一种基于水平集变参迭代的工业CT图像分割方法、系统及存储介质

一种基于水平集变参迭代的工业ct图像分割方法、系统及存储介质
技术领域
1.本发明涉及ct图像分割技术领域，特别是一种基于水平集变参迭代的工业ct图像分割方法、系统及存储介质。


背景技术：

2.随着先进制造水平的提升，各类机械零件的结构越来越复杂，传统的测量技术已不能满足复杂结构精密零件的精确测量需求。在机器视觉测量技术、激光扫描测量技术等众多新兴测量技术中，工业计算机层析成像(industrial computed tomography，ict)技术作为一种最佳无损检测手段，凭借其可测得被测物内部封闭腔体的优势，在精密零件尺寸测量领域中有着不可或缺的角色。由ct图像将零件准确地分割，是高精度测量的前提保障。然而，在实际检测中，ct图像不可避免存在伪影或弱边缘，这使得基于阈值或基于边缘等常规的图像分割方法难以获得精确分割结果。rsf模型具有良好的局部特性和亚像素定精度，能够解决含有伪影和弱边缘的工业ct图像分割难题。
3.虽然，医学ct图像与工业ct图像的成像原理相同，但两者的检测对象截然不同。医学ct检测对象主要为人体，其组成主要为水、软组织和骨骼，人体结构基本相似，对病灶的检测精度通常要求在毫米级；而工业ct检测对象密度范围和形态差异较大，被检对象特征分辨通常要求在0.01mm及以下，尤其在高端制造领域则要求达到微米级的精度。同时，工业精密零件的ct图像可分为工件和背景两部分，图像分割成为一个二分类问题；而工业ct检测对象通常由高密度、复杂形貌的金属组成，其图像分割难点在于如何对射线散射和硬化伪影引起的弱边缘部分进行精确分割。尽管rsf模型能量泛函中的局部强度拟合项利用了可变尺度区域内的灰度信息，旨在解决工件边缘灰度不均匀区域分割问题。但是，由于工业ct图像背景区域灰度值较小或者信噪比低，易出现分片常数，导致背景区域的分割曲线演化陷入局部最优，且对初始轮廓敏感，由此限制了rsf模型在实际工程中的应用。
4.综上所述，改变局部信息的利用程度、引入一定全局信息是rsf模型用于工业ct图像分割的一种优化思路，若侧重于全局信息将导致模型无法分割灰度不均匀图像，而侧重局部信息则会使模型对初始轮廓敏感且容易陷入局部最优。因此，需要一种优化的迭代方式，可以兼顾全局信息和局部信息。


技术实现要素：

5.本发明的第一个目的就是提供一种基于水平集变参迭代的工业ct图像分割方法，它在保证工业ct高精度的同时，解决了初始轮廓敏感和易陷入局部最优的问题。
6.本发明的第一个目的是通过这样的技术方案实现的，具体方法为：
7.采用水平集算法对初始化轮廓曲线进行演化，得到工业ct图像的亚像素分割轮廓线，完成图像分割；
8.针对工业ct图像，水平集算法对轮廓曲线进行演化时：
9.每一轮迭代，在上一轮的基础上，均减小核函数尺度参数σ，增大时间步长t，直到该轮迭代完成后达到预设迭代次数或函数尺度参数σ衰减至最小值，输出此时水平集函数φ＝0的坐标作为亚像素分割轮廓线。
10.该设计的优点在于，针对工业ct图像背景区域灰度值较小或者信噪比低，易出现分片常数，导致背景区域的分割曲线演化陷入局部最优，且对初始轮廓敏感的问题。提出了能同时兼顾全局信息和局部信息的迭代方法，先采用大尺度核函数和较小时间步长，使得分割曲线在灰度近似为分段常数的背景区域快速收缩；再逐渐减小核函数尺度并增大时间步长，从而保证水平集在工件真实轮廓附近的低对比度和灰度不均匀区域进行精确演化。在不引入更多计算的前提下，本发明还有效提升了模型对初始轮廓的鲁棒性，避免其陷入局部最优，并大幅减少迭代次数。在验证实验中分别证明了分割有效性、低对比度下的分割精度、对初始轮廓位置的鲁棒性以及分割速度的优越性，基于以上经过验证的优点，本发明具有良好的市场转换前景。
