本發(fā)明涉及計(jì)算機(jī)技術(shù)領(lǐng)域，尤其涉及一種圖像分割的方法及裝置。

背景技術(shù)：
在正畸學(xué)領(lǐng)域中，對(duì)牙齒三維圖像進(jìn)行分割獲得三維個(gè)性化牙冠及牙根的解剖信息，可以幫助確定個(gè)性化的正畸方案。因此三維圖像分割是至關(guān)重要的。近些年，隨著數(shù)字化技術(shù)和計(jì)算機(jī)技術(shù)的快速發(fā)展，錐形束計(jì)算機(jī)斷層掃描(ConeBeamComputedTomography，簡(jiǎn)稱CBCT)被引入正畸學(xué)領(lǐng)域中，由于CBCT空間分辨率更高、得到的圖像更清晰、偽影更小，所以在正畸學(xué)領(lǐng)域得到了廣泛的應(yīng)用，因此圖像分割也通常是基于CBCT圖像分割。目前常用的基于牙齒的CBCT圖像的分割應(yīng)用軟件主要有：澳大利亞VisageImaging公司的Amira和比利時(shí)Materialise公司的Mimics等。這些軟件是采用手動(dòng)涂抹或者基于活動(dòng)輪廓模型的套鎖方式對(duì)單一切片上的牙齒CBCT圖像進(jìn)行分割的，其中套索模型可以在不同切片間進(jìn)行復(fù)制，并根據(jù)當(dāng)前切片圖像中牙齒對(duì)象的位置進(jìn)行精確調(diào)整。上述的牙齒CBCT圖像分割方式屬于半自動(dòng)圖像分割。在上述的牙齒CBCT圖像分割方式中，發(fā)明人發(fā)現(xiàn)，半自動(dòng)牙齒CBCT圖像分割方式每次只能對(duì)單個(gè)牙齒進(jìn)行分割，而且需要人工的操作，分割時(shí)間與操作人的熟練程度緊密相關(guān)，分割一整套牙齒數(shù)據(jù)至少需要2-3個(gè)小時(shí)，分割的速度較慢，綜上可以看出現(xiàn)有牙齒CBCT圖像分割方法效率低。

技術(shù)實(shí)現(xiàn)要素：
鑒于上述問題，提出了本發(fā)明以便提供一種克服上述問題或者至少部分地解決上述問題的一種圖像分割的方法及裝置。為解決上述技術(shù)問題，一方面，本發(fā)明提供了一種圖像分割的方法，該方法包括：獲取牙冠網(wǎng)格數(shù)據(jù)和牙齒錐形束計(jì)算機(jī)斷層掃描CBCT圖像數(shù)據(jù)，所述牙冠網(wǎng)格數(shù)據(jù)和所述牙齒CBCT圖像數(shù)據(jù)是同一個(gè)牙列的兩種不同類型的三維數(shù)據(jù)，所述牙冠網(wǎng)格數(shù)據(jù)為分割成清晰準(zhǔn)確的單個(gè)牙冠形狀的數(shù)據(jù)；將所述牙冠網(wǎng)格數(shù)據(jù)與所述牙齒CBCT圖像數(shù)據(jù)進(jìn)行配準(zhǔn)，確定所述牙齒CBCT圖像數(shù)據(jù)中的每顆牙齒對(duì)應(yīng)的牙冠區(qū)域；根據(jù)所述牙冠區(qū)域?qū)⑺鲅例XCBCT圖像數(shù)據(jù)進(jìn)行分割，得到每顆牙齒的初步三維區(qū)域；根據(jù)支持向量機(jī)SVM算法對(duì)對(duì)應(yīng)每顆牙齒的初步三維區(qū)域進(jìn)行分割得到每顆牙齒的最終三維形狀。