一种基于Hessian隐函数的交互式体分割方法技术

本发明专利技术公开了一种基于Hessian隐函数的交互式体分割方法，步骤：图像平滑；TurtleSeg预分割，用来得到初始的分割结果；点集的预处理，用于从初始分割结果中提取待分割物体边界上的数据点，并对这些点集进行去噪重采样，法向计算，Hessian计算；生成区域覆盖，用于将整个待分割的区域划分为一系列重叠的子区域；局部拟合；交互优化分割，将上述子区域的隐函数进行混合，得到全局的隐函数，并进行等值面提取，得到待分割物体的表面，通过迭代地、交互地调整局部点集的Hessian信息，重计算隐函数来优化分割结果。本发明专利技术通过将Hessian矩阵添加到重构的优化函数中，不仅能提高分割的精度，并且提供了一种简单，直观的交互方法，具有操作简单，速度较快，分割准确的特点。

【技术实现步骤摘要】

本专利技术涉及一种基于Hessian(黑塞矩阵）隐函数的交互式体分割方法。
技术介绍
计算机层析成像技术（ComputerizedTomography)，简称工业CT，是计算机技术与 放射学相结合而产生的一门新的成像技术。它利用射线穿过物体发生衰减这一性质，将传 感器获得的数据进行重建从而获得被检测物体的三维灰度图像，清晰、准确、直观地反映物 体的内部结构、材料密度和缺损状况。这一技术被广泛地应用于工业和医学领域，工业上可 以用来对金属进行探伤，医学上可以用来对病人病情进行诊断，治疗等。 对于扫描得到的数据集，传统的检测方法需要技术人员对每一张CT切片进行单 独处理，人工标识出目标物体在每张CT切片上的轮廓。然而由于CT数据中噪声的存在，加 大了分辨的难度，同时，单一枯燥的读片工作，不仅占用了相关技术人员大量的时间而且极 易导致遗漏和误判。 为了解决上述问题，本专利技术提出了一种基于Hessian(黑塞矩阵）隐函数的交 互式分割方法，通过将Hessian(黑塞矩阵）信息加入到重构时的优化系统中，能够尽可 能地保持细节，使分割结果更加准确，同时结合Hessian(黑塞矩阵）的特点，提出基于 Hessian(黑塞矩阵）特征向量标架的交互式分割方法。该方法具有步骤清晰，操作性强，算 法高效，结果准确的特点，极大地提高了相关技术人员的工作效率，提高判断的准确性。
技术实现思路
本专利技术解决的技术问题是：在对CT切片数据的分割方法中，克服了传统方法中 对单一切片进行处理存在的效率底下，误差较大等问题，提出了一种基于Hessian(黑塞矩 阵）隐函数的交互式分割方法，通过结合Hessian(黑塞矩阵）等高阶信息，能够提高分割 的准确性，同时通过设计简单的交互方式，极大地提高了效率。 本专利技术采用的技术方案为：一种基于Hessian(黑塞矩阵）隐函数的交互式分割方 法，包括以下六个步骤： 步骤（1)、图像平滑：针对CT扫描数据噪音大，边界模糊的缺点，采用了基于相对 总变差的从纹理中提取结构的方法，对图像细节进行了模糊，但是增强了图像的结构，使边 界更加清晰； 步骤（2)、TurtleSeg预分割，使用现有的一种分割方法，得到待分割物体的初始 分割结果，提高分割的效率。位于物体内部的体素标记为1，外部的体素标记为〇,将此体素 作为模板，用于后续处理；步骤（3)、点集的预处理，根据上一步得到的模板，提取位于边界上的数据点，得到 初始的数据点集，对点集进行平滑、去噪和重采样，然后计算每个点处的法向信息，通过局 部二次曲面拟合求得Hessian(黑塞矩阵）信息； 步骤（4)、生成区域覆盖，通过设定局部误差上限，采用基于Gauss曲率的球覆盖 的自适应算法，将整个待分割的区域划分为一系列有一定程度重叠的球型区域； 步骤（5)、局部拟合，在每个子区域内，求解添加了Hessian(黑塞矩阵）信息的优 化函数，得到在每个子区域内的隐函数，不同的区域之间可以并行计算，加快计算速度；步骤（6)、交互优化分割，将上述局部隐函数进行加权混合，得到全局的隐式函数， 通过提取等值面即可得到初始的分割结果，针对不满意的地方，用户可交互地设置局部区 域，通过调整局部数据点的Hessian(黑塞矩阵）特征向量标架，重计算局部的隐函数，进一 步优化分割结果，此步骤可通过多次迭代进行。 本专利技术的原理在于： (1)通过应用CT数据直接体绘制技术，将单一切片分割转变为体分割，从数量上 来说，大大减少了工作量，有效地减少了人工因素所引起的误差； (2)通过现有的分割方法，提取一个初始的分割结果，进一步减少了工作量。 通过提取位于边界上的数据点，将原来的分割问题，转化为基于重构的分割，通过将 Hessian(黑塞矩阵）信息加入重构的优化函数中，能够保持更多的细节，提高了准确性。 (3)为了提高计算效率，采用了局部并行重构，全局混合的方法得到全局的隐函 数，通过提取等值面可得初始分割结果。进一步地针对Hessian(黑塞矩阵）的特点，设计 通过调整Hessian(黑塞矩阵）特征向量标架的交互方式优化分割的结果。 本专利技术与现有技术相比的有点在于： 1、对CT切片进行增强操作可以提高准确率，同时将CT切片组成体数据的方式，相 比单一切片处理工作，可以大大节省时间。 2、通过将高阶的Hessian(黑塞矩阵）信息添加到重构的优化函数中，可以尽可能 地保持更多的细节，使分割的结果尽可能地准确。 3、设计针对Hessian(黑塞矩阵）特点的交互方式，采用迭代地优化分割的结果， 使分割的过程更加直观，准确，高效。【附图说明】 图1基于Hessian(黑塞矩阵）隐函数的交互式体分割方法的处理流程图； 图2基于Hessian(黑塞矩阵）隐函数的交互式体分割方法的技术方案示意图； 图3为图像增强之后对比图；其中，a是原始的，b是增强之后的。 图4Hessian(黑塞矩阵）标架对分割结果的影响； 图5不同Hessian(黑塞矩阵）特征向量标架下的分割结果； 图6局部到全局混合示意图，〇1，〇2分别表示两个不同区域，每个区域单独拟合的 曲线以及全局混合得到的曲线； 图7不同分割方法之间的对比； 图8分割结果。【具体实施方式】 图1给出了基于Hessian(黑塞矩阵）隐函数的交互式体分割方法的总体处理流 程，图2给出了对应的技术方案示意图，下面结合其他附图及【具体实施方式】进一步说明本 专利技术。 本专利技术提供一种基于Hessian(黑塞矩阵）隐函数的交互式体分割方法，主要步骤 介绍如下： 1、相关总变差图像增强方法 总变差（TotalVariation，TV)极小化方法是一种在图像重建中能很好地保持边 缘的有效方法。方法主要用于从观测图像f中恢复一个分片光滑的近似图像u，而v=u-f 被认为是噪声或小的重复模式，从观测图像中移除。然而，在有些情况中，成分v也很重要， 特别是在它表达纹理时。TV方法将观测图像分解为理想图像和加性随机噪声，通过对理想 图像的求解，可用于图像去噪，其基本模型为：f=u+w其中f为观测图像，u是待恢复的理 想图像，w是加性噪声。 本专利技术采用基于相关总变差的从纹理中提取结构的方法（RTV)来增强图像。该方 法包含一般的以像素为单位来计算窗口化的总变差，公式为： 其中，R(p)是以像素p为中心的三角区域，q属于R(p) ;gp，q是一个权重函数，定义 为g中σ控制窗口的空间尺寸。为了从纹理中显著区 分结构，再定义一个新颖的用于描述窗口固有的差异，形式为： 该公式能够获得整个空间的差异。对于以上公式，有一个重要的性质：一般说， if的结果窗口中，只包含纹理的情况比同时包含纹理和结构边的情况要少。可以直观地解 释为，在复杂情况下，在局部窗口中，主要边的相似方向梯度的贡献比纹理更大一些。 为了进一步增强结构和纹理的对比，特别是显著的区域，通过结合：和ii获得 了一个更有效结构纹理分解形式： 其中（SP_IP)2控制输入和输出不能偏离太多。新的项：被称 为相对总方差（RTV)，能够有效地从图像中去除纹理。λ是权重，ε是一个很小的正数，防 止被0除。RTV结合了g和f的特性，是一种简单并且十分有效的提取结构的方法。效 果如图3中B。 2、求解采样点处Hessi本文档来自技高网...

