利用形状模型的基于知识的图像分割方法

摘要

一种用于从具有感兴趣对象的病人的图像中分割这样对象的方法。使多个训练形状的每一个训练形状变形，以利用参数Θ_i覆盖参考模型，Θ_i是实现覆盖所需的变形量的量度。通过成本函数的最小化，为每一个训练形状获得参数Θ_i的向量，以及为所获得的参数Θ_i的向量中的每一个向量估计不确定性，这种不确定性被量化为协方差矩阵Σ_i。利用具有平均值Θ_i和协方差Σ_i的核的总和产生被表示为(Θ，Σ)的统计模型。通过在图像上定位参考形状并且使参考形状变形以利用参数Θ覆盖所获得的图像来识别病人的图像中感兴趣的期望对象，其中Θ是实现覆盖所需的变形量的量度。不确定性被定量为协方差矩阵Σ，并且计算E＝E_shape+E_image，以获得统计形状模型中当前形状的概率E_shape(Θ，Σ)＝－log()以及图像中的拟合E_image。

主权项

1、一种用于从具有感兴趣对象的病人的图像中分割这种对象的方法，包括：变换所产生的该对象的参考形状，以依据能量函数匹配多个训练形状中的每一个训练形状，这包括使所述训练形状中的每一个训练形状变形以利用参数Θ_i覆盖参考形状，参数Θ_i是在每一个格点处实现N个训练形状中的第i个训练形状的覆盖所需的变形量的量度；通过成本函数的最小化为所述训练形状中的每一个训练形状获得参数Θ_i的向量；为所获得的参数Θ_i的向量中的每一个向量估计不确定性，这种不确定性被量化为协方差矩阵Σ_i；为多个训练形状提供被表示为的统计模型，该统计模型是具有平均值Θ_i和协方差Σ_i的K个高斯核的总和。