另一方面，本發(fā)明還提供了一種圖像分割的裝置，該裝置包括：獲取單元，用于獲取牙冠網(wǎng)格數(shù)據(jù)和牙齒錐形束計(jì)算機(jī)斷層掃描CBCT圖像數(shù)據(jù)，所述牙冠網(wǎng)格數(shù)據(jù)和所述牙齒CBCT圖像數(shù)據(jù)是同一個(gè)牙列的兩種不同類型的三維數(shù)據(jù)，所述牙冠網(wǎng)格數(shù)據(jù)為分割成清晰準(zhǔn)確的單個(gè)牙冠形狀的數(shù)據(jù)；配準(zhǔn)單元，用于將所述牙冠網(wǎng)格數(shù)據(jù)與所述牙齒CBCT圖像數(shù)據(jù)進(jìn)行配準(zhǔn)，確定所述牙齒CBCT圖像數(shù)據(jù)中的每顆牙齒對(duì)應(yīng)的牙冠區(qū)域；第一分割單元，用于根據(jù)所述牙冠區(qū)域?qū)⑺鲅例XCBCT圖像數(shù)據(jù)進(jìn)行分割，得到每顆牙齒的初步三維區(qū)域；第二分割單元，用于根據(jù)支持向量機(jī)SVM算法對(duì)對(duì)應(yīng)每顆牙齒的初步三維區(qū)域進(jìn)行分割得到每顆牙齒的最終三維形狀。借由上述技術(shù)方案，本發(fā)明提供的圖像分割的方法及裝置，能夠首先獲取同一個(gè)牙列的牙冠網(wǎng)格數(shù)據(jù)和牙齒錐形束計(jì)算機(jī)斷層掃描(ConeBeamComputedTomography，簡(jiǎn)稱CBCT)圖像數(shù)據(jù)，其中牙冠網(wǎng)格數(shù)據(jù)為分割成清晰準(zhǔn)確的單個(gè)牙冠形狀的數(shù)據(jù)；然后將牙冠網(wǎng)格數(shù)據(jù)與牙齒CBCT圖像數(shù)據(jù)進(jìn)行配準(zhǔn)，確定牙齒CBCT圖像數(shù)據(jù)中每顆牙齒對(duì)應(yīng)的牙冠區(qū)域；然后根據(jù)牙冠區(qū)域?qū)⒀例XCBCT圖像數(shù)據(jù)進(jìn)行分割，得到每顆牙齒的初步三維區(qū)域；最后根據(jù)支持向量機(jī)(SupportVectorMachine，簡(jiǎn)稱SVM)算法對(duì)對(duì)應(yīng)每顆牙齒的初步三維區(qū)域進(jìn)行分割得到每顆牙齒的最終三維形狀。與現(xiàn)有技術(shù)相比，本發(fā)明能夠根據(jù)已經(jīng)分割成清晰準(zhǔn)確的單個(gè)牙冠形狀的牙冠網(wǎng)格數(shù)據(jù)，對(duì)同一牙列的牙齒CBCT圖像數(shù)據(jù)進(jìn)行配準(zhǔn)確定其中的牙冠區(qū)域，然后根據(jù)牙冠區(qū)域?qū)BCT圖像數(shù)據(jù)分割得到每顆牙齒的初步三維區(qū)域，然后根據(jù)SVM算法分別對(duì)每顆牙齒的初步三維區(qū)域進(jìn)一步進(jìn)行分割得到每顆牙齒的最終三維形狀。在從牙齒的CBCT圖像數(shù)據(jù)得到每顆牙齒的最終三維形狀的過程中不需要人工的操作，因此大大提高了CBCT圖像數(shù)據(jù)分割的效率。附圖說明通過閱讀下文優(yōu)選實(shí)施方式的詳細(xì)描述，各種其他的優(yōu)點(diǎn)和益處對(duì)于本領(lǐng)域普通技術(shù)人員將變得清楚明了。附圖僅用于示出優(yōu)選實(shí)施方式的目的，而并不認(rèn)為是對(duì)本發(fā)明的限制。而且在整個(gè)附圖中，用相同的參考符號(hào)表示相同的部件。在附圖中：圖1示出了本發(fā)明實(shí)施例提供的一種圖像分割的方法流程圖；圖2示出了本發(fā)明實(shí)施例提供的另一種圖像分割的方法流程圖；圖3示出了本發(fā)明實(shí)施例提供的一種圖像分割的裝置的組成框圖；圖4示出了本發(fā)明實(shí)施例提供的另一種圖像分割的裝置的組成框圖。具體實(shí)施方式下面將參照附圖更詳細(xì)地描述本公開的示例性實(shí)施例。雖然附圖中顯示了本公開的示例性實(shí)施例，然而應(yīng)當(dāng)理解，可以以各種形式實(shí)現(xiàn)本公開而不應(yīng)被這里闡述的實(shí)施例所限制。相反，提供這些實(shí)施例是為了能夠更透徹地理解本公開，并且能夠?qū)⒈竟_的范圍完整的傳達(dá)給本領(lǐng)域的技術(shù)人員。