基于用戶交互和體繪制相結(jié)合的ct掃描數(shù)據(jù)分割方法
【專利摘要】本發(fā)明提供一種基于用戶交互和體繪制相結(jié)合的CT掃描數(shù)據(jù)分割方法，包括了五個步驟：圖像平滑，用來模糊細節(jié)，增強邊界；重構(gòu)體數(shù)據(jù)，將上一步處理過的圖像數(shù)據(jù)，重組成體數(shù)據(jù)的格式，方便后續(xù)操作；繪制上一步得到的體數(shù)據(jù)，并根據(jù)繪制結(jié)果調(diào)整參數(shù)，盡量去除體數(shù)據(jù)中噪聲；將得到的數(shù)據(jù)進行SuperVoxel劃分；設(shè)定條件進行SuperVoxel聚類，最終得到分割結(jié)果。本發(fā)明將體繪制與CT掃描數(shù)據(jù)的分割相結(jié)合，具有操作簡單、步驟直觀、輸入方便、分割效果較好的特點。
【專利說明】基于用戶交互和體繪制相結(jié)合的CT掃描數(shù)據(jù)分割方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于用戶交互和體繪制相結(jié)合的CT掃描數(shù)據(jù)分割方法。

【背景技術(shù)】
[0002] 工業(yè)計算機層析成像技術(shù)（Industrial Computerized Tomography)，簡稱工業(yè)CT 或ICT，是計算機技術(shù)與放射學(xué)相結(jié)合而產(chǎn)生的一門新的成像技術(shù)。它利用射線穿過物體發(fā) 生衰減這一性質(zhì)，將傳感器獲得的數(shù)據(jù)進行重建從而獲得被檢測物體的三維灰度圖像，清 晰、準確、直觀地反映物體的內(nèi)部結(jié)構(gòu)、材料密度和缺損狀況。利用這一技術(shù)可以高效地檢 測現(xiàn)代公路的質(zhì)量，也可以有效避免人的主觀因素帶來的檢測和分析誤差。
[0003] 傳統(tǒng)的檢測方法中，技術(shù)人員需要通過高分辨率的CT設(shè)備，獲取采樣路面的大量 CT切片，進一步對每張 CT切片進行處理。然而路面多由浙青和石料混合而成，不僅得到的 切片中灰度接近，難以區(qū)分，而且由于噪聲的存在，加大了分辨的難度，同時單一枯燥的讀 片工作不僅大量占用技術(shù)人員的時間而且極易導(dǎo)致遺漏和誤判。
[0004] 為了解決上述問題，本發(fā)明基于用戶交互和體繪制相結(jié)合的CT掃描數(shù)據(jù)分割方 法，從對CT切片直接體繪制出發(fā)，將分割建立在繪制和用戶交互的基礎(chǔ)上，具有步驟清晰、 操作簡單、算法高效、結(jié)果準確的特點，極大地提高了技術(shù)人員的工作效率，并且提高了檢 測的質(zhì)量。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明解決的技術(shù)問題是：在對CT切片數(shù)據(jù)的分割處理中，克服了傳統(tǒng)方法中對 單一切片進行處理存在的效率底下，誤差較大等問題，提出了一種基于體繪制和交互的分 割方法，大大提高了效率。并通過結(jié)構(gòu)提取，雙邊濾波等技術(shù)對圖像進行增強，改善了分割 結(jié)果。
[0006] 本發(fā)明采用的技術(shù)方案為：一種基于用戶交互和體繪制相結(jié)合的CT掃描數(shù)據(jù)分 割方法，包括以下五個步驟：
[0007] 步驟（1)、圖像平滑：針對CT掃描數(shù)據(jù)噪音大，邊界模糊的缺點，采用了基于相對 總變差的從紋理中提取結(jié)構(gòu)的方法，對圖像細節(jié)進行了模糊，但是增強了圖像的結(jié)構(gòu)，使邊 界更加清晰；
[0008] 步驟（2)、重構(gòu)體數(shù)據(jù)：為了便于后續(xù)處理，將步驟（1)中增強后的圖像，按照一定 的規(guī)則，組成體數(shù)據(jù)，并進行體數(shù)據(jù)的雙邊濾波增強邊界；
[0009] 步驟（3)、體數(shù)據(jù)的處理：體繪制顯示步驟（2)中得到的體數(shù)據(jù)，調(diào)整繪制參數(shù)，根 據(jù)繪制效果，調(diào)整所需的繪制參數(shù)，最終去除掉體數(shù)據(jù)中多余的數(shù)據(jù)；
[0010] 步驟（4)、SuperVoxel劃分：為了便于操作并加快處理速度，將步驟⑶得到的體 數(shù)據(jù)進行SuperVoxel劃分，然后根據(jù)繪制效果，提取出表示物體的SuperVoxel,并對其進 行編號，便于后續(xù)處理；
[0011] 步驟（5)、合并：在SuperVoxel的基礎(chǔ)上，設(shè)計兩個參數(shù)a、b，a表示當前塊與周圍 某種塊的鄰接程度，b表示當前塊與某種塊共有的邊界占自身總邊界的比例?？梢詫崟r通 過合并效果，調(diào)整這兩個參數(shù)，從而得到較好的結(jié)果。
[0012] 本發(fā)明的原理在于：
[0013] (1)通過應(yīng)用CT數(shù)據(jù)直接體繪制技術(shù)，將單一切片分割轉(zhuǎn)變?yōu)轶w分割，從數(shù)量上 來說，大大減少了工作量，有效地減少了人工因素所引起的誤差；
[0014] (2)根據(jù)體繪制結(jié)果，通過交互調(diào)整體繪制中的Transfer Fuction參數(shù)，可以有 效去除體數(shù)據(jù)中的多余數(shù)據(jù)，不僅減少了計算量，而且消除了這部分數(shù)據(jù)對最終結(jié)果的影 響，提高了分割效果；
[0015] (3)將體數(shù)據(jù)進行SuperVoxel劃分，用SuperVoxel聚類的形式，去實現(xiàn)分割；通 過調(diào)整參數(shù)實時影響聚類的趨勢，確保了最終效果的正確性。
[0016] 本發(fā)明與現(xiàn)有技術(shù)相比的優(yōu)點在于：
[0017] 1、對CT斷層直接體繪制，相比單一切片處理，大大節(jié)省時間；
[0018] 2、通過調(diào)整繪制參數(shù)Transfer Function來選取目標數(shù)據(jù)塊，操作更加直觀；
[0019] 3、采用SuperVoxel聚類的方式實現(xiàn)分割，操作簡單，且可以通過參數(shù)實時影響合 并趨勢，使得結(jié)果可控，更加準確。

