一种基于特征提取的肺结核CT图像分割方法与流程

本发明涉及图像增强，具体涉及一种基于特征提取的肺结核ct图像分割方法。

背景技术：

1、ct图像在成像过程中可能会因多种因素而出现伪影，由于出现的伪影往往和肺结核病灶边缘存在一定的相似性，比如两者均比较模糊，所以出现的伪影往往会对ct图像分割产生较大的影响，比如，可能会将部分伪影像素点误判为肺结核病灶边缘上的像素点，因此在ct图像分割时往往需要对图像进行增强以减少伪影带来的影响。目前，对图像进行增强时，通常采用的方法为：根据图像的灰度直方图，对图像进行直方图均衡化，得到增强图像。

2、然而，当根据肺结核ct图像的灰度直方图，对肺结核ct图像进行直方图均衡化，实现图像增强时，经常会存在如下技术问题：

3、由于灰度直方图均衡化往往是按照图像的灰度值分布进行统计学上的整体图像增强，因此，直接根据肺结核ct图像的灰度直方图，对肺结核ct图像进行直方图均衡化时，可能导致某些像素点较少的肺结核病灶细节信息丢失，从而导致对肺结核ct图像进行增强的效果较差，进而导致肺结核ct图像分割的准确度较差。

技术实现思路

1、为了解决由于对肺结核ct图像进行增强的效果较差而导致的肺结核ct图像分割的准确度较差的技术问题，本发明提出了一种基于特征提取的肺结核ct图像分割方法。

2、本发明提供了一种基于特征提取的肺结核ct图像分割方法，该方法包括：

3、获取肺结核ct图像，对肺结核ct图像中的每个像素点对应的预设邻域进行灰度混乱程度分析处理，得到每个像素点对应的灰度混乱程度；

4、根据每个像素点对应的灰度混乱程度，对每个像素点进行病灶边缘形状规律分析处理，得到每个像素点对应的病灶边缘因子；

5、对每个像素点在预设数量个预设方向上进行密度变化连续性分析处理，得到每个像素点对应的密度连续因子；

6、根据像素点对应的灰度混乱程度、病灶边缘因子和密度连续因子，从肺结核ct图像中筛选出伪影像素点；

7、根据肺结核ct图像中的每个伪影像素点对应的灰度混乱程度、病灶边缘因子和密度连续因子，对每个伪影像素点进行增强，得到目标增强图像；

8、对所述目标增强图像进行分割，得到目标区域。

9、可选地，像素点对应的灰度混乱程度对应的公式为：

10、；

11、；

12、其中，是肺结核ct图像中第个像素点对应的灰度混乱程度；是肺结核ct图像中像素点的序号；是肺结核ct图像中第个像素点对应的第一混乱程度；是肺结核ct图像中第个像素点对应的第二混乱程度；是肺结核ct图像中第个像素点对应的第三混乱程度；是肺结核ct图像中最大的灰度值；是肺结核ct图像中最小的灰度值；是和之间的灰度值；是肺结核ct图像中第个像素点对应的预设邻域内像素点的数量；是肺结核ct图像中第个像素点对应的预设邻域内，灰度值等于的像素点的数量；是以2为底的对数；是肺结核ct图像中第个像素点对应的预设邻域内像素点的序号；是取绝对值函数；是肺结核ct图像中第个像素点对应的灰度值；是肺结核ct图像中第个像素点对应的预设邻域内第个像素点对应的灰度值；是肺结核ct图像中第个像素点对应的预设邻域内所有像素点对应的灰度值中的最大值；是肺结核ct图像中第个像素点对应的预设邻域内所有像素点对应的灰度值中的最小值。

