專(zhuān)利名稱(chēng)：一種醫(yī)學(xué)圖像的感興趣區(qū)域提取方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種圖像分割方法，尤其是涉及一種醫(yī)學(xué)圖像的感興趣區(qū)域提取方法。
背景技術(shù)：
圖像分割就是指把圖像分成各具特性的多個(gè)區(qū)域，并提取出感興趣區(qū)域的技術(shù)和
過(guò)程。在圖像分割的基礎(chǔ)上可以進(jìn)一步對(duì)感興趣區(qū)域進(jìn)行測(cè)量和分析，為以后的圖像理解
提供必要的數(shù)據(jù)，因此圖像分割一直是計(jì)算機(jī)視覺(jué)和模式領(lǐng)域的研究熱點(diǎn)。 目前已經(jīng)有多種方法被人們提出應(yīng)用于圖像分割領(lǐng)域特別是醫(yī)學(xué)圖像分割領(lǐng)域，
根據(jù)醫(yī)學(xué)圖像"區(qū)域間不連續(xù)性"和"區(qū)域內(nèi)相似性"兩個(gè)準(zhǔn)則，現(xiàn)有的應(yīng)用于醫(yī)學(xué)圖像的
分割方法大致可分為三類(lèi) —是閾值分割方法經(jīng)典的有由0tsu在1979年提出的大津法，該類(lèi)方法存在很大 的缺點(diǎn)，即如果圖像中不存在明顯的灰度差異或各對(duì)象的灰度值范圍有較大重疊，則很難 取得令人滿(mǎn)意的分割結(jié)果。 二是基于邊緣檢測(cè)的分割方法該類(lèi)方法主要借助于各種邊緣檢測(cè)算子對(duì)圖像處 理得到分散的邊緣，然后再得到用戶(hù)感興趣的區(qū)域；這種方法的缺點(diǎn)在于邊緣檢測(cè)時(shí)抗噪 性和檢測(cè)精度的相矛盾，如果提高檢測(cè)精度，則噪聲產(chǎn)生的偽邊緣會(huì)導(dǎo)致不合理的輪廓，如 果提高抗噪性，則會(huì)產(chǎn)生輪廓漏檢和位置偏差等現(xiàn)象。 三是基于區(qū)域生長(zhǎng)的分割方法該類(lèi)方法從滿(mǎn)足檢測(cè)準(zhǔn)則的種子點(diǎn)開(kāi)始，在各個(gè) 方向上生長(zhǎng)區(qū)域，當(dāng)其相鄰點(diǎn)滿(mǎn)足特定檢測(cè)準(zhǔn)則就并入小塊區(qū)域中，當(dāng)新的點(diǎn)被合并后再 用新的區(qū)域重復(fù)這一過(guò)程，直到?jīng)]有可接受的鄰近點(diǎn)時(shí)生成過(guò)程終止。性質(zhì)的相似性和空 間的相鄰性是該類(lèi)方法的重要準(zhǔn)則，因此假定灰度相近、性質(zhì)上相似、空間上相鄰的像素點(diǎn) 屬于同一區(qū)域。該方法的優(yōu)點(diǎn)在于計(jì)算過(guò)程簡(jiǎn)單，對(duì)于均勻的連通目標(biāo)有很好的分割效果。 其主要缺點(diǎn)是如果起初種子點(diǎn)選擇不佳，如選擇的種子點(diǎn)為一個(gè)噪聲點(diǎn)，這樣將會(huì)影響最 終的分割效果，此外需反復(fù)調(diào)試閾值直到獲得滿(mǎn)意的結(jié)果為止，這樣不僅耗時(shí)較長(zhǎng)，而且所 獲得的分割結(jié)果在很大程度上依賴(lài)于用戶(hù)對(duì)閾值的選擇，另一方面由于圖像密度和噪聲不 一，該類(lèi)方法往往會(huì)導(dǎo)致分割得到的結(jié)果存在空洞或過(guò)度分割。 近年來(lái)，隨著各學(xué)科許多新理論和新方法的提出，人們也提出了許多與一些特定 理論、方法和工具相結(jié)合的圖像分割方法，如基于人工神經(jīng)網(wǎng)絡(luò)的分割方法、基于數(shù)學(xué)形態(tài) 學(xué)的分割方法、基于人工智能在圖像應(yīng)用的分割方法、基于小波分析和變換的分割方法等 等。其中，大部分方法的復(fù)雜度較高，運(yùn)行時(shí)間較長(zhǎng)，此外對(duì)硬件的要求也較高，即往往需要 在工作站上執(zhí)行，這將給實(shí)際應(yīng)用帶來(lái)一定困難。
發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問(wèn)題是提供一種計(jì)算復(fù)雜度低，運(yùn)行時(shí)間短，且提取出的 感興趣區(qū)域的精度高的基于區(qū)域生長(zhǎng)的醫(yī)學(xué)圖像的感興趣區(qū)域提取方法。
本發(fā)明解決上述技術(shù)問(wèn)題所采用的技術(shù)方案為一種醫(yī)學(xué)圖像的感興趣區(qū)域提取 方法，包括以下步驟 ①?gòu)妮斎雸D像中的待提取的感興趣區(qū)域中選取一個(gè)坐標(biāo)為(px， py)的像素點(diǎn) 作為區(qū)域生長(zhǎng)的種子點(diǎn)，記種子點(diǎn)為SeedP，記種子點(diǎn)SeedP的灰度值為SeedP(px， py)， SeedP(px， py) = Sum/9，其中，Sum表示種子點(diǎn)SeedP的灰度值SeedP(px， py)與種子點(diǎn) SeedP的各八鄰域像素點(diǎn)的灰度值之和； ②基于區(qū)域生長(zhǎng)法，以種子點(diǎn)SeedP為中心向外進(jìn)行區(qū)域生長(zhǎng)，具體區(qū)域生長(zhǎng)過(guò) 程為 ②-1、設(shè)置 一 個(gè)感興趣隊(duì)列WellQueue和 一 個(gè)初始化隊(duì)列InitQueue，其 中，感興趣隊(duì)列WellQueue和初始化隊(duì)列InitQueue的初始值為空；設(shè)置一個(gè)觀(guān)察序 列ObserveList禾口一個(gè)比較序列ReferList，其中，觀(guān)察序列ObserveList禾口比較序列 ReferList的初始值為空； ②_2、將種子點(diǎn)SeedP的坐標(biāo)位置(px，py)以及種子點(diǎn)SeedP的各八鄰域像素點(diǎn) 