[發明專利]基于條件隨機場和貝葉斯后處理的圖像分割方法

有效

• 申請號: 201910524896.6
• 申請日: 2019-06-18
• 公開（公告）號: CN110110727B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 劉澤安;滕忠照
• 申請（專利權）人: 南京景三醫療科技有限公司
• 主分類號: G06V10/25
• 分類號: G06V10/25;G06V10/764;G06V10/84;G06T5/00;G06T7/11;G06T7/40
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林;張歡歡

本發明公開了一種基于條件隨機場和貝葉斯后處理的圖像分割方法，包括以下過程：獲取待分割圖像；在待分割圖像中選取感興趣區域；在感興趣區域上建立條件隨機場模型，獲得每個像素由條件隨機場輸出的分割概率；計算在感興趣區域內各個組分經過PCA降維之后對應的概率密度函數；根據條件隨機場輸出的概率和各個組分對應的概率密度函數，基于貝葉斯公式選取條件概率值最大的組分為該像素點處對應的組分標簽。本發明利用條件隨機場充分建模了組分之間的一元和二元關系，后處理提取了最有效的模態特征，最終，本發明極大的提高了斑塊的分割精度。

技術領域

本發明屬于圖像處理技術領域，涉及一種動脈粥樣硬化斑塊成分自動分割方法，具體涉及一種基于條件隨機場和貝葉斯后處理的圖像分割方法。

背景技術

圖像分割技術是圖像處理領域的一個重要研究主題，如應用到醫學領域的動脈粥樣硬化斑塊成分的分割，在動脈粥樣硬化的診斷中有著重要的應用，對分割出的斑塊連同血管壁和血管腔一起進行三維的渲染，能夠得病灶的直觀顯示；此外，基于分割出的斑塊的形態、位置和大小的統計，還能夠對對斑塊進行力學模擬分析，得出斑塊破裂的風險系數，所有的這些都有助于動脈粥樣硬化的診斷。因此，對醫學圖像中斑塊成分進行快速而精準的自動分割顯得尤為重要，然而，現有的技術無論是在精度或者魯棒性方面都存在著較大的問題。

現有的分割算法主要是基于機器學習方法論，可以分為無監督和有監督的方法。對于無監督的分割，一般使用聚類算法。首先，在感興趣區域內，對每個像素提取多模態的灰度值作為特征向量，形成特征空間，然后運用諸如k均值(k-means)、模糊k均值(fuzzy?k-means)、層次聚類(hierarchical?clustering)、譜聚類(spectral?clustering)等聚類算法對特征空間進行聚類。這類無監督聚類算法主要有如下幾個缺點：首先，由于只使用了基于多模態灰度的特征，不能充分刻畫斑塊的特征，導致分割的精度不能滿足實際需求；其次，必須事先確定要分割的斑塊的類型以及類型的個數，這就要求分割者要有一定的斑塊分割經驗，從而降低了分割的效率。對于有監督的學習方法，一般分為兩個步驟：首先，從訓練數據集中提取斑塊的特征，一般包括多模態灰度特征、形態學特征、紋理特征和方向梯度直方圖(HOG)等；然后來使用支持向量機(SVM)分類器或者貝葉斯(Bayes)分類器對這些特征進行分類。支持向量機是一種經典而高效的二分類器，一般使用序列最小最優化算法(SMO)在特征空間上進行訓練得到模型參數，而貝葉斯分類器則使用高斯混合模型(GMM)等有參數估計方法或者Parzen窗等無參數估計方法進行參數的估計。這些有監督的學習方法雖然準確率較無監督的方法有較大的提升，但是還存在以下問題：首先，需要人工提取特征，這需要工作者有一定的感興趣區域（如斑塊）處理經驗，而且提取到的特征向量是很多特征簡單的疊加在一起，這導致特征向量中含有的噪聲比較多，不能精準而充分的刻畫斑塊的特征；其次，由于是對單個像素進行分類，沒有考慮到像素與像素之間的關聯，分割結果中有很多的孤立區域，雖然可以使用諸如開閉運算等形態學操作或者水平集(LevelSet)等方法進行后處理，但是效果有限而且后處理過程也比較繁瑣，降低了分割的效率。

發明內容

本發明的目的在于克服現有技術的不足，提供了一種基于條件隨機場和貝葉斯后處理的圖像分割方法，解決了現有技術中圖像分割精確度較低、魯棒性不高的技術問題。

為解決上述技術問題，本發明提供了一種基于條件隨機場和貝葉斯后處理的圖像分割方法，其特征是，包括以下過程：

S1，獲取待分割圖像；

S2，在待分割圖像中選取感興趣區域；

S3，在感興趣區域上建立條件隨機場模型，獲得每個像素由條件隨機場輸出的分割概率；

S4，計算在感興趣區域內各個組分經過PCA降維之后對應的概率密度函數；

S5，根據條件隨機場輸出的概率和各個組分對應的概率密度函數，基于貝葉斯公式選取條件概率值最大的組分為該像素點處對應的組分標簽。