為解決現(xiàn)有牙齒CBCT圖像分割方法效率低的問題，本發(fā)明實(shí)施例提供了一種圖像分割的方法，如圖1所示，該方法包括：101、獲取牙冠網(wǎng)格數(shù)據(jù)和牙齒CBCT圖像數(shù)據(jù)。首先，獲取由口內(nèi)掃描得到的牙列網(wǎng)格數(shù)據(jù)，將牙列網(wǎng)格數(shù)據(jù)通過牙齒網(wǎng)格分割算法進(jìn)行分割，得到牙冠網(wǎng)格數(shù)據(jù)，本實(shí)施例中的牙冠網(wǎng)格數(shù)據(jù)為分割成清晰準(zhǔn)確的單個(gè)牙冠形狀的數(shù)據(jù)。其次，獲取牙齒的CBCT圖像數(shù)據(jù)，是由CBCT掃描得到的圖像數(shù)據(jù)，獲取到的CBCT圖像數(shù)據(jù)中牙齒部分的邊界不清晰。102、將牙冠網(wǎng)格數(shù)據(jù)與牙齒CBCT圖像數(shù)據(jù)進(jìn)行配準(zhǔn)，確定牙齒CBCT圖像數(shù)據(jù)中的每顆牙齒對(duì)應(yīng)的牙冠區(qū)域。由于CBCT掃描得到的圖像數(shù)據(jù)中牙齒部分的邊界不清晰，因此在與牙冠網(wǎng)格數(shù)據(jù)進(jìn)行配準(zhǔn)之前需要首先通過對(duì)由步驟101得到的CBCT圖像數(shù)據(jù)進(jìn)行預(yù)處理，最終確定較為清晰的整體的牙齒邊界，并將其提取出來作為牙齒點(diǎn)云數(shù)據(jù)。另外，牙冠網(wǎng)格數(shù)據(jù)和牙齒點(diǎn)云數(shù)據(jù)均為三維數(shù)據(jù)，而且是同屬一個(gè)牙列的三維數(shù)據(jù)。本實(shí)施例中將牙冠網(wǎng)格數(shù)據(jù)與牙齒CBCT圖像數(shù)據(jù)進(jìn)行配準(zhǔn)，即將由步驟101獲取到的牙冠網(wǎng)格數(shù)據(jù)與牙齒點(diǎn)云數(shù)據(jù)進(jìn)行配準(zhǔn)，由于這兩種數(shù)據(jù)都是通過一個(gè)牙列得到的，并且牙冠網(wǎng)格數(shù)據(jù)為清晰準(zhǔn)確的單個(gè)牙冠形狀的數(shù)據(jù)，因此可以通過將已知的清晰準(zhǔn)確的單個(gè)牙冠形狀與牙齒點(diǎn)云數(shù)據(jù)進(jìn)行配準(zhǔn)，確定牙齒點(diǎn)云數(shù)據(jù)中的每顆牙齒對(duì)應(yīng)的牙冠區(qū)域。另外，上述對(duì)CBCT圖像數(shù)據(jù)進(jìn)行預(yù)處理過程可以為：首先計(jì)算CBCT直接掃描得到的圖像的梯度和基于密度的聚類，得到圖像中牙齒的位置和形狀，然后再對(duì)得到的牙齒形狀進(jìn)行去噪處理，最終得到牙齒點(diǎn)云數(shù)據(jù)。需要說明的是牙齒點(diǎn)云數(shù)據(jù)中包含的每顆牙齒均包含牙根和牙冠，并且牙齒點(diǎn)云數(shù)據(jù)中不能清楚的區(qū)分出每顆牙齒的邊界。103、根據(jù)牙冠區(qū)域?qū)⒀例XCBCT圖像數(shù)據(jù)進(jìn)行分割，得到每顆牙齒的初步三維區(qū)域。由步驟102可知，根據(jù)牙冠區(qū)域?qū)⒀例XCBCT圖像進(jìn)行分割實(shí)質(zhì)是根據(jù)牙冠區(qū)域?qū)ρ例X點(diǎn)云數(shù)據(jù)進(jìn)行分割。