13、可选地，所述根据每个像素点对应的灰度混乱程度，对每个像素点进行病灶边缘形状规律分析处理，得到每个像素点对应的病灶边缘因子，包括：

14、当像素点对应的灰度混乱程度小于或等于预设混乱阈值时，将常数0确定为像素点对应的病灶边缘因子；

15、当像素点对应的灰度混乱程度大于预设混乱阈值时，将像素点确定为参考像素点；

16、对所有参考像素点所在的区域进行连通域划分，根据每个参考像素点所属连通域，确定每个参考像素点对应的病灶边缘因子。

17、可选地，肺结核ct图像中参考像素点对应的病灶边缘因子对应的公式为：

18、；

19、其中，是肺结核ct图像中第个参考像素点对应的病灶边缘因子；是肺结核ct图像中参考像素点的序号；是归一化函数；是肺结核ct图像中第个参考像素点所属连通域内，所有像素点与第个参考像素点所属连通域的中心之间的距离的方差；是预先设置的大于0的因子；是肺结核ct图像中第个参考像素点所属连通域内像素点的数量；是肺结核ct图像中第个参考像素点所属连通域内像素点的序号；是肺结核ct图像中第个参考像素点所属连通域内，所有像素点与第个参考像素点所属连通域的中心之间的距离中的最大值；是肺结核ct图像中第个参考像素点所属连通域内，第个像素点与第个参考像素点所属连通域的中心之间的距离。

20、可选地，所述对每个像素点在预设数量个预设方向上进行密度变化连续性分析处理，得到每个像素点对应的密度连续因子，包括：

21、将肺结核ct图像中任意一个像素点，确定为标记像素点，从所述标记像素点的每个预设方向上筛选出距离所述标记像素点最近的预设数目个像素点，构成所述标记像素点在每个预设方向上的像素点序列；

22、根据所述标记像素点在预设数量个预设方向上的像素点序列，确定所述标记像素点对应的密度连续因子。

23、可选地，像素点对应的密度连续因子对应的公式为：

24、；

25、；

26、其中，是肺结核ct图像中第个像素点对应的密度连续因子；是肺结核ct图像中像素点的序号；是归一化函数；是肺结核ct图像中第个像素点对应的第一连续因子；是肺结核ct图像中第个像素点对应的第二连续因子；和是预先设置的大于0的因子；是肺结核ct图像中第个像素点在第个预设方向上的像素点序列中像素点的数量；是预设数量；是预设方向的序号；是第个像素点在第个预设方向上的像素点序列中像素点的序号；是第个像素点在第个预设方向上的像素点序列中，第个像素点对应的一阶灰度差异；为取绝对值函数；是第个像素点在第个预设方向上的像素点序列中，第个像素点对应的灰度值；是第个像素点在第个预设方向上的像素点序列中，第个像素点对应的灰度值；是第个像素点在第个预设方向上的像素点序列中，第个像素点对应的一阶灰度差异。

27、可选地，所述根据像素点对应的灰度混乱程度、病灶边缘因子和密度连续因子，从肺结核ct图像中筛选出伪影像素点，包括：

28、根据每个像素点对应的灰度混乱程度，确定每个像素点对应的非伪非病可能因子，其中，灰度混乱程度与非伪非病可能因子呈负相关；

29、根据每个像素点对应的病灶边缘因子和非伪非病可能因子，确定每个像素点对应的非伪病灶可能因子，其中，非伪非病可能因子与非伪病灶可能因子呈负相关，病灶边缘因子与非伪病灶可能因子呈正相关；

30、根据每个像素点对应的非伪非病可能因子、非伪病灶可能因子和密度连续因子，确定每个像素点对应的伪影病灶可能因子，其中，非伪非病可能因子和非伪病灶可能因子均与伪影病灶可能因子呈负相关，密度连续因子与伪影病灶可能因子呈正相关；

31、根据每个像素点对应的非伪非病可能因子、非伪病灶可能因子和伪影病灶可能因子，确定每个像素点对应的伪影非病可能因子，其中，非伪非病可能因子、非伪病灶可能因子和伪影病灶可能因子均与伪影非病可能因子呈负相关；

