申请/专利权人：浙江工业大学

申请日：2020-08-31

公开（公告）日：2024-03-22

公开（公告）号：CN112132189B

主分类号：G06V10/762

分类号：G06V10/762;G06T7/00;G06T7/11

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2021.01.12#实质审查的生效;2020.12.25#公开

摘要：一种面向CBCT图像的密度峰值超像素预处理方法，将CBCT图像的Hu值转化为像素亮度值，通过计算每个像素的局部密度和距离，得出每个像素的决策值，根据决策值确定出目标数目的聚类中心，然后计算每个像素和聚类中心的加权距离并为像素赋上标签生成超像素，再对不合理的超像素区域进行合并，得到CBCT区域级图像。本发明利用局部密度峰值聚类的超像素分割，提高了CBCT图像预处理的便捷性和有效性，降低了预处理的图像损失率。

主权项：1.一种面向CBCT图像的密度峰值超像素预处理方法，其特征在于：所述方法包括如下步骤：步骤一：输入CBCT图像的超像素目标数目k和需凸显特定组织的Hu值范围，从原始的CBCT数据中的Hu值逐一转化为亮度值li,得到亮度图L＝{li|1≤i≤n},li＝Hui+1024,其中n为亮度图L的像素总数，CBCT亮度图的单个像素的向量表示为pi＝xi,yi,li，xi,yi为像素在亮度图中的坐标值；步骤二：选取像素pi的K个最近邻居像素构成的集合P，根据每个邻居像素pj∈P和pi之间的欧式距离计算像素pi的局部密度ρi 步骤三：计算每个像素的距离即像素pi的距离为pi到最近的大密度像素点的距离；步骤四：计算每个像素的决策值γi＝ρi×δi；步骤五：根据决策值，取与前k个决策值对应的像素点为聚类中心集{c1,c2,...,ck}，并将cj对应的像素点标签标记为j；步骤六：遍历像素点，对于未标签的像素点pi，计算pi与聚类中心cj的距离d1i,cj＝β×dc+1-β×ds，0＜β＜1，其中为pi与cj的亮度分量距离，为pi与cj的空间坐标分量距离，并将像素点pi的标签置为使距离d1i,cj最小所对应的聚类中心的标签,生成超像素分割像素集得到CBCT区域级图像；步骤七：合并超像素，对于超像素Si，如果‖Si‖小于即超像素Si包含的像素数小于预期超像素的平均大小，则计算超像素Si和相邻超像素Sj的距离其中和为对应超像素所有像素的平均亮度和平均坐标，把Si合并到使距离d2Si,Sj最小对应的超像素Sj中去，即把Si中所有像素的标签置为Sj中的像素标签，完善能有效表示图像特征的CBCT区域级图像。

全文数据：

权利要求：

百度查询： 浙江工业大学 一种面向CBCT图像的密度峰值超像素预处理方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD