[發明專利]一種改進的基于Hessian矩陣增強的顱骨分割方法

有效

• 申請號: 202010116425.4
• 申請日: 2020-02-25
• 公開（公告）號: CN111402261B
• 公開（公告）日: 2021-06-08
• 發明（設計）人: 劉奇;唐銘;全美霖
• 申請（專利權）人: 四川大學青島研究院
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T5/00
• 代理公司: 成都方圓聿聯專利代理事務所(普通合伙) 51241
• 代理人: 宋紅賓

本發明提供一種改進的基于Hessian矩陣增強的顱骨分割方法，包括以下步驟：(1)醫學圖像預處理；(2)對目標區域估計；(3)利用骨增強濾波器對圖像中的骨骼體素進行增強，(4)基于圖割理論進行顱骨分割。本發明提供的一種改進的基于Hessian矩陣增強的顱骨分割方法。沒有手動處理的前提下仍可以實現CT圖像中完整顱骨的分割，分割效果良好。該方法不僅解決了傳統的圖像分割方法無法克服的關節分割不良的問題，而且能較為完整的分割出顱骨中結構較薄、CT值較低的軟骨和松質骨，克服了傳統的分割方法在進行顱骨分割時經常性的存在著結構分割不完整的問題。

技術領域

本發明涉及顱骨分割方法技術領域，特別是渉及一種改進的基于Hessian矩陣增強的顱骨分割方法。

背景技術

閾值分割法是一種基于區域的圖像分割技術，原理是把圖像象素點分為若干類。圖像閾值化分割是一種傳統的最常用的圖像分割方法，因其實現簡單、計算量小、性能較穩定而成為圖像分割中最基本和應用最廣泛的分割技術。它特別適用于目標和背景占據不同灰度級范圍的圖像。它不僅可以極大的壓縮數據量，而且也大大簡化了分析和處理步驟，因此在很多情況下，是進行圖像分析、特征提取與模式識別之前的必要的圖像預處理過程。圖像閾值化的目的是要按照灰度級，對像素集合進行一個劃分，得到的每個子集形成一個與現實景物相對應的區域，各個區域內部具有一致的屬性，而相鄰區域不具有這種一致屬性。這樣的劃分可以通過從灰度級出發選取一個或多個閾值來實現。

(1)選擇合適的閾值，選擇閾值的方法有人工經驗選擇法、最大類間方差法、自適應閾值法。

(2)判斷圖像中每一個像素點的特征屬性是否滿足閾值的要求，來確定圖像中的該像素點是屬于目標區域還是背景區域，從而將一幅灰度圖像轉換成二值圖像。

用數學表達式來表示，則可設原始圖像f(x,y),T為閾值，分割圖像時則滿足下式：

用閾值分割方法分割出的顱骨如圖1。

利用全局閾值法對顱骨進行分割的結果如圖1所示，對于CT值較大的皮質骨能得到較為滿意的結果，但是結構較薄的軟骨區域存在著結構斷裂，無法克服部分容積效應造成的關節粘連。此外，閾值分割僅能簡單地進行前景與背景的分割，而對于CT圖像中存在的U型金屬槽偽影無法自動去除。

區域增長方法是根據同一物體區域內象素的相似性質來聚集象素點的方法，從初始區域(如小鄰域或甚至于每個象素)開始，將相鄰的具有同樣性質的象素或其它區域歸并到目前的區域中從而逐步增長區域，直至沒有可以歸并的點或其它小區域為止。區域內象素的相似性度量可以包括平均灰度值、紋理、顏色等信息。

(1)選擇合適的生長點；

(2)確定相似性準則即生長準則；

(3)確定生長停止條件；

用區域生長分割出的顱骨如圖2。

區域生長法通過選擇合適的種子點可以將區域的生長范圍限制在顱骨的大致范圍內，從而去除CT圖像中類似于U型金屬槽這樣的環境噪聲。利用區域生長算法對顱骨進行分割的結果如圖2所示，從分割結果圖中可以看出，區域生長算法在松質骨以及較薄的軟骨等CT值較小的區域出現了斷裂，無法完整的對顱骨進行分割。區域生長算法也沒有解決因為部分容積效應造成的骨間間隙連接問題。

發明內容

本發明的發明提供一種改進的基于Hessian矩陣增強的顱骨分割方法，增強骨邊界和骨骼內部區域，抑制噪聲和偽影，并將顱骨準確的從背景中分割出來。

涉及的原理為：

(1)基于Hessian矩陣的顱骨增強濾波器