的坐標(biāo)位置加入到感興趣隊(duì)列WellQueue中，并將種子點(diǎn)SeedP以及種子點(diǎn)SeedP的各八 鄰域像素點(diǎn)標(biāo)記為感興趣像素點(diǎn)；將種子點(diǎn)SeedP的各八鄰域像素點(diǎn)的四鄰域像素點(diǎn)中未 標(biāo)記為感興趣像素點(diǎn)的像素點(diǎn)的坐標(biāo)位置加入到初始化隊(duì)列InitQueue中，并將這些像素 點(diǎn)標(biāo)記為待處理像素點(diǎn)； ②_3、判斷初始化隊(duì)列InitQueue是否為空，如果是，則表示區(qū)域生長(zhǎng)過(guò)程結(jié)束， 執(zhí)行步驟③，否則，按先進(jìn)先出方式從初始化隊(duì)列InitQueue中選取位于隊(duì)頭的坐標(biāo)位置， 將該坐標(biāo)位置對(duì)應(yīng)的待處理像素點(diǎn)作為第t個(gè)觀(guān)察點(diǎn)，記第t個(gè)觀(guān)察點(diǎn)為ObservePt，其中， t的初始值為1 ; ②_4、計(jì)算所有感興趣像素點(diǎn)的灰度值的平均值，記為Average,計(jì)算第t個(gè)觀(guān)察 點(diǎn)ObservePt的四鄰域像素點(diǎn)中標(biāo)記為感興趣像素點(diǎn)的所有像素點(diǎn)的灰度值的平均值，記 為NeiAve，將第t個(gè)觀(guān)察點(diǎn)ObserVePt的灰度值、種子點(diǎn)SeedP的灰度值、所有感興趣像素 點(diǎn)的灰度值的平均值A(chǔ)verage以及第t個(gè)觀(guān)察點(diǎn)ObserVePt的四鄰域像素點(diǎn)中標(biāo)記為感 興趣像素點(diǎn)的各像素點(diǎn)的灰度值順序作為觀(guān)察序列ObserveList的序列元素，將第t個(gè)觀(guān) 察點(diǎn)ObservePt的四鄰域像素點(diǎn)中標(biāo)記為感興趣像素點(diǎn)的所有像素點(diǎn)的灰度值的平均值 NeiAve、種子點(diǎn)SeedP的灰度值、所有感興趣像素點(diǎn)的灰度值的平均值A(chǔ)verage以及第t個(gè) 觀(guān)察點(diǎn)ObservePt的四鄰域像素點(diǎn)中標(biāo)記為感興趣像素點(diǎn)的各像素點(diǎn)的灰度值順序作為比 較序列ReferList的序列元素； ②-5、計(jì)算觀(guān)察序列ObserveList的零化像之和，記為Sa， & = |](xa(A) —、(1》， 計(jì)算比較序列ReferList的零化像之和，記為Sb， & = —&(1))，計(jì)算觀(guān)察序列
ObserveList的初始像之和，記為S' a，& =J(^(A:)-、(1》，計(jì)算比較序列ReferList的
初始像之和，記為S' b，《=￡(、(A:)-4(1》，其中，n表示觀(guān)察序列ObserveList或比較序
列ReferList所包含的序列元素的總個(gè)數(shù)，4《n《6，xa(l)表示觀(guān)察序列ObserveList中 的第1個(gè)序列元素，xa(k)表示觀(guān)察序列ObserveList中的第k個(gè)序列元素，xb(l)表示比的第k個(gè)序列元
素，X' a(k) = Xa(k)/Xa(l)，X' a (1) = Xa (1)/、 ( 1) = 1 ， X ' b (k) = Xb (k)/xb (1) ， X ' b(l) =Xb(l)/Xb(l) = 1 ; ②_6、利用灰色理論計(jì)算觀(guān)察序列ObserveList和比較序列ReferList的絕對(duì) 關(guān)聯(lián)度與相對(duì)關(guān)聯(lián)度，以及第t個(gè)觀(guān)察點(diǎn)ObservePt與待提取的感興趣區(qū)域的灰色綜合關(guān) 聯(lián)度，具體過(guò)程為計(jì)算觀(guān)察序列ObserveList和比較序列ReferList的絕對(duì)關(guān)聯(lián)度，記為
1+s。+
1++《 co。計(jì)算觀(guān)察序列ObserveList和比較序列ReferList的相對(duì)
關(guān)聯(lián)度，記為r，r二-
1+s。1++《+義&-《
，計(jì)算第t個(gè)觀(guān)察點(diǎn)ObservePt與待提取的感興
趣區(qū)域的灰色綜合關(guān)聯(lián)度，記為pt， pt = e e+(i-e)r，其中，a和e均為調(diào)整參數(shù)，o
< a < l，O. 4《9《0. 6， P t G
; ②_7、根據(jù)第t個(gè)觀(guān)察點(diǎn)ObservePt與待提取的感興趣區(qū)域的灰色綜合關(guān)聯(lián)度 P t，計(jì)算用于判斷第t個(gè)觀(guān)察點(diǎn)ObservePt是否屬于待提取的感興趣區(qū)域的判定閾值，記為
一77zres/w/d | — 7T2res/K /d |> 77
Thresholdt， 77^es/K>/《=
m+1
，其中，Thresholdt—i
為用于判斷第t-1個(gè)觀(guān)察點(diǎn)ObserveP^是否屬于待提取的感興趣區(qū)域的判定閾值，用于判 斷第1個(gè)觀(guān)察點(diǎn)ObserveP工是否屬于待提取的感興趣區(qū)域的判定閾值Threshold的取值范 圍為0. 5《Threshold!《l，O. 04《n《0. 06， m表示所有感興趣像素點(diǎn)的總個(gè)數(shù)；