11.进一步，核函数尺度参数σ的衰减表达式为：
[0012][0013]
其中，当σ＜3时，令σ＝3，即核函数尺度参数σ衰减至最小值3；n为当前已执行变参次数；σ0为σ初始值，其取值为待分割ct图像像素宽度的四分之一。
[0014]
该设计的优点在于，针对工业ct图像，通过若干的试验、推导和总结，得到了核函数尺度参数σ的最优初始化值，以及每次迭代的最优变化规律，可以达到最优的分割效果，在验证实验中证明了该优点。
[0015]
进一步，时间步长t的变化方式包括有以初值t0＝0.01、最大值tn＝0.1的等差数列形式，其公差由预设迭代次数n决定：d＝0.09n。
[0016]
该设计的优点在于，时间步长t需要配合核函数尺度参数σ的变化，才能达到兼顾工业ct精度的同时避免局部最优解的出现，时间步长t的最优初始值和最优变化规律推导和实验过程难度大，在验证实验中证明了该优点。
[0017]
进一步，在减小函数尺度参数σ尺度，增大时间步长t时，长度项系数ν按vn＝0.05n/n形式等比递减，其中n为当前已执行变参次数，n为预设迭代次数。
[0018]
该设计的优点在于，使得水平集轮廓更为光滑。
[0019]
进一步，在减小函数尺度参数σ尺度，增大时间步长t时，轮廓内能量权重参数λ1按λ
1n
＝λ0+(n-1)(λ
0-1)/n形式递减，其中λ0为初值，通常取2，n为当前已执行变参次数，n为预设迭代次数。
[0020]
该设计的优点在于，使得轮廓更快向外收敛于真实轮廓。
[0021]
进一步，在减小函数尺度参数σ尺度，增大时间步长t时，轮廓外能量权重参数λ2按λ
2n
＝λ0+(n-1)(λ
0-1)/n形式递减，其中λ0为初值，通常取2，n为当前已执行变参次数，n为预设迭代次数。
[0022]
该设计的优点在于，使得轮廓更快向内收敛于真实轮廓。
[0023]
进一步，初始化轮廓曲线的获取方法为：
[0024]
对工业ct图像，采用otsu法进行首次轮廓提取；
[0025]
对首次提取的轮廓构建包围盒，以包围盒图像作为初始化轮廓。
[0026]
该设计的优点在于，本发明提出一种otsu法与二维轴对齐包围盒结合的模型自动初始化方法，求otsu法预分割轮廓的二维轴对齐包围盒，可以得到一个或一组将工件正确包含的矩形框。根据同一零件图像不同切片间的相似性，本初始化方法保证了不同切片图像初始水平集的相似性，减少了初始轮廓对分割结果的影响。
[0027]
本发明的第二个目的就是提供一种基于水平集变参的工业ct图像分割系统。
[0028]
本发明的第二个目的是通过这样的技术方案实现的，它包括有：
[0029]
首次轮廓提取模块，采用otsu法对工业ct图像进行首次轮廓提取；
[0030]
包围盒构建模块，对首次提取的轮廓构建包围盒，以包围盒图像作为初始化轮廓；
[0031]
水平集演化模块，采用水平集算法对初始化轮廓曲线进行演化，得到工业ct图像的亚像素分割轮廓线，完成图像分割；
[0032]
水平集迭代管理模块，管理水平集算法的迭代过程；
[0033]
针对工业ct图像，水平集算法对轮廓曲线进行演化时：
[0034]
每一轮迭代，在上一轮的基础上，均减小核函数尺度参数σ，增大时间步长t，直到该轮迭代完成后达到预设迭代次数或函数尺度参数σ衰减至最小值，输出此时水平集函数φ＝0的坐标作为亚像素分割轮廓线。
[0035]
本发明的第三个目的就是提供一种存储介质，所述存储介质存储有若干指令，所述指令适用于处理器进行加载，以执行上述工业ct图像分割方法。
[0036]
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书和权利要求书来实现和获得。