具體的根據(jù)確定的每顆牙齒對(duì)應(yīng)的牙冠區(qū)域?qū)ρ例X點(diǎn)云數(shù)據(jù)進(jìn)行分割，具體的分割過程為：分別找出牙齒點(diǎn)云數(shù)據(jù)中每顆牙齒對(duì)應(yīng)的牙冠區(qū)域的中心點(diǎn)；對(duì)牙齒點(diǎn)云數(shù)據(jù)中所有上頜牙齒對(duì)應(yīng)的牙冠區(qū)域的中心點(diǎn)進(jìn)行擬合，得到一條曲線，同樣對(duì)所有下頜牙齒對(duì)應(yīng)的牙冠區(qū)域的中心點(diǎn)進(jìn)行擬合得到另外一條曲線；對(duì)于每個(gè)牙冠區(qū)域與對(duì)應(yīng)的曲線都有兩個(gè)交點(diǎn)，然后以過每個(gè)交點(diǎn)并與對(duì)應(yīng)牙冠區(qū)域決定的平面相垂直的平面為分割面，將牙齒點(diǎn)云數(shù)據(jù)進(jìn)行分割，其中牙冠區(qū)域決定的平面是由每個(gè)牙冠區(qū)域?qū)?yīng)的兩個(gè)交點(diǎn)和牙冠區(qū)域?qū)?yīng)的曲線決定的平面，分割時(shí)對(duì)牙齒點(diǎn)云數(shù)據(jù)按照上下頜兩部分分別進(jìn)行分割；最終得到多個(gè)點(diǎn)云數(shù)據(jù)區(qū)域，每個(gè)區(qū)域中包含一顆牙齒，將得到的每個(gè)點(diǎn)云數(shù)據(jù)區(qū)域作為對(duì)應(yīng)每顆牙齒的初步三維區(qū)域。104、根據(jù)SVM算法對(duì)對(duì)應(yīng)每顆牙齒的初步三維區(qū)域進(jìn)行分割得到每顆牙齒的最終三維形狀。由步驟103得到的每顆牙齒的初步三維區(qū)域是包含每顆牙齒的一個(gè)較大范圍的牙齒三維區(qū)域，因此還需要將初步三維區(qū)域進(jìn)一步進(jìn)行分割，將其中不屬于牙齒的數(shù)據(jù)點(diǎn)分割出去。由于SVM算法是基于統(tǒng)計(jì)學(xué)習(xí)理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小原理基礎(chǔ)上一種分類算法，因此本實(shí)施例利用SVM算法將每顆牙齒的初步三維區(qū)域中的數(shù)據(jù)點(diǎn)分類為屬于牙齒的數(shù)據(jù)點(diǎn)和不屬于牙齒的數(shù)據(jù)點(diǎn)，最終將屬于牙齒的數(shù)據(jù)分割出來得到對(duì)應(yīng)每顆牙齒的最終三維形狀。本實(shí)施例提供的圖像分割的方法，能夠首先獲取同一個(gè)牙列的牙冠網(wǎng)格數(shù)據(jù)和牙齒CBCT圖像數(shù)據(jù)，其中牙冠網(wǎng)格數(shù)據(jù)為分割成清晰準(zhǔn)確的單個(gè)牙冠形狀的數(shù)據(jù)；然后將牙冠網(wǎng)格數(shù)據(jù)與牙齒CBCT圖像數(shù)據(jù)進(jìn)行配準(zhǔn)，確定牙齒CBCT圖像數(shù)據(jù)中每顆牙齒對(duì)應(yīng)的牙冠區(qū)域；然后根據(jù)牙齒區(qū)域?qū)⒀例XCBCT圖像數(shù)據(jù)進(jìn)行分割，得到每顆牙齒的初步三維區(qū)域；最后根據(jù)SVM算法對(duì)對(duì)應(yīng)每顆牙齒的初步三維區(qū)域進(jìn)行分割得到每顆牙齒的最終三維形狀。與現(xiàn)有技術(shù)相比，本實(shí)施例能夠根據(jù)已經(jīng)分割成清晰準(zhǔn)確的單個(gè)牙冠形狀的牙冠網(wǎng)格數(shù)據(jù)，對(duì)同一牙列的牙齒CBCT圖像數(shù)據(jù)進(jìn)行配準(zhǔn)確定其中的牙冠區(qū)域，然后根據(jù)牙冠區(qū)域?qū)BCT圖像數(shù)據(jù)分割得到每顆牙齒的初步三維區(qū)域，然后根據(jù)SVM算法分別對(duì)每顆牙齒的初步三維圖像圖像進(jìn)一步進(jìn)行分割得到每顆牙齒的最終三維形狀。