②0-8、判斷|Thresholdt_P t|《V是否成立，其中，0. 04《V《0.06，如果成 立，則確定第t個(gè)觀(guān)察點(diǎn)ObservePt屬于待提取的感興趣區(qū)域，對(duì)第t個(gè)觀(guān)察點(diǎn)ObservePt 進(jìn)行重新標(biāo)記，標(biāo)記為感興趣像素點(diǎn)，并將該第t個(gè)觀(guān)察點(diǎn)ObservePt的坐標(biāo)位置加入到感 興趣隊(duì)列WellQueue中，然后將初始化隊(duì)列InitQueue中與第t個(gè)觀(guān)察點(diǎn)ObservePt的坐 標(biāo)位置對(duì)應(yīng)的坐標(biāo)位置刪除，將第t個(gè)觀(guān)察點(diǎn)ObservePt的四鄰域像素點(diǎn)中未標(biāo)記為感興 趣像素點(diǎn)或待處理像素點(diǎn)的像素點(diǎn)的坐標(biāo)位置加入到初始化隊(duì)列InitQueue中，并標(biāo)記這 些像素點(diǎn)為待處理像素點(diǎn)，再計(jì)算t' =t+l，t = t'，并返回步驟②-3繼續(xù)執(zhí)行，否則，將 初始化隊(duì)列InitQueue中與第t個(gè)觀(guān)察點(diǎn)ObserVePt的坐標(biāo)位置對(duì)應(yīng)的坐標(biāo)位置刪除，再 計(jì)算t' =t+1，t = t'，并返回步驟②-3繼續(xù)執(zhí)行； ③從感興趣隊(duì)列WellQueue中提取出所有坐標(biāo)位置，然后從輸入圖像中提取出這
些坐標(biāo)位置相對(duì)應(yīng)的感興趣像素點(diǎn)，由提取出的感興趣像素點(diǎn)組成感興趣區(qū)域。 在執(zhí)行所述的步驟①之前先采用四鄰域中值濾波法對(duì)輸入圖像進(jìn)行濾波處理，去
除輸入圖像中存在的噪聲。 對(duì)獲得的感興趣區(qū)域進(jìn)行空洞點(diǎn)填補(bǔ)后處理，以得到更精確的感興趣區(qū)域，具體 過(guò)程為掃描輸入圖像中的每個(gè)像素點(diǎn)，對(duì)于各個(gè)像素點(diǎn)，判斷像素點(diǎn)是否為感興趣像素 點(diǎn)，如果是，則對(duì)該像素點(diǎn)不進(jìn)行處理，否則，再判斷該像素點(diǎn)的四鄰域像素點(diǎn)是否均為感 興趣像素點(diǎn)，當(dāng)該像素點(diǎn)的四鄰域像素點(diǎn)均為感興趣像素點(diǎn)時(shí)，將該像素點(diǎn)標(biāo)記為感興趣 像素點(diǎn)，當(dāng)該像素點(diǎn)的四鄰域像素點(diǎn)中存在一個(gè)像素點(diǎn)不為感興趣像素點(diǎn)時(shí)，對(duì)該像素點(diǎn)
7不進(jìn)行處理。 所述的步驟②_6中A = 0. 5。
所述的步驟②-7中Threshold! = 0. 8。
所述的步驟②-7中n = 0. 05。
所述的步驟②-8中V = 0. 05。 與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)在于在種子點(diǎn)選取過(guò)程中，將所選定的種子點(diǎn)的 灰度值與其八鄰域像素點(diǎn)的灰度值之和的平均值作為該種子點(diǎn)的灰度值，這樣可有效避免 種子點(diǎn)選取的錯(cuò)誤，即避免了選取的種子點(diǎn)為噪聲點(diǎn)的情況，從而避免了因種子點(diǎn)的錯(cuò)誤 選擇而導(dǎo)致不能進(jìn)行良好分割的后果；在區(qū)域生長(zhǎng)過(guò)程中，本發(fā)明方法充分利用了圖像的 全局和局部信息，構(gòu)建了觀(guān)察序列和比較序列，再利用灰色理論計(jì)算觀(guān)察序列和比較序列 的絕對(duì)關(guān)聯(lián)度及相對(duì)關(guān)聯(lián)度，根據(jù)觀(guān)察序列和比較序列的絕對(duì)關(guān)聯(lián)度及相對(duì)關(guān)聯(lián)度計(jì)算表 征觀(guān)察點(diǎn)與待提取的感興趣區(qū)域的灰色綜合關(guān)聯(lián)度，計(jì)算復(fù)雜度較低，運(yùn)行時(shí)間較短，也無(wú) 需進(jìn)行大量數(shù)據(jù)的數(shù)學(xué)統(tǒng)計(jì)；在區(qū)域生長(zhǎng)過(guò)程中，在觀(guān)察點(diǎn)與待提取的感興趣區(qū)域的灰色 綜合關(guān)聯(lián)度的基礎(chǔ)上調(diào)整判定閾值，從而把感興趣區(qū)域從圖像中提取出來(lái)，且提取得到的 感興趣區(qū)域的精度較高。 本發(fā)明方法為了得到更為規(guī)則的感興趣區(qū)域的輪廓，還可對(duì)獲得的感興趣區(qū)域進(jìn) 行空洞點(diǎn)填補(bǔ)后處理，通過(guò)空洞點(diǎn)填補(bǔ)操作，可獲得精度更高的感興趣區(qū)域。
圖1為本發(fā)明方法的基本流程框圖； 圖2為觀(guān)察序列ObserveList和比較序列ReferList的示意圖；
圖3a為頭顱CT切片； 圖3b為采用現(xiàn)有的基于區(qū)域生長(zhǎng)的分割方法對(duì)圖3a所示的圖像進(jìn)行分割獲得的 結(jié)果示意圖； 圖3c為采用本發(fā)明方法從圖3a所示的圖像中提取得到的結(jié)果示意圖；
圖4a為帶有噪聲的頭顱CT切片； 圖4b為采用現(xiàn)有的基于區(qū)域生長(zhǎng)的分割方法對(duì)圖4a所示的圖像進(jìn)行分割獲得的 結(jié)果示意圖； 圖4c為采用本發(fā)明方法從圖4a所示的圖像中提取得到的結(jié)果示意圖。
具體實(shí)施例方式
