基于局部和全局区域不相似性度量的变分分割方法

摘要

本发明涉及医学图像分割技术领域，尤其对于核磁共振成像与扩散张量成像，对于一幅图像，在给定区域个数以后，通过对局部区域与全局区域作不相似性度量，得到划分的定量评价－能量范函，采用梯度下降找到对应极值的函数。基于level set框架，用隐函数描述对象的轮廓，在欧拉坐标系下更新全场，得到对应零level set的进化过程，基于这一框架的好处是拓扑自适应，数值计算稳定，求得间断解。对于图像驱动的速度场，提供归一化函数，使得计算可以在较大的时间步长下稳定，提高计算速度。该方法对于医学图像分割非常有效，尤其对于噪声较强的图像，得到的结果比普通方法好很多。该方法可以广泛应用于各种临床与基础研究。

主权项

1、一种对医学图像进行分割处理的方法，其特征是，利用计算机设备，采用基于全局区域和局部区域不相似度量的变分主动轮廓模型，使用level set框架，对图像自动进行目标提取，变分分割方法，是轮廓函数的范函，基于某种准则建立对图像的定量化描述，然后找到最优的轮廓，就找到了图像中物体的边界，对于一幅图像，在给定区域个数以后，通过对局部区域与全局区域作不相似性度量，用J散度，得到划分的定量评价-能量范函，对这个能量范函求极值，采用梯度下降算法找到对应极值的函数，基于level set框架，用隐函数描述对象的轮廓，在欧拉坐标系下更新全场，从而得到对应零level set的进化过程，基于这一框架的好处是拓扑自适应，数值计算稳定，可以求得间断解，另外对于图像驱动的速度场，提供归一化函数，其核心部分在于，提出一种通过J散度来度量局部和全局区域相似度的变分分割方法，该方法是通过假设图像中每个区域都满足分布，然后用信息论中度量随机变量分布不相似性准则来度量它们的相似性，该方法包含每个像素邻域的一阶和二阶矩信息，具有区分不同区域的能力。