(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211233905.4 (22)申请日 2022.10.10 (71)申请人 重庆邮电大 学 地址 400065 重庆市南岸区崇文路2号 (72)发明人 郑佳　唐川　孙园喜　萧红　 罗志勇　 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/136(2017.01) G06T 7/13(2017.01) G06N 3/12(2006.01) (54)发明名称 一种基于标定信息的工业CT图像阈值分割 方法 (57)摘要 本发明公开了一种基于标定信息的工业CT 图像阈值分割方法， 首先基于窗口能量值优化窗 口 尺 寸 ， 再 利 用优 化的 局部窗口 尺 寸 与 Phansalkar算 法分割标定图对应的原图像， 采用 遗传算法求解Phan salkar算法参数最优 值， 最后 用优化的局部窗口尺寸与Phansalkar算法参数 分割CT图像。 此算法对含伪影CT图像的分割精度 较高， 且抗噪性 好。 权利要求书1页 说明书4页 附图1页 CN 115471496 A 2022.12.13 CN 115471496 A 1.一种基于标定信息的工业CT图像阈值分割方法， 其特 征在于包括下述 步骤： 步骤(1)： 局部窗口大小计算； 设原图像O的长为H， 宽为W， 灰度级为L， i表示行， j表示 列， 第i行第j列像素为中心的局部窗口边长为Sij， 局部窗口内的能量为Fin， 分割结果为R， 具体步骤 包括： 1)令i＝1， j＝1， Sij＝3， Fin＝0； 2)将原图像O中第i行、 第j列像素设为当前局部窗口中心； 3)计算当前局部窗口内的能量为Fin， 若Fin＞106， 则当前局部窗口大小合适， 转到步骤 (1)中的步骤4)； 否则当前窗口大小不 合适， Sij＝Sij+2并转到步骤(1)中的步骤3)； 4)结束判断； 若i＝H且j＝W则 结束； 若j＜W则j＝j+1， Sij＝3， 转到步骤(1)中的2)； 若i ＜H且j＝ W则i＝i+1， j＝1， Sij＝3， 转到步骤(1)中的2)； 步骤(1)中计算局部窗口内能量Fin的具体步骤 包括： 1)计算当前局部窗口内像素的灰度均值 μlocal； 2)求图像中所有像素与 μlocal的差的绝对值的平方， 将所有平方值相加等于Fin； 步骤(2)： 利用遗传算法求解全局最优的Phansalk ar算法参数； 设原图像的标定图像为 O′， 采用步骤(1)中优化后的局部窗口大小， 利用Phansalkar 算法对原图像 O进行分割， 将分 割后的结果X与标定图像O ′的边缘重合度作为目标函数， 利用遗传算法求解Phansalkar算 法参数最优值； 步骤(3)： CT图像分割； 利用步骤(1)局部窗口大小S和步骤(2)中优化 的Phansalkar算 法参数(p， q， k， r)对邻近 CT图像进行分割； 步骤(2)及步骤(3)中， 采用步骤(1)中优化后的局部窗口大小， 利用Phansalkar算法对 图像O1进行分割的具体步骤 包括： 1)令i＝1， j＝1； 2)将图像O1中第i行、 第j列像素设为当前局部窗口中心， 将Sij作为局部窗口尺寸； 3)计算当前窗口内图像所有像素的灰度均值 μlocal； 4)计算当前窗口内图像所有像素的灰度方差σlocal； 5)计算阈值T＝ μlocal×(1+p×e‑q×μ)+k×(( σlocal/r)‑1))； 6)若O1ij灰度大于T， 将分割结果中对应 像素Rij的灰度置为 L‑1， 否则置为0； 7)结束判断； 若i＝H且j＝W则结束； 若j＜W则j＝j+1， 转到2)； 若i＜H且j＝W则i＝i+1， j＝1， 转到2)。权　利　要　求　书 1/1 页 2 CN 115471496 A 2一种基于 标定信息的工 业CT图像阈值分割方 法 技术领域 [0001]本发明属于工业CT图像处理领域， 涉及一种基于标定信息的工业CT图像阈值分割 方法。 背景技术 [0002]工业CT作为工业无损检测的重要手段， 可无损地透视被检测件内部结构及缺陷 等， 因此该技术近年来逐渐应用于多种学科， 如工业测量、 地质 、 材料、 考古等。 作为工业CT 检测中的关键步骤， 工业CT图像分割精度直接影响CT检测精度。 目前工业CT图像分割方法 主要分为基于阈值的图像分割、 基于边缘的图像分割、 基于区域特性的图像分割、 基于模板 的图像分割以及其他与特定理论结合的图像分割等。 主要方法有阈值法、 边缘算子检测法、 区域生长法、 标定法、 分水岭法、 最小树法等。 [0003]阈值法是利用算法计算阈值从而对CT图像进行分割， 其关键在于计算阈值的算 法， 不同的阈值计算算法将会得到不同的阈值， 一般来说这种分割 方法适合分割目标与背 景对比度较强的图像， 但这种分割方法忽略了图像的空间结构信息， 对于背景复杂的图像 应用该方法将导 致噪音的产生。 [0004]边缘算子检测法是根据边缘灰度值呈现阶跃式变化这一原理建立的方法， 因此基 于边缘的图像分割的速度很快， 但是对噪音比较敏感， 幅度很小的噪音都会造成边缘不连 续的分割情况， 因此在很多情况 下都需要结合滤波器使用。 [0005]区域生长法的原理基于像素及其空间领域像素之间关系， 由最初确定的一个或者 多个像素点作为种子， 按照既定准则拓展区域， 直到 没有没有其他可拓展的像素点为止。 该 方法是基于区域特性的图像分割的一种， 可以将图像中具有相似特性的像素点分为同一区 域， 这对于复杂图像可以较好 地分割， 但是对于算法的空间和时间都消耗较大。 [0006]遗传算法是一种通过模拟自然进化过程搜索最优解的方法， 它具有良好的全局搜 索能力， 是一种多目标优化算法。 将遗传算法应用于工业CT图像 分割中的阈值法， 把阈值分 割中阈值求解的部分转变为求 目标函数极值， 将会使计算的阈值能够更好地分割图像， 而 将已标定好的图像和待分割图像的相似性程度作为遗传函数的目标函数能够使得分割更 加精确， 特别是针对伪影图像能较好 地分割。 [0007]目前大多数的图像分割算法对含伪影的CT图像分割效果不理想， 对于复杂图像极 易产生误分割。 朱敏等人在 《固体火箭技术》 (2008(02):201 ‑204)中的文章 “固体发动机CT 图像的一种自动分割方法 ”提出了一种集边缘检测、 数学形态学、 多阈值分割于一体的自动 分割方法。 利用二值数学形态学方法去除空气环伪影， 再对图像进行多阈值分割 得到固体 发动机壳体、 推进器和星孔图像， 最后用Otsu阈值分割法将缺陷和推进器 分割开。 然而 该算 法在缺陷及其邻域灰度值相近时将不能实现缺陷和推进器的完美分割， 需要对图像进 行预 处理， 抑制背景突出缺陷以利于分割。 李岭等人在 《强激光与粒子束》 (2014,26(05):301 ‑ 307)中的文章 “低能X射线工业CT图像杯 状伪影校正 ”中提出了种基于 分度投影和权函数的 射束硬化校正方法。 通过不同厚度下 的投影数据求出线衰减系 数,再拟合 曲线以得到校正说　明　书 1/4 页 3 CN 115471496 A 3