以下結(jié)合附圖實(shí)施例對(duì)本發(fā)明作進(jìn)一步詳細(xì)描述。 目前，灰色系統(tǒng)理論在各行各業(yè)得到了廣泛的應(yīng)用，但是圖像處理技術(shù)上，只是在 近年來(lái)才得到了一定的發(fā)展，特別在醫(yī)學(xué)圖像處理上的應(yīng)用研究則更少?，F(xiàn)階段灰色系統(tǒng) 理論在圖像處理中的應(yīng)用多集中在以下幾個(gè)方面l)圖像識(shí)別方面；2)圖像壓縮；3)圖像 質(zhì)量評(píng)價(jià)方面；4)圖像噪聲處理方面；5)圖像檢索方面。本發(fā)明提出的一種醫(yī)學(xué)圖像的感 興趣區(qū)域提取方法，正是利用了灰色系統(tǒng)理論，區(qū)域生長(zhǎng)與灰色系統(tǒng)理論的結(jié)合為提取效 果較好地感興趣區(qū)域提供了較好的保障。本發(fā)明方法的基本流程如圖l所示，其具體包括 以下步驟
8
①?gòu)妮斎雸D像中的待提取的感興趣區(qū)域中選取一個(gè)坐標(biāo)為(px， py)的像素點(diǎn) 作為區(qū)域生長(zhǎng)的種子點(diǎn)，記種子點(diǎn)為SeedP，記種子點(diǎn)SeedP的灰度值為SeedP(px， py)， SeedP(px， py) = Sum/9，其中，Sum表示種子點(diǎn)SeedP的灰度值SeedP(px， py)與種子點(diǎn) SeedP的各八鄰域像素點(diǎn)的灰度值之和。在此，如果選定的種子點(diǎn)SeedP為噪聲點(diǎn)，則將會(huì) 給后續(xù)的區(qū)域生長(zhǎng)帶來(lái)困難，為了避免種子點(diǎn)SeedP為噪聲點(diǎn)，本發(fā)明利用了種子點(diǎn)SeedP 的各八鄰域像素點(diǎn)的灰度值來(lái)確定種子點(diǎn)SeedP的灰度值，即將種子點(diǎn)SeedP的灰度值與 種子點(diǎn)SeedP的各八鄰域像素點(diǎn)的灰度值之和的平均值作為種子點(diǎn)SeedP的灰度值。
在此，該種子點(diǎn)SeedP是由人工方式選定的；種子點(diǎn)SeedP的各八鄰域像素點(diǎn)的坐 標(biāo)可分別表示為(px-l， py+l) 、 (px， py+l) 、 (px+l， py+l) 、 (px+l， py) 、 (px+l， py-l) 、 (px， py-l) 、 (px-l， py-l) 、 (px-l， py)。 ②基于區(qū)域生長(zhǎng)法，以種子點(diǎn)SeedP為中心向外進(jìn)行區(qū)域生長(zhǎng)，具體區(qū)域生長(zhǎng)過(guò) 程為 ②-1、設(shè)置 一 個(gè)感興趣隊(duì)列WellQueue和 一 個(gè)初始化隊(duì)列InitQueue，其 中，感興趣隊(duì)列WellQueue和初始化隊(duì)列InitQueue的初始值為空；設(shè)置一個(gè)觀(guān)察序 列ObserveList禾口一個(gè)比較序列ReferList，其中，觀(guān)察序列ObserveList禾口比較序列 ReferList的初始值為空。 ②_2、將種子點(diǎn)SeedP的坐標(biāo)位置(px，py)以及種子點(diǎn)SeedP的各八鄰域像素點(diǎn) 的坐標(biāo)位置加入到感興趣隊(duì)列WellQueue中，并將種子點(diǎn)SeedP以及種子點(diǎn)SeedP的各八 鄰域像素點(diǎn)標(biāo)記為感興趣像素點(diǎn)；將種子點(diǎn)SeedP的各八鄰域像素點(diǎn)的四鄰域像素點(diǎn)中未 標(biāo)記為感興趣像素點(diǎn)的像素點(diǎn)的坐標(biāo)位置加入到初始化隊(duì)列InitQueue中，并將這些像素 點(diǎn)標(biāo)記為待處理像素點(diǎn)。 ②_3、判斷初始化隊(duì)列InitQueue是否為空，如果是，則表示區(qū)域生長(zhǎng)過(guò)程結(jié)束， 執(zhí)行步驟③，否則，按先進(jìn)先出方式從初始化隊(duì)列InitQueue中選取位于隊(duì)頭的坐標(biāo)位置， 將該坐標(biāo)位置對(duì)應(yīng)的待處理像素點(diǎn)作為第t個(gè)觀(guān)察點(diǎn)，記第t個(gè)觀(guān)察點(diǎn)為ObservePt，其中， t的初始值為1。 ②_4、計(jì)算所有感興趣像素點(diǎn)的灰度值的平均值，記為Average,計(jì)算第t個(gè)觀(guān)察 點(diǎn)ObservePt的四鄰域像素點(diǎn)中標(biāo)記為感興趣像素點(diǎn)的所有像素點(diǎn)的灰度值的平均值，記 為NeiAve，將第t個(gè)觀(guān)察點(diǎn)0bserVePt的灰度值、種子點(diǎn)SeedP的灰度值、所有感興趣像素 點(diǎn)的灰度值的平均值A(chǔ)verage以及第t個(gè)觀(guān)察點(diǎn)0bserVePt的四鄰域像素點(diǎn)中標(biāo)記為感 興趣像素點(diǎn)的各像素點(diǎn)的灰度值順序作為觀(guān)察序列ObserveList的序列元素，將第t個(gè)觀(guān) 察點(diǎn)ObservePt的四鄰域像素點(diǎn)中標(biāo)記為感興趣像素點(diǎn)的所有像素點(diǎn)的灰度值的平均值 NeiAve、種子點(diǎn)SeedP的灰度值、所有感興趣像素點(diǎn)的灰度值的平均值A(chǔ)verage以及第t個(gè) 觀(guān)察點(diǎn)ObservePt的四鄰域像素點(diǎn)中標(biāo)記為感興趣像素點(diǎn)的各像素點(diǎn)的灰度值順序作為比 較序列ReferList的序列元素。圖2給出了觀(guān)察序列ObserveList和比較序列ReferList 的示意圖，圖2中，xa(4) xa(n)表示觀(guān)察序列ObserveList的第4個(gè)序列元素至第n個(gè) 序列元素，Xb(4) Xb(n)表示比較序列ReferList的第4個(gè)序列元素至第n個(gè)序列元素， 4《n《6，n的值是根據(jù)選取的觀(guān)察點(diǎn)的四鄰域像素點(diǎn)中標(biāo)記為感興趣像素點(diǎn)的所有像素 點(diǎn)個(gè)數(shù)決定的，也就是說(shuō)所選取的觀(guān)察點(diǎn)的四領(lǐng)域像素點(diǎn)中可能存在一個(gè)標(biāo)記為感興趣像 素點(diǎn)的像素點(diǎn)，也可能存在三個(gè)標(biāo)記為感興趣像素點(diǎn)的像素點(diǎn)。