【專利附圖】

【附圖說明】
[0020] 圖1為基于用戶交互和體繪制相結(jié)合的CT掃描數(shù)據(jù)分割方法的總體處理流程；
[0021] 圖2為圖像增強之后對比圖；其中，a是原始的，b是增強之后的。
[0022] 圖3為交互前后體數(shù)據(jù)對比示意圖；其中，a是原始數(shù)據(jù)，b是交互之后的。
[0023] 圖4為SLIC算法搜索范圍示意圖；a表示普通方法的搜索范圍是整張圖，b表示 SLIC的搜索范圍為2S*2S鄰域。
[0024] 圖5為Supervoxel示意圖；其中a是原始數(shù)據(jù)的示意圖，b是交互之后，盡可能保 持目標中心的數(shù)據(jù)示意圖。
[0025] 圖6為中心數(shù)據(jù)聚類結(jié)束之后，擴展原有數(shù)據(jù)示意圖。大塊的為已聚類數(shù)據(jù)，小塊 的為擴展數(shù)據(jù)。
[0026] 圖7為聚類結(jié)果示意圖；其中a是目標中心數(shù)據(jù)聚類示意圖，b是最終結(jié)果。

【具體實施方式】
[0027] 圖1給出了基于用戶交互和體繪制相結(jié)合的CT掃描數(shù)據(jù)分割方法的總體處理流 程。
[0028] 本發(fā)明提供一種基于用戶交互和體繪制相結(jié)合的CT掃描數(shù)據(jù)分割方法，主要步 驟介紹如下：
[0029] 1、相關(guān)總變差圖像增強方法
[0030] 總變差（Total Variation, TV)極小化方法是一種在圖像重建中能很好地保持邊 緣的有效方法。方法主要用于從觀測圖像f中恢復(fù)一個分片光滑的近似圖像u，而V = u-f 被認為是噪聲或小的重復(fù)模式，從觀測圖像中移除。然而，在有些情況中，成分V也很重要， 特別是在它表達紋理時。TV方法將觀測圖像分解為理想圖像和加性隨機噪聲，通過對理想 圖像的求解，可用于圖像去噪，其基本模型為：f = u+w其中f為觀測圖像，u是待恢復(fù)的理 想圖像，W是加性噪聲。
[0031] 本專利采用基于相關(guān)總變差的從紋理中提取結(jié)構(gòu)的方法（RTV)來增強圖像。該方 法包含一般的以像素為單位來計算窗口化的總變差，公式為：