【技术保护点】
一种基于Hessian隐函数的交互式体分割方法，其特征在于：包括以下六个步骤：步骤(1)、图像平滑：针对CT扫描数据噪音大，边界模糊的缺点，采用了基于相对总变差的从纹理中提取结构的方法，对图像细节进行了模糊，但是增强了图像的结构，使边界更加清晰；步骤(2)、TurtleSeg预分割，使用现有的一种分割方法，得到待分割物体的初始分割结果，位于物体内部的体素标记为1，外部的体素标记为0，将此体素作为模板，用于后续处理；步骤(3)、点集的预处理，根据上一步得到的模板，提取位于边界上的数据点，得到初始的数据点集，对点集进行平滑、去噪和重采样，然后计算每个点处的法向信息，通过局部二次曲面拟合求得Hessian信息；步骤(4)、生成区域覆盖，通过设定局部误差上限，采用基于Gauss曲率的球覆盖的自适应算法，将整个待分割的区域划分为一系列有一定程度重叠的球型区域；步骤(5)、局部拟合，在每个子区域内，求解添加了Hessian信息的优化函数，得到每个子区域内的隐函数，不同的区域之间可以并行计算，加快计算速度；步骤(6)、交互优化分割，将上述局部隐函数进行加权混合，得到全局的隐式函数，通过提取等值面即可得到初始的分割结果，针对不满意的地方，用户可交互地设置局部区域，通过调整局部数据点的Hessian特征向量标架，重计算局部的隐函数，进一步优化分割结果，此步骤可通过多次迭代进行。...

【技术特征摘要】

【专利技术属性】
技术研发人员：李帅，李向阳，郝爱民，秦洪，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11