在此，將種子點(diǎn)SeedP的灰度值及所有感興趣像素點(diǎn)的灰度值的平均值A(chǔ)verage 分別作為觀(guān)察序列ObserveList和比較序列ReferList的序列元素，目的是從全局進(jìn)行考 慮，避免輸入圖像灰度逐漸變化產(chǎn)生的影響。 在此，將第t個(gè)觀(guān)察點(diǎn)ObservePt的四鄰域像素點(diǎn)中標(biāo)記為感興趣像素點(diǎn)的各像 素點(diǎn)的灰度值分別作為觀(guān)察序列ObserveList和比較序列ReferList的序列元素，實(shí)際上， 也可考察第t個(gè)觀(guān)察點(diǎn)ObservePt的八鄰域像素點(diǎn)。 在此，比較序列ReferList是為了與觀(guān)察序列ObserveList比較，得到兩者的絕對(duì) 關(guān)聯(lián)度和相對(duì)關(guān)聯(lián)度，再根據(jù)判定閾值可確定觀(guān)察點(diǎn)是否屬于待提取的感興趣區(qū)域，具體 體現(xiàn)在后續(xù)步驟中，其關(guān)鍵是凸顯觀(guān)察點(diǎn)對(duì)絕對(duì)關(guān)聯(lián)度和相對(duì)關(guān)聯(lián)度的影響，因此在此要 保持比較序列ReferList的平穩(wěn)性。 ②-5、計(jì)算觀(guān)察序列ObserveList的零化像之和，記為Sa， & = ^—x。(l》， 計(jì)算比較序列ReferList的零化像之和，記為Sb， & = ^—，計(jì)算觀(guān)察序列 ObserveList的初始像之和，記為S' a，& = S(^(A:)-x。(l》，計(jì)算比較序列ReferList的
初始像之和，記為S' b，& = J(xA("-、(l》，其中，n表示觀(guān)察序列ObserveList或比較序
列ReferList所包含的序列元素的總個(gè)數(shù)，4《n《6，xa(l)表示觀(guān)察序列ObserveList中 的第1個(gè)序列元素，xa(k)表示觀(guān)察序列ObserveList中的第k個(gè)序列元素，xb(l)表示比 較序列ReferList中的第1個(gè)序列元素，Xb(k)表示比較序列ReferList中的第k個(gè)序列元
素，X' a(k) = Xa(k)/Xa(l)，X' a (1) = Xa (1)/、 ( 1) = 1 ， X ' b (k) = Xb (k)/xb (1) ， X ' b(l) =Xb(l)/Xb(l) = 1。 ②_6、利用灰色理論對(duì)觀(guān)察序列ObserveList和比較序列ReferList的絕對(duì)關(guān)聯(lián) 度與相對(duì)關(guān)聯(lián)度，以及第t個(gè)觀(guān)察點(diǎn)ObservePt與待提取的感興趣區(qū)域的灰色綜合關(guān)聯(lián)度 進(jìn)行分析，具體過(guò)程為計(jì)算觀(guān)察序列ObserveList和比較序列ReferList的絕對(duì)關(guān)聯(lián)度，
記為e ，e =--f，計(jì)算觀(guān)察序列ObserveList和比較序列ReferList的
<formula>formula see original document page 10</formula>相對(duì)關(guān)聯(lián)度，記為r， r = ~~^~c.e,，計(jì)算第t個(gè)觀(guān)察點(diǎn)ObservePt與待提取的感
興趣區(qū)域的灰色綜合關(guān)聯(lián)度，記為pt， pt= e e+(i-e)r，其中，a和e均為調(diào)整參數(shù)， 0 < A < l，O. 4《e《0. 6， P t G
。 在此具體實(shí)施例中，取A =0. 5，也可取0 1之間的任何一個(gè)值，如果取較大值， 則計(jì)算得到的觀(guān)察序列ObserveList和比較序列ReferList的絕對(duì)關(guān)聯(lián)度e及相對(duì)關(guān)聯(lián) 度r的值就相對(duì)較小，如果取較小值，則計(jì)算得到的絕對(duì)關(guān)聯(lián)度e及相對(duì)關(guān)聯(lián)度r的值就 相對(duì)較大，如果A太大或太小，都不能很好的表征兩個(gè)序列之間的絕對(duì)關(guān)聯(lián)度和相對(duì)關(guān)聯(lián)度。 在此具體實(shí)施例中，取e = 0. 5， e = 0. 5使得觀(guān)察序列ObserveList和比較序列 ReferList的絕對(duì)關(guān)聯(lián)度和相對(duì)關(guān)聯(lián)度在表征觀(guān)察點(diǎn)與待提取的感興趣區(qū)域的灰色綜合關(guān)聯(lián)度中占相同的比例，使計(jì)算得到的觀(guān)察點(diǎn)與待提取的感興趣區(qū)域的灰色綜合關(guān)聯(lián)度更為精度，為后續(xù)的判定閾值的自動(dòng)調(diào)整提供了良好的保障。 ②_7、根據(jù)第t個(gè)觀(guān)察點(diǎn)ObservePt與待提取的感興趣區(qū)域的灰色綜合關(guān)聯(lián)度P t，計(jì)算用于判斷第t個(gè)觀(guān)察點(diǎn)ObservePt是否屬于待提取的感興趣區(qū)域的判定閾值，記為
Thresholdt， T7res/w械=4 wx77 res/w/《,+A , ^' 7J ^ ，其中，Thresholdt—!
