1.一种基于点距离函数形状约束的半自动医学图像分割方法,其特征在于:包括以下步骤:(1)选取待处理医学图像,并定义图像中平面上N点距离函数;
(2)将点距离函数的形状约束融入到变分框架,得到基于点距离函数形状约束的活动轮廓模型;
(3)快速算法求解步骤(2)中建立的基于点距离函数形状约束的活动轮廓模型;
(4)利用主对偶算法求解步骤(3)中建立的梯度流方程,得到图像的分割。
2.根据权利要求1所述的基于点距离函数形状约束的半自动图像分割方法,其特征在于:所述步骤(1)中的N点距离函数定义如下:假设{P1,P2,…,PN}为R2中给定的N个点,{D1,D2,…,DN}是每个点Pk=(xk,yk)对应的欧氏距离:则N点距离函数 定义为:
为平面上点P和给定点{P1,P2,…,PN}之间距离的线性组合,代表平面上点P和给定点{P1,P2,…,PN}之间的某种距离,αk为实常数(k=1,…,N),对任意正常数T,记表示一个区域, 的边界与某些形状吻合;如果所有的αk都为正数,则 的边界为凸的,如果αk中某些为负, 的边界可能与某些凹边界吻合。
3.根据权利要求1所述的基于点距离函数形状约束的半自动医学图像分割方法,其特征在于:所述步骤(2)中将步骤(1)定义的点距离函数 融入全局极小化的变分框架中,进而得到基于点距离函数约束的活动轮廓模型:其中λ1,λ2,μ为权重参数,Hε(φ)是正则化的Heaviside函数,即D是点距离函数 的归一化,即 D∈(0,1),d1和d2是数据项,不同类型的图像可以选择不同的d1和d2,由于医学图像中经常存在图像灰度不均的情况,需要更加鲁棒的纹理描述算子来刻画图像的纹理,因此此处取d1和d2如下:d1=1-K(t(y),tin(y)),d2=1-K(t(y),tout(y)),K是一个高斯核函数,t=[m(x),s(x)]是一个简单的纹理描述算子,用以描述图像的纹理信息。K具有以下形式:m(x),s(x)分别代表图像灰度的均值和方差;tin和tout表示轮廓内外的图像灰度均值和方差组成的纹理描述算子,具体如下:Ω1代表图像中轮廓内的区域,I(y)表示待分割图像上像素点y的灰度值;
能量泛函(#)关于φ的变分,得到控制水平集函数演化的Euler-Lagrange方程:其中δε(φ(x))表示Hε(φ(x))的导数,即
4.根据权利要求1所述的基于点距离函数形状约束的半自动医学图像分割方法,其特征在于:所述步骤(3)的具体方法为:去掉δε(φ)项,得到与公式(*)稳态解相吻合的简化的梯度流方程:基于上述梯度流,提出新的能量泛函:
对某些α∈(0,1),通过对最小化子φ进行阈值化得到待分割的目标区域:Ω1={x,φ(x)≥α}
Ω2={x,φ(x)<α}
D是点距离函数 的归一化,即 D∈(0,1),d1和d2是数据项;对于给定的常数T>0,给D=T上的像素点以相同的权重。
5.根据权利要求1所述的基于点距离函数形状约束的半自动医学图像分割方法,其特征在于:所述步骤(4)的具体方法为:采取主对偶算法来求解步骤(3)得到的梯度流方程(**),(**)中的完全变分项可以写成如下对偶形式:其中, 因此对于给定的tin和tout,得到以下的极小化问题:其中
R(x,d1,d2,D)=λ1d1D-λ2d2(1-D);
给定任意的第k迭代的中间解(φk,ωk),主对偶算法的具体求解过程为:
1)给定φ=φk,考虑极大化问题:
上升方向为: 按照如下式子更新ω:
这里
2)给定ω=ωk+1,考虑极小化问题:
下降方向为-div(ωk+1)+R(x,d1,d2,D),按照下式更新φ:其中τk,βk为第k次迭代的步长。