在從牙齒的CBCT點(diǎn)云數(shù)據(jù)得到每顆牙齒的最終三維形狀的過程中不需要人工的操作，因此大大提高了CBCT圖像數(shù)據(jù)分割的效率。進(jìn)一步的，作為對(duì)圖1所示實(shí)施例的細(xì)化及擴(kuò)展，本發(fā)明還提供了另一實(shí)施例。如圖2所示，該實(shí)施例中圖像分割的方法包括：201、獲取牙冠網(wǎng)格數(shù)據(jù)和牙齒CBCT圖像數(shù)據(jù)。本步驟的實(shí)現(xiàn)方式與圖1步驟101的實(shí)現(xiàn)方式相同，此處不再贅述。202、根據(jù)主成分分析法將牙冠網(wǎng)格數(shù)據(jù)與牙齒CBCT圖像數(shù)據(jù)進(jìn)行粗配準(zhǔn)。與圖1步驟102相同，本步驟中根據(jù)主成分分析法將牙冠網(wǎng)格數(shù)據(jù)與牙齒CBCT圖像數(shù)據(jù)進(jìn)行粗配準(zhǔn)，即根據(jù)主成分分析法將牙冠網(wǎng)格數(shù)據(jù)與牙齒點(diǎn)云數(shù)據(jù)進(jìn)行粗配準(zhǔn)。具體的：首先用主成分分析方法計(jì)算出牙冠網(wǎng)格數(shù)據(jù)與牙齒點(diǎn)云數(shù)據(jù)的三個(gè)主方向；然后基于牙冠網(wǎng)格數(shù)據(jù)與牙齒點(diǎn)云數(shù)據(jù)的中心點(diǎn)和三個(gè)主方向，計(jì)算得到變換矩陣；然后將牙冠網(wǎng)格數(shù)據(jù)通過該變換矩陣與牙齒點(diǎn)云數(shù)據(jù)進(jìn)行配準(zhǔn)，得到一個(gè)粗配準(zhǔn)后的結(jié)果。203、以粗配準(zhǔn)的結(jié)果為初始狀態(tài)，根據(jù)正態(tài)分布變換(NormalDistributionTransform，簡(jiǎn)稱NDT)算法對(duì)牙冠網(wǎng)格數(shù)據(jù)與牙齒CBCT圖像數(shù)據(jù)進(jìn)行精確配準(zhǔn)。將粗配準(zhǔn)得到的結(jié)果為初始狀態(tài)，對(duì)牙冠網(wǎng)格數(shù)據(jù)與牙齒CBCT圖像數(shù)據(jù)進(jìn)行進(jìn)一步的精確配準(zhǔn)，即對(duì)牙冠網(wǎng)格數(shù)據(jù)與牙齒點(diǎn)云數(shù)據(jù)進(jìn)行進(jìn)一步的精確配準(zhǔn)，具體的是使用NDT算法進(jìn)行配準(zhǔn)。NDT算法是一種配準(zhǔn)精度高、運(yùn)算速度快的點(diǎn)云配準(zhǔn)算法，因此通過NDT算法可以實(shí)現(xiàn)牙冠網(wǎng)格數(shù)據(jù)與牙齒點(diǎn)云數(shù)據(jù)的精確配準(zhǔn)，從而確定牙齒點(diǎn)云數(shù)據(jù)中每顆牙齒的牙冠區(qū)域，即確定牙齒CBCT圖像數(shù)據(jù)中每顆牙齒的牙冠區(qū)域。204、根據(jù)牙冠區(qū)域?qū)⒀例XCBCT圖像數(shù)據(jù)進(jìn)行分割，得到每顆牙齒的初步三維區(qū)域。本步驟的實(shí)現(xiàn)方式與圖1步驟103的實(shí)現(xiàn)方式相同，此處不再贅述。205、建立SVM模型。本實(shí)施例中，SVM模型是根據(jù)Libsvm庫(kù)訓(xùn)練得到的牙齒形狀識(shí)別模型。具體的根據(jù)牙齒根部的分叉情況，分別對(duì)磨牙和非磨牙兩種類型的牙齒分別建立SVM模型。