為用于判斷第t-l個(gè)觀(guān)察點(diǎn)ObservePt—工是否屬于待提取的感興趣區(qū)域的判定閾值，用于判斷第1個(gè)觀(guān)察點(diǎn)ObserveP工是否屬于待提取的感興趣區(qū)域的判定閾值Threshold的取值范圍為0. 5《Threshold!《l，O. 04《n《0. 06， m表示所有感興趣像素點(diǎn)的總個(gè)數(shù)。
在此具體實(shí)施例中，取初始的判定閾值Threshold = 0. 8，該值經(jīng)過(guò)大量實(shí)驗(yàn)驗(yàn)證，驗(yàn)證結(jié)果表明Threshold = 0. 8時(shí)，能夠使分割從一個(gè)平穩(wěn)的初始的判定閾值開(kāi)始，從而能夠使分割區(qū)域更有相關(guān)性；在此取n =0.05，如果n值太大，則會(huì)使分割的區(qū)域變大，如果太小，則會(huì)使分割的區(qū)域變小，這兩種情況都將導(dǎo)致分割的精度不高，通過(guò)大量實(shí)
驗(yàn)證明當(dāng)n在o. 04《n《o. 06內(nèi)時(shí)獲取的結(jié)果的精度較高，n = o. 05時(shí)效果更佳。 ②-8、判斷|Thresholdt_P t|《V是否成立，其中，0. 04《V《0. 06，如果成立，則確定第t個(gè)觀(guān)察點(diǎn)0bservePt屬于待提取的感興趣區(qū)域，對(duì)第t個(gè)觀(guān)察點(diǎn)0bserVePt進(jìn)行重新標(biāo)記，標(biāo)記為感興趣像素點(diǎn)，并將該第t個(gè)觀(guān)察點(diǎn)0bservePt的坐標(biāo)位置加入到感興趣隊(duì)列WellQueue中，然后將初始化隊(duì)列InitQueue中與第t個(gè)觀(guān)察點(diǎn)0bservePt的坐標(biāo)位置對(duì)應(yīng)的坐標(biāo)位置刪除，將第t個(gè)觀(guān)察點(diǎn)0bservePt的四鄰域像素點(diǎn)中未標(biāo)記為感興趣像素點(diǎn)或待處理像素點(diǎn)的像素點(diǎn)的坐標(biāo)位置加入到初始化隊(duì)列InitQueue中，并標(biāo)記這些像素點(diǎn)為待處理像素點(diǎn)，再計(jì)算t' =t+l，t = t'，并返回步驟②-3繼續(xù)執(zhí)行，否則，將初始化隊(duì)列InitQueue中與第t個(gè)觀(guān)察點(diǎn)0bserVePt的坐標(biāo)位置對(duì)應(yīng)的坐標(biāo)位置刪除，再計(jì)算t'=t+l，t = t'，并返回步驟②-3繼續(xù)執(zhí)行。 在此具體實(shí)施例中，取V =0. 05，如果V值調(diào)整過(guò)大，會(huì)導(dǎo)致圖像過(guò)度分割，使得感興趣區(qū)域變大，從而導(dǎo)致分割不精確；另一方面V值調(diào)整太小，也會(huì)導(dǎo)致分割不精確完全，沒(méi)有完全分割出感興趣區(qū)域。 ③從感興趣隊(duì)列WellQueue中提取出所有坐標(biāo)位置，然后從輸入圖像中提取出這
些坐標(biāo)位置相對(duì)應(yīng)的感興趣像素點(diǎn)，由提取出的感興趣像素點(diǎn)組成感興趣區(qū)域。 在此具體實(shí)施例中，在執(zhí)行步驟①之前可先采用四鄰域中值濾波法對(duì)輸入圖像進(jìn)
行濾波處理，這樣可有效去除輸入圖像中存在的噪聲。在此，也可采用其他各鄰域的中值濾
波法，但鑒于綜合考慮噪聲濾波的速度與精度，因此在此具體實(shí)施例中采用四鄰域。 在此具體實(shí)施例中，為了得到更為規(guī)則的感興趣區(qū)域的輪廓，還可對(duì)獲取的感興
趣區(qū)域進(jìn)行空洞點(diǎn)填補(bǔ)后處理，得到更精確的感興趣區(qū)域，空洞點(diǎn)填補(bǔ)后處理的具體過(guò)程
為掃描輸入圖像中的每個(gè)像素點(diǎn)，對(duì)于各個(gè)像素點(diǎn)，判斷像素點(diǎn)是否為感興趣像素點(diǎn)，如
果是，則對(duì)該像素點(diǎn)不進(jìn)行處理，否則，再判斷該像素點(diǎn)的四鄰域像素點(diǎn)是否均為感興趣像
素點(diǎn)，當(dāng)該像素點(diǎn)的四鄰域像素點(diǎn)均為感興趣像素點(diǎn)時(shí)，將該像素點(diǎn)標(biāo)記為感興趣像素點(diǎn)，
以減少噪聲對(duì)感興趣區(qū)域的影響，當(dāng)該像素點(diǎn)的四鄰域像素點(diǎn)中存在一個(gè)像素點(diǎn)不為感興
趣像素點(diǎn)時(shí)，對(duì)該像素點(diǎn)不進(jìn)行處理。
以下為對(duì)利用現(xiàn)有的基于區(qū)域生長(zhǎng)的分割方法和本發(fā)明方法分別對(duì)數(shù)字影像進(jìn)
行處理得到的結(jié)果進(jìn)行客觀(guān)的比較，以說(shuō)明本發(fā)明方法的有效性和可行性。 圖3a給出了頭顱CT數(shù)字影像，該影像的灰度值范圍為
，首先在該影像中
人工確定一個(gè)種子點(diǎn)，種子點(diǎn)的灰度值范圍為
，圖3a中的白色箭頭指向的點(diǎn)表示
人工選定的種子點(diǎn)，然后根據(jù)本發(fā)明的區(qū)域生長(zhǎng)的具體過(guò)程獲得感興趣區(qū)域。圖3c給出了
采用本發(fā)明方法從圖3a所示的圖像中提取得到的結(jié)果示意圖，而圖3b給出了采用現(xiàn)有的
一般區(qū)域生長(zhǎng)的分割方法對(duì)圖3a所示的圖像進(jìn)行分割獲得的結(jié)果示意圖，對(duì)比圖3b和圖
3c可得知，本發(fā)明方法能更準(zhǔn)確的定位感興趣區(qū)域，避免了一般區(qū)域生長(zhǎng)法分割過(guò)度和不
能充分分割出感興趣區(qū)域的現(xiàn)象，使得分割的區(qū)域更符合區(qū)域間一致性的原則，分割結(jié)果