附图说明
[0037]
本发明的附图说明如下。
[0038]
图1为本发明的流程示意图。
[0039]
图2为同一零件ct图像不同切片轮廓自动初始化结果。
[0040]
图3为局部低对比度图像分割效果对比。
[0041]
图4为初始轮廓位置鲁棒性对比。
[0042]
图5为空腔零件的分割结果。
[0043]
图6为分割精度实验的对象。
具体实施方式
[0044]
下面结合附图和实施例对本发明作进一步说明。
[0045]
一种基于水平集变参迭代的工业ct图像分割方法，如图1所示，具体步骤如下：
[0046]
1)输入图像，使用otsu法对工业ct图像首次分割并提取轮廓；当然，也可以用其它的算法对工业ct图像进行首次分割提取轮廓。
[0047]
2)求步骤1)首次分割轮廓的二维轴对齐包围盒；当然，也可以是其它包围盒或者用其它方式确定初始化轮廓曲线。
[0048]
3)以包围盒的矩形框作为初始化轮廓曲线，采用水平集算法对初始化轮廓曲线进
行迭代变参演化。
[0049]
4)根据工业ct图像的具体特性，可以调整是否变参以及变参的方法，本实施例中判断是否完成迭代和是否进行变参，具体方法如下：
[0050]
若迭代次数达到预设迭代次数，由以此时水平集函数φ＝0的坐标作为亚像素分割轮廓线；
[0051]
若迭代次数未达到预设迭代次数，再判断核函数尺度参数σ是否衰减至最小值3；
[0052]
若核函数尺度参数σ未衰减至最小值3，则减小核函数参数σ的尺度，增大时间步长t，继续迭代；
[0053]
若核函数尺度参数σ衰减至最小值3，则以此时水平集函数φ＝0的坐标作为亚像素分割轮廓线。
[0054]
核函数尺度参数σ的变化方式为根据以下表达式进行衰减：
[0055][0056]
其中，当σ＜3时，则令σ＝3，即σ最小值为3；n为当前已执行变参次数，σ0为σ初始值，σ0的取值可以为待分割ct图像像素宽度的四分之一。
[0057]
迭代时间步长t的变化形式为一个等差递增数列，初值为t0＝0.01，公差d＝0.09/n，其中n为预设迭代次数。
[0058]
验证试验：
[0059]
此次验证分别从同一零件ct图像不同切片轮廓自动初始化效果、局部低对比度图像分割能力、初始轮廓鲁棒性、计算耗时以及分割精度等四个方面，将本发明与其他经典分割方法或商业测量软件vg studio max 3.0，以下简称vg，分别对比。验证实验计算机硬件配置：intel(r)core(tm)i7-10700 cpu@2.90ghz 2.90ghz处理器，48gb ram，nvidia geforce rtx 3060显卡；软件环境：visual studio 2019，cuda 11.0，vg studio max 3.0；实验系统为cd-130bx/μct型微焦ct。
[0060]
实验中用于对比的原rsf模型参数设置如下：λ1＝λ2＝1，ν＝0.001
×
2552，μ＝1，ε＝1，t＝0.1，σ＝10，c0＝2；lgif模型的局部拟合项、长度项、正则项的参数与rsf模型相同，全局拟合项权重为0.05，局部拟合项权重为0.95；本发明中σ与t执行变参，其余参数与rsf模型相同。
[0061]
为验证本发明自动初始化方法有效性，选取森林球模体为实验对象，分别给出30层、60层、90层、120层、150层切片的自动初始化结果，如图2所示。由图2可以看出，本发明的自动初始化方法可以给出同一零件ct图像不同切片准确、特征相似的初始轮廓。
[0062]
为验证本发明对局部存在对比度低情形图像的分割能力，选取某具有复杂内腔的精密零件微焦ct图像为实验对象，分别用阈值为100的阈值分割、mean-shift方法、rsf模型、lgif模型及本发明进行分割，实验结果如图3所示，图像大小为1000