【權(quán)利要求】
1. 基于用戶交互和體繪制相結(jié)合的CT掃描數(shù)據(jù)分割方法，包括步驟：圖像平滑，用來 模糊細節(jié)，增強邊界；重構(gòu)體數(shù)據(jù)，將上一步處理過的圖像數(shù)據(jù)，重組成體數(shù)據(jù)的格式，方便 后續(xù)操作；繪制上一步得到的體數(shù)據(jù)，并根據(jù)繪制結(jié)果調(diào)整參數(shù)，盡量去除體數(shù)據(jù)中噪聲； 將得到的數(shù)據(jù)進行SuperVoxel劃分；設(shè)定條件進行SuperVoxel合并，最終得到分割結(jié)果， 具體各個步驟如下： 步驟（1)、圖像平滑：針對CT掃描數(shù)據(jù)噪音大，邊界模糊的缺點，采用了基于相對總變 差的從紋理中提取結(jié)構(gòu)的方法，對圖像細節(jié)進行了模糊，但是增強了圖像的結(jié)構(gòu)，使邊界更 加清晰； 步驟（2)、重構(gòu)體數(shù)據(jù)：為了便于后續(xù)處理，將步驟（1)中平滑后的圖像，按照一定的規(guī) 貝1J，組成體數(shù)據(jù)，并進行體數(shù)據(jù)的雙邊濾波增強邊界； 步驟（3)、體數(shù)據(jù)的處理：首先對體數(shù)據(jù)進行雙邊濾波處理，然后再交互選擇目標物 體；對于交互選擇目標函數(shù)，主要是通過調(diào)節(jié)體繪制中的Transfer Function參數(shù)，控制體 素的可見性來實現(xiàn)的；體繪制顯示步驟（2)中得到的體數(shù)據(jù)，調(diào)整繪制參數(shù)，根據(jù)繪制效 果，調(diào)整所需的繪制參數(shù)，最終去除掉體數(shù)據(jù)中多余的數(shù)據(jù)； 步驟（4)、SuperVoxel劃分：超體素是對體數(shù)據(jù)進行過度分割，在既定的區(qū)域周圍，將 體數(shù)據(jù)中同質(zhì)的內(nèi)容歸為一類，即為一超體素；為了便于操作并加快處理速度，將步驟（3) 得到的體數(shù)據(jù)進行基于SLIC的SuperVoxel劃分，然后根據(jù)繪制效果，提取出表示物體的 SuperVoxel，并對其進行編號，便于后續(xù)處理； 步驟（5)、SuperVoxel聚類：聚類過程分為3個部分，第一部分選取目標中心；第二部 分聚類前一步選中的SuperVoxel ;第三部分將第一部分剩余的SuperVoxel聚類到第二部 分得到的類中； 在SuperVoxel的基礎(chǔ)上，設(shè)計兩個參數(shù)a、b，a表示當前塊與周圍某種塊的鄰接程度，b 表示當前塊與某種塊共有的邊界占自身總邊界的比例；實時通過合并效果，調(diào)整這兩個參 數(shù)，從而得到較好的結(jié)果；具體過程為：若結(jié)果中的分類數(shù)多于目標數(shù)，或為了加快合并速 度，則減小參數(shù)a和b ;當總的分類數(shù)到達一定程度時，應(yīng)該及時增大a和b，避免不相關(guān)的 塊合并到一起；根據(jù)參數(shù)的意義，調(diào)整的范圍在〇. 2-0. 4之間。
2. 根據(jù)權(quán)利要求1所述的基于用戶交互和體繪制相結(jié)合的CT掃描數(shù)據(jù)分割方法，其特 征在于步驟（1):使用基于相對總變差的從紋理中提取結(jié)構(gòu)的方法，增強圖像，這種方法能 夠較好地從復(fù)雜的環(huán)境中提取圖像的結(jié)構(gòu)特征。
3. 根據(jù)權(quán)利要求1所述的基于用戶交互和體繪制相結(jié)合的CT掃描數(shù)據(jù)分割方法，其 特征在于步驟（2):對于CT數(shù)據(jù)的分割，按照按CT掃描順序，逐張?zhí)崛?shù)據(jù)，按照物體的方 位，將數(shù)據(jù)按照統(tǒng)一的格式對齊，組成體數(shù)據(jù)；為了進一步增強邊界特征，采用體數(shù)據(jù)的雙 邊濾波。
4. 根據(jù)權(quán)利要求1所述的基于用戶交互和體繪制相結(jié)合的CT掃描數(shù)據(jù)分割方法，其特 征在于步驟（3):由于CT數(shù)據(jù)中包含了大量的噪聲，會嚴重影響的影響分割效果，為了提高 分割質(zhì)量，根據(jù)體繪制的效果，調(diào)整繪制參數(shù)，只保留待分割的目標數(shù)據(jù)，從而去除包括噪 音在內(nèi)的非目標數(shù)據(jù)。
5. 根據(jù)權(quán)利要求1所述的基于用戶交互和體繪制相結(jié)合的CT掃描數(shù)據(jù)分割方法，其特 征在于步驟（4):將相似的數(shù)據(jù)點提前進行合并為SuperVoxel，能顯著減少待處理數(shù)據(jù)的 規(guī)模。
6.根據(jù)權(quán)利要求1所述的基于用戶交互和體繪制相結(jié)合的CT掃描數(shù)據(jù)分割方法，其 特征在于：步驟（5)參數(shù)a和b描述了當前標號塊與周圍鄰居的狀態(tài)，通過上一步的合并效 果，交互地調(diào)整參數(shù)，控制合并結(jié)果。
【文檔編號】G06T7/00GK104361581SQ201410568890
【公開日】2015年2月18日 申請日期:2014年10月22日 優(yōu)先權(quán)日:2014年10月22日
【發(fā)明者】李帥, 李向陽, 郝愛民, 秦洪 申請人:北京航空航天大學(xué)