更加完整精確，使得分割后不存在明顯鋸齒。 圖4a給出了加了噪聲的頭顱CT數(shù)字影像，圖4a中的白色箭頭指向的點(diǎn)表示人工選定的種子點(diǎn)。圖4c給出了采用本發(fā)明方法從圖4a所示的圖像中提取得到的結(jié)果示意圖，但事先并未采用四鄰域中值濾波法對(duì)輸入的加了噪聲的頭顱CT數(shù)字影像進(jìn)行濾波處理，而圖4b給出了采用現(xiàn)有的基于區(qū)域生長(zhǎng)的分割方法對(duì)圖4a所示的圖像進(jìn)行分割獲得的結(jié)果示意圖，對(duì)比圖4b和圖4c可得知，本發(fā)明方法在輸入圖像未去噪聲的情況下也能分割出較好的感興趣區(qū)域，足以說(shuō)明本發(fā)明方法在抗噪性方面更加具有魯棒性，通過(guò)對(duì)獲得的感興趣區(qū)域進(jìn)行空洞點(diǎn)填補(bǔ)后處理，有效避免了分割后空洞的產(chǎn)生，分割后的區(qū)域更加的完整和精確，使得進(jìn)一步定量分析和判斷更為合理，能夠得到滿(mǎn)意的分割結(jié)果。
1權(quán)利要求
一種醫(yī)學(xué)圖像的感興趣區(qū)域提取方法，其特征在于包括以下步驟①?gòu)妮斎雸D像中的待提取的感興趣區(qū)域中選取一個(gè)坐標(biāo)為(px，py)的像素點(diǎn)作為區(qū)域生長(zhǎng)的種子點(diǎn)，記種子點(diǎn)為SeedP，記種子點(diǎn)SeedP的灰度值為SeedP(px，py)，SeedP(px，py)＝Sum/9，其中，Sum表示種子點(diǎn)SeedP的灰度值SeedP(px，py)與種子點(diǎn)SeedP的各八鄰域像素點(diǎn)的灰度值之和；②基于區(qū)域生長(zhǎng)法，以種子點(diǎn)SeedP為中心向外進(jìn)行區(qū)域生長(zhǎng)，具體區(qū)域生長(zhǎng)過(guò)程為②-1、設(shè)置一個(gè)感興趣隊(duì)列WellQueue和一個(gè)初始化隊(duì)列InitQueue，其中，感興趣隊(duì)列WellQueue和初始化隊(duì)列InitQueue的初始值為空；設(shè)置一個(gè)觀(guān)察序列ObserveList和一個(gè)比較序列ReferList，其中，觀(guān)察序列ObserveList和比較序列ReferList的初始值為空；②-2、將種子點(diǎn)SeedP的坐標(biāo)位置(px，py)以及種子點(diǎn)SeedP的各八鄰域像素點(diǎn)的坐標(biāo)位置加入到感興趣隊(duì)列WellQueue中，并將種子點(diǎn)SeedP以及種子點(diǎn)SeedP的各八鄰域像素點(diǎn)標(biāo)記為感興趣像素點(diǎn)；將種子點(diǎn)SeedP的各八鄰域像素點(diǎn)的四鄰域像素點(diǎn)中未標(biāo)記為感興趣像素點(diǎn)的像素點(diǎn)的坐標(biāo)位置加入到初始化隊(duì)列InitQueue中，并將這些像素點(diǎn)標(biāo)記為待處理像素點(diǎn)；②-3、判斷初始化隊(duì)列InitQueue是否為空，如果是，則表示區(qū)域生長(zhǎng)過(guò)程結(jié)束，執(zhí)行步驟③，否則，按先進(jìn)先出方式從初始化隊(duì)列InitQueue中選取位于隊(duì)頭的坐標(biāo)位置，將該坐標(biāo)位置對(duì)應(yīng)的待處理像素點(diǎn)作為第t個(gè)觀(guān)察點(diǎn)，記第t個(gè)觀(guān)察點(diǎn)為ObservePt，其中，t的初始值為1；②-4、計(jì)算所有感興趣像素點(diǎn)的灰度值的平均值，記為Average，計(jì)算第t個(gè)觀(guān)察點(diǎn)ObservePt的四鄰域像素點(diǎn)中標(biāo)記為感興趣像素點(diǎn)的所有像素點(diǎn)的灰度值的平均值，記為NeiAve，將第t個(gè)觀(guān)察點(diǎn)ObservPt的灰度值、種子點(diǎn)SeedP的灰度值、所有感興趣像素點(diǎn)的灰度值的平均值A(chǔ)verage以及第t個(gè)觀(guān)察點(diǎn)ObservePt的四鄰域像素點(diǎn)中標(biāo)記為感興趣像素點(diǎn)的各像素點(diǎn)的灰度值順序作為觀(guān)察序列ObserveList的序列元素，將第t個(gè)觀(guān)察點(diǎn)ObservePt的四鄰域像素點(diǎn)中標(biāo)記為感興趣像素點(diǎn)的所有像素點(diǎn)的灰度值的平均值NeiAve、種子點(diǎn)SeedP的灰度值、所有感興趣像素點(diǎn)的灰度值的平均值A(chǔ)verage以及第t個(gè)觀(guān)察點(diǎn)ObservePt的四鄰域像素點(diǎn)中標(biāo)記為感興趣像素點(diǎn)的各像素點(diǎn)的灰度值順序作為比較序列ReferList的序列元素；②-5、計(jì)算觀(guān)察序列ObserveList的零化像之和，記為Sa，計(jì)算比較序列ReferList的零化像之和，記為Sb，計(jì)算觀(guān)察序列ObserveList的初始像之和，記為S′a，計(jì)算比較序列ReferList的初始像之和，記為S′b，其中，n表示觀(guān)察序列ObserveList或比較序列ReferList所包含的序列元素的總個(gè)數(shù)，4≤n≤6，xa(1)表示觀(guān)察序列ObserveList中的第1個(gè)序列元素，xa(k)表示觀(guān)察序列ObserveList中的第k個(gè)序列元素，xb(1)表示比較序列Re ferList中的第1個(gè)序列元素，xb(k)表示比較序列Re ferList中的第k個(gè)序列元素，x′a(k)＝xa(k)/xa(1)，x′a(1)＝xa(1)/xa(1)＝1，x′b(k)＝xb(k)/xb(1)，x′b(1)＝xb(1)/xb(1)＝1；②-6、利用灰色理論計(jì)算觀(guān)察序列ObserveList和比較序列ReferList的絕對(duì)關(guān)聯(lián)度與相對(duì)關(guān)聯(lián)度，以及第t個(gè)觀(guān)察點(diǎn)ObservePt與待提取的感興趣區(qū)域的灰色綜合關(guān)聯(lián)度，具體過(guò)程為計(jì)算觀(guān)察序列ObserveList和比較序列ReferList的絕對(duì)關(guān)聯(lián)度，記為ε，計(jì)算觀(guān)察序列ObserveList和比較序列ReferList的相對(duì)關(guān)聯(lián)度，記為r，計(jì)算第t個(gè)觀(guān)察點(diǎn)ObservePt與待提取的感興趣區(qū)域的灰色綜合關(guān)聯(lián)度，記為ρt，ρt＝θε+(1-θ)r，其中，λ和θ均為調(diào)整參數(shù)，0＜λ＜1，0.4≤θ≤0.6，ρt∈