×
1000像素，图中灰色箭头所指为灰度不均匀区域，白色箭头所指为低对比度细节区域。由图3可以看出，本发明能够正确分割灰度不均匀区域和低对比度细节区域，而其他方法不能兼顾两种区域的分割。
[0063]
为验证本发明对初始轮廓位置的鲁棒性，选取大小为512
×
512像素的叶片ct图像，采用不同位置的初始轮廓，分别用核函数参数σ＝10和σ＝100的rsf模型、lgif模型以及
本发明对叶片图像进行分割，分割结果如图4所示。其中，虚线为初始轮廓位置，实线为分割结果，左下角数字为达到当前分割结果所需的迭代次数，第四列为第三列中方框部分的局部放大。从图4可以看出，lgif模型和本发明均表现出较好的初始轮廓位置鲁棒性，而本发明比lgif模型以更少的迭代次数得到相同的分割效果。
[0064]
为验证本发明在分割速度方面的性能，检验是否能满足工程应用中对分割速度的要求，本实验对比了不同σ尺度的rsf模型和本发明达到相近分割效果时所用的迭代次数与耗时。为保证rsf模型在相同参数下达到和本发明相近的分割效果，本实验选取较容易分割的圆柱形空腔零件ct切片为实验对象，图像尺寸为1000
×
1000，在保证如图5所示分割效果的前提下，进行对比实验。
[0065]
为增强本发明在工程中的实用性，我们使用gpu进行模型的迭代计算，本实验在visual studio2019及cuda11.0环境下完成，模型耗时实验结果如表1。由表1可知，本发明分割速度优于不同σ参数的rsf模型，采用gpu加速技术，正确分割一幅零件ct图像的速度小于1秒，满足工程应用需求。
[0066]
表1模型耗时实验结果
[0067][0068]
为验证本发明的分割精度，选取由球度为0.5μm、球径为5mm的红宝石标准球制作的球板为实验对象，标准球板实物照片、三维ct图像及某层切片分割效果如图6所示，12颗标准球的排列序号如图6(b)所示，该三维数据大小为1356
×
1356
×
1433，体素尺寸为46.33μm。使用本发明对标准球板三维ct图像切片进行分割后得到12颗标准球的轮廓点云，再使用最小二乘法拟合得到球径；同时使用vg分割同一数据并拟合得到球径。经校准ct系统几何放大倍数误差后的球径测量结果见表2。由表2可以看出，经本发明方法分割后图像测量误差小于3μm，测量精度总体上略优于vg软件，达到工业ct系统测量指标要求，可用于精密零件的高精度测量。
[0069]
表2标准球球径测量结果
[0070][0071]
综上，本发明不仅能较好地分割存在弱边缘、低对比度的ct图像，同时解决了rsf模型用于工业ct图像分割时出现的初始轮廓敏感、易陷入局部最优解等问题，且在保证分割精度的前提下提高了轮廓演化速度，满足工业应用中快速、高精度测量的需求。
[0072]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0073]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0074]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0075]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0076]
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

技术特征：
