述第二邊緣點進行劃分；

將所述圖像數據與所述三維平均模型進行匹配，以構建與所述圖像數據相對應的三維網絡模型，進而得到與所述圖像數據相對應的分割圖，包括：

獲取圖像第一分類器和圖像第二分類器；

根據所述圖像第二分類器，進行加權廣義霍夫變換，包括：將所述圖像數據上點的坐標輸入所述圖像第二分類器中，計算得到所述圖像數據上各點作為腔室邊緣的概率，并根據各點的概率分布得到所述圖像數據的邊緣概率圖；將所述邊緣概率圖上概率值大于一定閾值的點作為第一邊緣點；根據所述第一邊緣點和R-table獲取所述三維圖像上所有可能的邊緣參考點，通過加權累加的方法求出所有邊緣參考點的概率累加值，并將概率累加值最大的邊緣參考點作為所述三維圖像的質心；將所述三維平均模型的質心到所述三維圖像的質心的變換參數作為模型的變換參數；其中，R-table為所述三維平均模型中梯度相關角度Φ和θ經離散化處理后得到的對應點的偏移量的對照表，其中，θ為梯度向量在x-y平面的投影與x坐標軸的夾角，Φ為梯度向量與x-y平面的夾角；

根據加權廣義霍夫變換的結果，匹配所述圖像數據和所述三維平均模型。

2.根據權利要求1所述的方法，其特征在于，所述根據所述圖像第二分類器，進行加權廣義霍夫變換包括對所述三維平均模型的第二邊緣點進行加權廣義霍夫變換訓練得到所述圖像數據上各點屬于第一邊緣點的概率。

3.根據權利要求1所述的方法，其特征在于，所述獲取圖像第一分類器包括：

獲取所述三維平均模型的多個點，其中至少一部分所述多個點位于第二邊緣點的一定范圍內；

確定第二邊緣點一定范圍內的點為正樣本；

確定第二邊緣點一定范圍以外的點為負樣本；

根據銳利程度和所處位置，對所述正樣本和負樣本進行分類；以及

根據分類后的正樣本和負樣本獲得訓練后的所述圖像第一分類器。

4.一種圖像處理系統，包括:

存儲器，被配置為存儲數據及指令；

與存儲器建立通信的處理器，其中，當執行存儲器中的指令時，所述處理器被配置為執行如權利要求1~3任一項所述的圖像分割方法。

5.根據權利要求4所述的系統，其特征在于，所述處理器包括獲取模塊、圖像重建模塊、模型構建模塊、訓練模塊和匹配模塊；

所述獲取模塊用于獲取圖像數據；所述圖像重建模塊用于重建三維圖像；所述模型構建模塊用于構建三維平均模型；所述訓練模塊用于訓練分類器；所述匹配模塊用于將所述圖像數據與所述三維平均模型進行匹配。

6.根據權利要求5所述的系統，其特征在于，所述匹配模塊包括獲取單元、霍夫變換單元和模型匹配單元；

所述獲取單元用于獲取所述訓練模塊訓練好的圖像第一分類器；所述霍夫變換單元用于進行加權廣義霍夫變換；所述模型匹配單元用于匹配所述圖像數據和所述三維平均模型。