以建立磨牙的SVM模型為例進(jìn)行具體說明：首先設(shè)定SVM模型中的特征包括偏移量、梯度值、像素值、HoG特征，然后根據(jù)Libsvm庫(kù)和設(shè)定的特征訓(xùn)練得到一個(gè)SVM模型；然后在設(shè)定另外一個(gè)SVM模型中的特征包括偏移量、梯度值、像素值、HoG特征、連通性特征和形狀，然后根據(jù)Libsvm庫(kù)和設(shè)定的特征訓(xùn)練得到另外一個(gè)SVM模型。非磨牙的SVM模型與磨牙的SVM模型建立過程相同，此處不再贅述。另外，在建立SVM模型的過程中，通過使用中央處理器(CentralProcessingUnit，簡(jiǎn)稱CPU)與圖像處理器(GraphicProcessingUnit，簡(jiǎn)稱GPU)結(jié)合的方式訓(xùn)練牙齒形狀數(shù)據(jù)，具體的實(shí)現(xiàn)CPU與GPU結(jié)合的方式是使用統(tǒng)一計(jì)算設(shè)備架構(gòu)(ComputeUnifiedDeviceArchitecture，簡(jiǎn)稱CUDA)技術(shù)，使用CUDA技術(shù)比通常的使用CPU的方式在處理大量的數(shù)據(jù)時(shí)速度更快。206、根據(jù)SVM模型從每顆牙齒的初步三維區(qū)域中分割出對(duì)應(yīng)牙齒的最終三維形狀。根據(jù)步驟205中建立磨牙或者非磨牙的SVM模型的過程中得到的第一個(gè)SVM模型，對(duì)對(duì)應(yīng)的每顆牙齒的初步三維區(qū)域進(jìn)行分割，可以將初步三維區(qū)域中置信度高于預(yù)設(shè)閾值的數(shù)據(jù)點(diǎn)分割出來，其中置信度反應(yīng)的是能夠作為對(duì)應(yīng)每顆牙齒的最終三維形狀的數(shù)據(jù)點(diǎn)的可靠度。然后根據(jù)得到的第二個(gè)SVM模型對(duì)由第一SVM模型得到的分割結(jié)果進(jìn)行進(jìn)一步的分割，得到對(duì)應(yīng)每顆牙齒的最終三維形狀。207、通過能量?jī)?yōu)化函數(shù)對(duì)每顆牙齒的最終三維形狀進(jìn)行優(yōu)化，得到更加平滑和連續(xù)的牙齒三維形狀。為了保證由步驟206得到的每顆牙齒的三維形狀的連續(xù)性和平滑性，對(duì)每顆牙齒的最終三維形狀通過能量?jī)?yōu)化函數(shù)進(jìn)行優(yōu)化。本實(shí)施例中構(gòu)造的能量?jī)?yōu)化函數(shù)如下所示：E＝αEsth+βEcon+γEedge+δEch其中：上述公式中，Esth是平滑項(xiàng)，用于使最終三維形狀中數(shù)據(jù)點(diǎn)趨于平滑；Econ是連續(xù)項(xiàng)，用于保持最終三維形狀中數(shù)據(jù)點(diǎn)的連續(xù)性；Eedge是邊界能量，用于使最終三維形狀中的邊界數(shù)據(jù)點(diǎn)不斷向梯度值大的地方移動(dòng)，Ech是變化的能量，用于控制最終三維形狀中的頂點(diǎn)的變化能量不能過大；v(i)表示優(yōu)化后最終三維形狀中的頂點(diǎn)坐標(biāo)，v’(i)表示優(yōu)化后的頂點(diǎn)坐標(biāo)對(duì)應(yīng)的一階導(dǎo)數(shù)，v”(i)表示優(yōu)化后的頂點(diǎn)坐標(biāo)對(duì)應(yīng)的二階導(dǎo)數(shù)，M為每個(gè)最終三維立體形狀中總共的頂點(diǎn)個(gè)數(shù)，Ni為優(yōu)化后的頂點(diǎn)的一階鄰域，▽I(x,y,z)表示優(yōu)化后最終三維形狀中數(shù)據(jù)點(diǎn)的梯度值，v0(i)表示優(yōu)化前頂點(diǎn)坐標(biāo)，i取值范圍為[1,M]。