一种减少图像标签融合冗余计算的方法   0    0

本发明公开了一种减少图像标签融合冗余计算的方法。本发明的方法是利用GPU多线程并行计算，整体上提取目标图像和多图谱图像的灰度特征，再建立一个从目标图像的灰度特征到多图谱图像的灰度特征的映射地图，通过映射地图寻找每个点匹配到的多图谱点集和对应的标签集，接着用欧氏距离计算匹配到的点集处的权重值，然后统计可能匹配的每个标签值的权重，找到目标图像每个点处对应权重值总和最大的标签值，最后得到带标签的分割图像。本发明所述的方法能够保证在不改变原有算法的分割精度的条件下，根据GPU多线程并行计算的特点，通过改为适用于GPU多线程的计算方式，来减少标签融合时的冗余计算，提高医学图像的分割效率。

1.一种减少图像标签融合冗余计算的方法，其特征在于包括如下步骤：
步骤(1)：读取待分割目标图像的灰度图、多个模板图谱的灰度图以及相对应已分割的标签图；根据模板图谱的标签信息，建立一张标记目标图像待处理点位置信息的三维地图，并通过搜索所有目标图像待处理点附近的领域，统计并建立一张标记模板图谱的待处理点位置信息的三维地图；
步骤(2)：建立两个用于存储位置信息的数组，分别存储目标图像待处理点集和模板图谱的待处理点集的三维坐标，且建立一张模板图谱待处理点三维坐标与位置数组下标序号的映射地图Ⅰ和一张模板图谱待处理点集的位置数组下标序号与对应标签值的映射地图Ⅱ；对目标图像每个待处理点，以该待处理点为中心搜索一个三维领域，并根据刚才建立的映射地图Ⅰ，将目标图像的每个待处理点与模板图谱点集进行匹配，并获取匹配后模板图谱点集对应的数组下标序号集合，得到一个从目标图像的待处理点到模板图谱点集对应的数组下标序号集合的映射关系，即映射地图Ⅲ；
步骤(3)：将目标图像的灰度图、n个模板图谱、位置数组、映射地图Ⅰ、映射地图Ⅱ和映射地图Ⅲ拷贝到GPU显存中，然后在GPU中进行分割计算，GPU开启目标图像待处理点数目个线程，进行大数据处理：
根据目标图像待处理点和模板图谱待处理点的位置数组，得到一个目标图像待处理点集的所有特征向量集合和每个模板图谱待处理点集的所有特征向量集合；考虑到每个模板图谱的不同特征和分割特性，需要对每个模板图谱的映射地图Ⅲ进行匹配数据的筛选，得到一张新的目标图像待处理点与每个模板图谱下标序号集的映射地图IV；接着计算目标图像每个待处理点处对应的权重集和标签集；统计目标图像待处理点可能匹配的每个标签值的权重分布情况，将最大权重对应的标签值作为目标图像待处理点的分割结果，最终得到了目标图像的分割；
步骤1具体如下：
1-
1.从N个模板图谱中选取一个模板图谱的灰度图作为待分割目标图像；
1-
2.再从剩余的N-1个模板图谱中选取选出n个模板图谱用作模板；
1-
3.将待分割目标图像的灰度图、选出的n个模板图谱读入到计算机内存中；
1-
4.根据选出来的n个模板图谱，根据它们标签值的位置来建立一张目标图像待处理点位置信息的三维地图；在目标图像待处理点的三维地图中，考虑到搜索越界问题，对每一个待处理点，以该待处理点为中心搜索一个大小为(3，3，3)三维领域，然后统计并建立模板图谱待处理点位置信息的三维地图。

2.根据权利要求1所述的一种减少图像标签融合冗余计算的方法，其特征在于步骤2具体如下：
根据目标图像待处理点位置信息的三维地图和模板图谱的待处理点位置信息的三维地图，建立两个位置数组，分别存储目标图像待处理点集的三维坐标和模板图谱的待处理点集的三维坐标，并且建立一张模板图谱待处理点三维坐标与位置数组下标序号的映射地图Ⅰ和一张模板图谱待处理点集的位置数组下标序号与对应标签值的映射地图Ⅱ；对目标图像每个待处理点，以该点为中心搜索一个大小为(3，3，3)三维领域，并根据刚才建立的映射地图Ⅰ，得到目标图像的每个待处理点匹配模板图谱点集所对应的数组下标序号集合，即得到一张目标图像待处理点与模板图谱待处理点在数组中下标序号集的映射地图Ⅲ。

3.根据权利要求2所述的一种减少图像标签融合冗余计算的方法，其特征在于步骤3具体如下：
3-
1.根据目标图像待处理点和模板图谱待处理点的位置数组，对目标图像的每个待处理点和每个模板图谱的每个待处理点，搜索一个(5，5，5)三维领域的灰度值取为长度为125的特征向量，即得到一个目标图像待处理点集的所有特征向量集合和每个模板图谱待处理点集的所有特征向量集合；
3-
2.由于每个图谱的不同特征和分割特性，需要进行预选择筛选操作，即对每个模板图谱的映射地图Ⅲ进行匹配数据的筛选，得到一张新的目标图像待处理点与每个模板图谱下标序号集的映射地图IV；
3-
3.对目标图像所有特征向量和每个模板图谱所有特征向量进行正则化处理；
3-
4.根据映射地图IV，用欧氏距离计算两个特征之间的差异，得到目标图像每个待处理点处对应的权重集和标签集；
3-
5.对目标图像每个待处理点，统计该待处理点可能匹配的每个标签值的权重分布情况；然后在这个权重分布中，找到最大权重对应的标签值，并将该标签值作为目标图像在该待处理点处的标签值。