1.一种基于flow-xdog算子的腹部mri图像轮廓提取方法，其特征在于，包括以下步骤：
步骤1，腹部mri图像预处理：减少由噪声和偏差场造成的干扰，对图像进行增强和平滑；
步骤2，提取组织或器官边缘：对预处理后的mri图像分别用两个不同参数的flow-xdog算子进行边缘提取，通过边缘连接得到初步结果；
步骤3，去除错误边缘干扰；
步骤4，去除伪边缘，进行边缘细化，完成腹部mri图像轮廓的提取。
2.根据权利要求1所述的基于flow-xdog算子的腹部mri图像轮廓提取方法，其特征在于，在步骤1中，对图像进行双边滤波，减少噪声和偏差场对轮廓提取的干扰；使用分数阶微分滤波，增强图像纹理细节，保留图像中的平滑区域。
3.根据权利要求2所述的基于flow-xdog算子的腹部mri图像轮廓提取方法，其特征在于，在步骤1中，所述分数阶微分滤波使用的分数阶微分模板为tiansi算子。
4.根据权利要求1所述的基于flow-xdog算子的腹部mri图像轮廓提取方法，其特征在于，在步骤2中，使用flow-xdog算子对预处理后的mri图像进行边缘提取的过程如下：
(1)计算图像梯度，得到梯度图像；
(2)构造边缘切向流(edgetangentflow，etf)；
(3)使用扩展高斯差分滤波(xdog)提取线条轮廓；
(4)阈值分割；
(5)连通域阈值滤波。
5.根据权利要求1所述的基于flow-xdog算子的腹部mri图像轮廓提取方法，其特征在于，在步骤2中，分别使用两个不同参数ρ的flow-xdog算子对预处理后的mri图像进行边缘提取，得到较小的ρ值对应的图像a和较大的ρ值对应的图像b；其中，参数ρ用于控制算子提取的线条数量，ρ值越大提取出的线条就越多。
6.根据权利要求5所述的基于flow-xdog算子的腹部mri图像轮廓提取方法，其特征在于，在步骤2中，所述边缘连接，是指若图像a的每个边缘像素(xi,yi)在图像b对应位置的邻域中存在边缘点(x′i,y′i)，则将图a中位于(x′i,y′i)的点置为边缘点的过程。
7.根据权利要求1所述的基于flow-xdog算子的腹部mri图像轮廓提取方法，其特征在于，在步骤3中，通过获得图像之间的差异信息和连通域阈值滤波，去除由于噪声和其他干扰因素产生的错误边缘以及位于器官内部的错误边缘。
8.根据权利要求1所述的基于flow-xdog算子的腹部mri图像轮廓提取方法，其特征在于，在步骤4中，使用加权邻域全变分滤除在进行边缘提取过程中产生的伪边缘，并对边缘进行初步细化。
9.根据权利要求8所述的基于flow-xdog算子的腹部mri图像轮廓提取方法，其特征在于，在步骤4中，加权邻域全变分的计算公式如下：
其中，(x,y)表示图像中的像素点的坐标，(x0，y0)表示图像中的某一个像素点的坐标，d表示点(x0,y0)处的加权邻域全变分值，ω表示以(x0,y0)为中心的邻域空间，h(x,y)表示高斯函数，
10.根据权利要求8所述的基于flow-xdog算子的腹部mri图像轮廓提取方法，其特征在于，在步骤4中，通过骨架提取算法对边缘进一步细化，得到最终的边缘细化结果。