通過對(duì)上述能量函數(shù)求最小值，來實(shí)現(xiàn)對(duì)對(duì)應(yīng)每顆牙齒的最終三維形狀進(jìn)行優(yōu)化，最終得到對(duì)應(yīng)每顆牙齒的更加平滑和連續(xù)的三維形狀。進(jìn)一步的，作為對(duì)上述圖1和圖2所示方法的實(shí)現(xiàn)，本發(fā)明實(shí)施例另一實(shí)施例還提供了一種圖像分割的裝置，用于對(duì)上述圖1和圖2所示的方法進(jìn)行實(shí)現(xiàn)。該裝置實(shí)施例與前述方法實(shí)施例對(duì)應(yīng)，為便于閱讀，本裝置實(shí)施例不再對(duì)前述方法實(shí)施例中的細(xì)節(jié)內(nèi)容進(jìn)行逐一贅述，但應(yīng)當(dāng)明確，本實(shí)施例中的裝置能夠?qū)?yīng)實(shí)現(xiàn)前述方法實(shí)施例中的全部?jī)?nèi)容。如圖3所示，該裝置包括：獲取單元31、配準(zhǔn)單元32、第一分割單元33及第二分割單元34。獲取單元31，用于獲取牙冠網(wǎng)格數(shù)據(jù)和牙齒錐形束計(jì)算機(jī)斷層掃描CBCT圖像數(shù)據(jù)，牙冠網(wǎng)格數(shù)據(jù)和牙齒CBCT圖像數(shù)據(jù)是同一個(gè)牙列的兩種不同類型的三維數(shù)據(jù)，牙冠網(wǎng)格數(shù)據(jù)為分割成清晰準(zhǔn)確的單個(gè)牙冠形狀的數(shù)據(jù)；配準(zhǔn)單元32，用于將牙冠網(wǎng)格數(shù)據(jù)與牙齒CBCT圖像數(shù)據(jù)進(jìn)行配準(zhǔn)，確定牙齒CBCT圖像數(shù)據(jù)中的每顆牙齒對(duì)應(yīng)的牙冠區(qū)域；第一分割單元33，用于根據(jù)牙冠區(qū)域?qū)⒀例XCBCT圖像數(shù)據(jù)進(jìn)行分割，得到每顆牙齒的初步三維區(qū)域；第二分割單元34，用于根據(jù)支持向量機(jī)SVM算法對(duì)對(duì)應(yīng)每顆牙齒的初步三維區(qū)域進(jìn)行分割得到每顆牙齒的最終三維形狀。進(jìn)一步的，如圖4所示，配準(zhǔn)單元32，包括：第一配準(zhǔn)模塊321，用于根據(jù)主成分分析法將牙冠網(wǎng)格數(shù)據(jù)與牙齒CBCT圖像數(shù)據(jù)進(jìn)行粗配準(zhǔn)；第二配準(zhǔn)模塊322，用于以粗配準(zhǔn)的結(jié)果為初始狀態(tài)，根據(jù)正態(tài)分布變換NDT算法對(duì)牙冠網(wǎng)格數(shù)據(jù)與牙齒CBCT圖像數(shù)據(jù)進(jìn)行精確配準(zhǔn)。進(jìn)一步的，如圖4所示，第二分割單元34，包括：建立模塊341，用于建立SVM模型，SVM模型是根據(jù)Libsvm庫(kù)訓(xùn)練得到的牙齒形狀識(shí)別模型；分割模塊342，用于根據(jù)SVM模型從每顆牙齒的初步三維區(qū)域中分割出對(duì)應(yīng)牙齒的最終三維形狀。進(jìn)一步的，建立模塊341用于：通過使用中央處理器CPU與圖像處理器GPU結(jié)合的方式訓(xùn)練牙齒形狀數(shù)據(jù)，得到SVM模型。進(jìn)一步的，如圖4所示，裝置進(jìn)一步包括：優(yōu)化單元35，用于通過能量?jī)?yōu)化函數(shù)對(duì)每顆牙齒的最終三維形狀進(jìn)行優(yōu)化，得到更加平滑和連續(xù)的牙齒三維形狀。