；②-7、根據(jù)第t個(gè)觀(guān)察點(diǎn)ObservePt與待提取的感興趣區(qū)域的灰色綜合關(guān)聯(lián)度ρt，計(jì)算用于判斷第t個(gè)觀(guān)察點(diǎn)ObservePt是否屬于待提取的感興趣區(qū)域的判定閾值，記為T(mén)hresholdt，其中，Thresholdt-1為用于判斷第t-1個(gè)觀(guān)察點(diǎn)ObservePt-1是否屬于待提取的感興趣區(qū)域的判定閾值，用于判斷第1個(gè)觀(guān)察點(diǎn)ObserveP1是否屬于待提取的感興趣區(qū)域的判定閾值Threshold1的取值范圍為0.5≤Threshold1≤1，0.04≤η≤0.06，m表示所有感興趣像素點(diǎn)的總個(gè)數(shù)；②-8、判斷|Thresholdt-ρt|≤ψ是否成立，其中，0.04≤ψ≤0.06，如果成立，則確定第t個(gè)觀(guān)察點(diǎn)ObservePt屬于待提取的感興趣區(qū)域，對(duì)第t個(gè)觀(guān)察點(diǎn)ObservePt進(jìn)行重新標(biāo)記，標(biāo)記為感興趣像素點(diǎn)，并將該第t個(gè)觀(guān)察點(diǎn)ObservePt的坐標(biāo)位置加入到感興趣隊(duì)列WellQueue中，然后將初始化隊(duì)列InitQueue中與第t個(gè)觀(guān)察點(diǎn)ObservePt的坐標(biāo)位置對(duì)應(yīng)的坐標(biāo)位置刪除，將第t個(gè)觀(guān)察點(diǎn)ObservePt的四鄰域像素點(diǎn)中未標(biāo)記為感興趣像素點(diǎn)或待處理像素點(diǎn)的像素點(diǎn)的坐標(biāo)位置加入到初始化隊(duì)列InitQueue中，并標(biāo)記這些像素點(diǎn)為待處理像素點(diǎn)，再計(jì)算t′＝t+1，t＝t′，并返回步驟②-3繼續(xù)執(zhí)行，否則，將初始化隊(duì)列InitQueue中與第t個(gè)觀(guān)察點(diǎn)ObservePt的坐標(biāo)位置對(duì)應(yīng)的坐標(biāo)位置刪除，再計(jì)算t′＝t+1，t＝t′，并返回步驟②-3繼續(xù)執(zhí)行；③從感興趣隊(duì)列WellQueue中提取出所有坐標(biāo)位置，然后從輸入圖像中提取出這些坐標(biāo)位置相對(duì)應(yīng)的感興趣像素點(diǎn)，由提取出的感興趣像素點(diǎn)組成感興趣區(qū)域。
2. 根據(jù)權(quán)利要求1所述的一種醫(yī)學(xué)圖像的感興趣區(qū)域提取方法，其特征在于在執(zhí)行所 述的步驟①之前先采用四鄰域中值濾波法對(duì)輸入圖像進(jìn)行濾波處理，去除輸入圖像中存在 的噪聲。
3. 根據(jù)權(quán)利要求1或2所述的一種醫(yī)學(xué)圖像的感興趣區(qū)域提取方法，其特征在于對(duì)獲 得的感興趣區(qū)域進(jìn)行空洞點(diǎn)填補(bǔ)后處理，以得到更精確的感興趣區(qū)域，具體過(guò)程為掃描輸 入圖像中的每個(gè)像素點(diǎn)，對(duì)于各個(gè)像素點(diǎn)，判斷像素點(diǎn)是否為感興趣像素點(diǎn)，如果是，則對(duì) 該像素點(diǎn)不進(jìn)行處理，否則，再判斷該像素點(diǎn)的四鄰域像素點(diǎn)是否均為感興趣像素點(diǎn)，當(dāng)該像素點(diǎn)的四鄰域像素點(diǎn)均為感興趣像素點(diǎn)時(shí)，將該像素點(diǎn)標(biāo)記為感興趣像素點(diǎn)，當(dāng)該像素 點(diǎn)的四鄰域像素點(diǎn)中存在一個(gè)像素點(diǎn)不為感興趣像素點(diǎn)時(shí)，對(duì)該像素點(diǎn)不進(jìn)行處理。
4. 根據(jù)權(quán)利要求3所述的一種醫(yī)學(xué)圖像的感興趣區(qū)域提取方法，其特征在于所述的步 驟②-6中入=0. 5。
5. 根據(jù)權(quán)利要求3所述的一種醫(yī)學(xué)圖像的感興趣區(qū)域提取方法，其特征在于所述的步 驟②_7中Threshold! = 0. 8。
6. 根據(jù)權(quán)利要求3所述的一種醫(yī)學(xué)圖像的感興趣區(qū)域提取方法，其特征在于所述的步 驟②-7中n = 0. 05。
7. 根據(jù)權(quán)利要求3所述的一種醫(yī)學(xué)圖像的感興趣區(qū)域提取方法，其特征在于所述的步 驟②-8中v = 0. 05。
全文摘要
本發(fā)明公開(kāi)了一種醫(yī)學(xué)圖像的感興趣區(qū)域提取方法，該方法在種子點(diǎn)選取過(guò)程中，將所選種子點(diǎn)的灰度值與其八鄰域像素點(diǎn)的灰度值之和的平均值作為該種子點(diǎn)的灰度值，這樣可避免種子點(diǎn)選取的錯(cuò)誤，從而避免了因種子點(diǎn)的錯(cuò)誤選擇而導(dǎo)致不能進(jìn)行良好分割的后果；在區(qū)域生長(zhǎng)過(guò)程中，本方法充分利用了圖像的全局和局部信息，構(gòu)建了觀(guān)察和比較序列，再利用灰色理論計(jì)算觀(guān)察和比較序列的絕對(duì)關(guān)聯(lián)度及相對(duì)關(guān)聯(lián)度，根據(jù)絕對(duì)關(guān)聯(lián)度及相對(duì)關(guān)聯(lián)度計(jì)算表征觀(guān)察點(diǎn)與感興趣區(qū)域的灰色綜合關(guān)聯(lián)度，計(jì)算復(fù)雜度較低，運(yùn)行時(shí)間較短；在區(qū)域生長(zhǎng)過(guò)程中，在灰色綜合關(guān)聯(lián)度的基礎(chǔ)上調(diào)整判定閾值，從而把感興趣區(qū)域從圖像中提取出來(lái)，且提取精度較高。
文檔編號(hào)G06T5/00GK101697229SQ20091015370
公開(kāi)日2010年4月21日 申請(qǐng)日期2009年10月30日 優(yōu)先權(quán)日2009年10月30日
發(fā)明者向建華, 李均利, 汪永生, 祝衛(wèi)峰, 金林鵬, 陳剛, 魏平 申請(qǐng)人:寧波大學(xué);