1.一种基于水平集变参迭代的工业ct图像分割方法，其特征在于，具体方法为：采用水平集算法对初始化轮廓曲线进行演化，得到工业ct图像的亚像素分割轮廓线，完成图像分割；针对工业ct图像，水平集算法对轮廓曲线进行演化时：每一轮迭代，在上一轮的基础上，均减小核函数尺度参数σ，增大时间步长t，直到该轮迭代完成后达到预设迭代次数或函数尺度参数σ衰减至最小值，输出此时水平集函数φ＝0的坐标作为亚像素分割轮廓线。2.如权利要求1所述的基于水平集变参迭代的工业ct图像分割方法，其特征在于，核函数尺度参数σ的衰减表达式为：其中，当σ＜3时，令σ＝3，即核函数尺度参数σ衰减至最小值3；n为当前已执行变参次数；σ0为σ初始值，其取值为待分割ct图像像素宽度的四分之一。3.如权利要求2所述的基于水平集变参迭代的工业ct图像分割方法，其特征在于，时间步长t的变化方式包括有以初值t0＝0.01、最大值t
n
＝0.1的等差数列形式，其公差由预设迭代次数n决定：d＝0.09/n。4.如权利要求2所述的基于水平集变参迭代的工业ct图像分割方法，其特征在于，在减小函数尺度参数σ尺度，增大时间步长t时，长度项系数ν按v
n
＝0.05n/n形式等比递减，其中n为当前已执行变参次数，n为预设迭代次数。5.如权利要求2所述的基于水平集变参迭代的工业ct图像分割方法，其特征在于，在减小函数尺度参数σ尺度，增大时间步长t时，轮廓内能量权重参数λ1按λ
1n
＝λ0+(n-1)(λ
0-1)/n形式递减，其中λ0为初值，通常取2，n为当前已执行变参次数，n为预设迭代次数。6.如权利要求2所述的基于水平集变参迭代的工业ct图像分割方法，其特征在于，在减小函数尺度参数σ尺度，增大时间步长t时，轮廓外能量权重参数λ2按λ
2n
＝λ0+(n-1)(λ
0-1)/n形式递减，其中λ0为初值，通常取2，n为当前已执行变参次数，n为预设迭代次数。7.如权利要求1所述的基于水平集变参迭代的工业ct图像分割方法，其特征在于，初始化轮廓曲线的获取方法为：对工业ct图像，采用otsu法进行首次轮廓提取；对首次提取的轮廓构建包围盒，以包围盒图像作为初始化轮廓。8.一种基于水平集变参的工业ct图像分割系统，其特征在于，所述系统包括有：首次轮廓提取模块，采用otsu法对工业ct图像进行首次轮廓提取；包围盒构建模块，对首次提取的轮廓构建包围盒，以包围盒图像作为初始化轮廓；水平集演化模块，采用水平集算法对初始化轮廓曲线进行演化，得到工业ct图像的亚像素分割轮廓线，完成图像分割；水平集迭代管理模块，管理水平集算法的迭代过程；针对工业ct图像，水平集算法对轮廓曲线进行演化时：每一轮迭代，在上一轮的基础上，均减小核函数尺度参数σ，增大时间步长t，直到该轮迭代完成后达到预设迭代次数或函数尺度参数σ衰减至最小值，输出此时水平集函数φ＝0的坐标作为亚像素分割轮廓线。
9.一种存储介质，其特征在于，所述存储介质存储有若干指令，所述指令适用于处理器进行加载，以执行权利要求1至7任意一项所述的方法。

技术总结
一种基于水平集变参迭代的工业CT图像分割方法、系统及存储介质，针对工业CT图像背景区域灰度值较小或者信噪比低，易出现分片常数，导致背景区域的分割曲线演化陷入局部最优，且对初始轮廓敏感的问题。先采用大尺度核函数和较小时间步长，使得分割曲线在灰度近似为分段常数的背景区域快速收缩；再逐渐减小核函数尺度并增大时间步长，从而保证水平集在工件真实轮廓附近的低对比度和灰度不均匀区域进行精确演化。在不引入更多计算的前提下，本发明还有效提升了模型对初始轮廓的鲁棒性，避免其陷入局部最优，并大幅减少迭代次数。并大幅减少迭代次数。


技术研发人员：蔡玉芳 李琦 邹永宁 敬定美 余航
受保护的技术使用者：重庆大学
技术研发日：2023.03.17
技术公布日：2023/7/11