32、若像素点对应的非伪非病可能因子、非伪病灶可能因子、伪影病灶可能因子和伪影非病可能因子中最大的因子为伪影病灶可能因子，则将像素点确定为伪影病灶像素点；

33、若像素点对应的非伪非病可能因子、非伪病灶可能因子、伪影病灶可能因子和伪影非病可能因子中最大的因子为伪影非病可能因子，则将像素点确定为伪影非病像素点；

34、将伪影病灶像素点和伪影非病像素点均记为伪影像素点。

35、可选地，所述根据肺结核ct图像中的每个伪影像素点对应的灰度混乱程度、病灶边缘因子和密度连续因子，对每个伪影像素点进行增强，得到目标增强图像，包括：

36、根据肺结核ct图像中的每个伪影像素点对应的灰度混乱程度、病灶边缘因子和密度连续因子，确定每个伪影像素点对应的预设滤波窗口内所有像素点对应的目标权重；

37、根据肺结核ct图像中的每个伪影像素点对应的预设滤波窗口内所有像素点对应的目标权重，对每个伪影像素点进行滤波处理，得到目标增强图像。

38、可选地，所述根据肺结核ct图像中的每个伪影像素点对应的灰度混乱程度、病灶边缘因子和密度连续因子，确定每个伪影像素点对应的预设滤波窗口内所有像素点对应的目标权重，包括：

39、根据伪影病灶像素点对应的预设滤波窗口内每个像素点对应的非伪病灶可能因子，确定伪影病灶像素点对应的预设滤波窗口内每个像素点对应的目标权重；

40、根据伪影非病像素点对应的预设滤波窗口内每个像素点对应的非伪非病可能因子，确定伪影非病像素点对应的预设滤波窗口内每个像素点对应的目标权重。

41、可选地，所述对所述目标增强图像进行分割，得到目标区域，包括：

42、通过大津法，对所述目标增强图像进行阈值分割，得到目标区域。

43、本发明具有如下有益效果：

44、本发明的一种基于特征提取的肺结核ct图像分割方法，通过对每个伪影像素点进行自适应增强，解决了由于对肺结核ct图像进行增强的效果较差而导致的肺结核ct图像分割的准确度较差的技术问题，提高了肺结核ct图像的增强效果和肺结核ct图像分割的准确度。首先，由于伪影区域与肺结核病灶边缘往往比较模糊，所以伪影区域与肺结核病灶边缘上的像素点周围的灰度往往相对越混乱，因此量化的像素点对应的灰度混乱程度越大，往往说明该像素点越可能是伪影区域或肺结核病灶边缘上的像素点。接着，病灶边缘的形状往往近似为环形，而伪影区域相对不规则，因此对每个像素点进行病灶边缘形状规律分析处理，量化的每个像素点对应的病灶边缘因子越大，往往说明该像素点越可能是肺结核病灶边缘上的像素点，越有利于后续区分伪影区域与肺结核病灶边缘。然后，由于伪影区域与肺结核病灶处的密度变化往往不同，比如肺结核病灶通常会影响肺部组织的正常结构和形状，往往导致周围的肺部组织受到一定程度的挤压或破坏，因此病灶边缘处的组织通常会形成由厚到薄的形态，呈现出平滑的连续性密度变化。而伪影区域多呈现出不规则、断裂或分叉的形态，其区域内部的密度变化往往也不连续，往往存在着明显的边界或断裂，因此对每个像素点在预设数量个预设方向上进行密度变化连续性分析处理，量化的每个像素点对应的密度连续因子越大，往往说明该像素点越可能是肺结核病灶上的像素点。之后，由于像素点对应的灰度混乱程度、病灶边缘因子和密度连续因子均与伪影像素点的区分有关，因此基于像素点对应的灰度混乱程度、病灶边缘因子和密度连续因子，可以从肺结核ct图像中筛选出伪影像素点。而后，基于肺结核ct图像中的每个伪影像素点对应的灰度混乱程度、病灶边缘因子和密度连续因子，对每个伪影像素点进行增强，可以实现伪影像素点的自适应增强，并且相较于直接对肺结核ct图像进行直方图均衡化，本发明只对筛选出的伪影像素点进行增强，可以在保留肺结核病灶边缘模糊特征等细节信息的基础上，提高伪影区域的清晰度，以减弱伪影区域内与肺结核病灶边缘相近的模糊特征，可以便于后续区分伪影区域与肺结核病灶边缘，从而提高了对肺结核ct图像进行增强的效果，进而提高了肺结核ct图像分割的准确度。最后，对目标增强图像进行分割，实现了ct图像分割。