本實(shí)施例提供的圖像分割的裝置，能夠首先獲取同一個(gè)牙列的牙冠網(wǎng)格數(shù)據(jù)和牙齒CBCT圖像數(shù)據(jù)，其中牙冠網(wǎng)格數(shù)據(jù)為分割成清晰準(zhǔn)確的單個(gè)牙冠形狀的數(shù)據(jù)；然后將牙冠網(wǎng)格數(shù)據(jù)與牙齒CBCT圖像數(shù)據(jù)進(jìn)行配準(zhǔn)，確定牙齒CBCT圖像數(shù)據(jù)中每顆牙齒對(duì)應(yīng)的牙冠區(qū)域；然后根據(jù)牙冠區(qū)域?qū)⒀例XCBCT圖像數(shù)據(jù)進(jìn)行分割，得到每顆牙齒的初步三維區(qū)域；最后根據(jù)SVM算法對(duì)對(duì)應(yīng)每顆牙齒的初步三維區(qū)域進(jìn)行分割得到每顆牙齒的最終三維形狀。與現(xiàn)有技術(shù)相比，本實(shí)施例能夠根據(jù)已經(jīng)分割成清晰準(zhǔn)確的單個(gè)牙冠形狀的牙齒網(wǎng)格數(shù)據(jù)，對(duì)同一牙列的牙齒CBCT圖像數(shù)據(jù)進(jìn)行配準(zhǔn)確定其中的牙冠區(qū)域，然后根據(jù)牙冠區(qū)域?qū)BCT圖像數(shù)據(jù)分割得到每顆牙齒的初步三維區(qū)域，然后根據(jù)SVM算法分別對(duì)每顆牙齒的初步三維區(qū)域進(jìn)一步進(jìn)行分割得到每顆牙齒的最終三維形狀。在從牙齒的CBCT圖像數(shù)據(jù)得到每顆牙齒的最終三維形狀的過程中不需要人工的操作，因此大大提高了CBCT圖像數(shù)據(jù)分割的效率。所述圖像分割裝置包括處理器和存儲(chǔ)器，上述獲取單元31、配準(zhǔn)單元32、第一分割單元33及第二分割單元34等均作為程序單元存儲(chǔ)在存儲(chǔ)器中，由處理器執(zhí)行存儲(chǔ)在存儲(chǔ)器中的上述程序單元來實(shí)現(xiàn)相應(yīng)的功能。本申請(qǐng)還提供了一種計(jì)算機(jī)程序產(chǎn)品，當(dāng)在數(shù)據(jù)處理設(shè)備上執(zhí)行時(shí)，適于執(zhí)行初始化有如下方法步驟的程序代碼：獲取牙冠網(wǎng)格數(shù)據(jù)和牙齒錐形束計(jì)算機(jī)斷層掃描CBCT圖像數(shù)據(jù)，所述牙冠網(wǎng)格數(shù)據(jù)和所述牙齒CBCT圖像數(shù)據(jù)是同一個(gè)牙列的兩種不同類型的三維數(shù)據(jù)，所述牙冠網(wǎng)格數(shù)據(jù)為分割成清晰準(zhǔn)確的單個(gè)牙冠形狀的數(shù)據(jù)；將所述牙冠網(wǎng)格數(shù)據(jù)與所述牙齒CBCT圖像數(shù)據(jù)進(jìn)行配準(zhǔn)，確定所述牙齒CBCT圖像數(shù)據(jù)中的每顆牙齒對(duì)應(yīng)的牙冠區(qū)域；根據(jù)所述牙冠區(qū)域?qū)⑺鲅例XCBCT圖像數(shù)據(jù)進(jìn)行分割，得到每顆牙齒的初步三維區(qū)域；根據(jù)支持向量機(jī)SVM算法對(duì)對(duì)應(yīng)每顆牙齒的初步三維區(qū)域進(jìn)行分割得到每顆牙齒的最終三維形狀。本領(lǐng)域內(nèi)的技術(shù)人員應(yīng)明白，本申請(qǐng)的實(shí)施例可提供為方法、系統(tǒng)、或計(jì)算機(jī)程序產(chǎn)品。因此，本申請(qǐng)可采用完全硬件實(shí)施例、完全軟件實(shí)施例、或結(jié)合軟件和硬件方面的實(shí)施例的形式。而且，本申請(qǐng)可采用在一個(gè)或多個(gè)其中包含有計(jì)算機(jī)可用程序代碼的計(jì)算機(jī)可用存儲(chǔ)介質(zhì)(包括但不限于磁盤存儲(chǔ)器、CD-ROM、光學(xué)存儲(chǔ)器等)上實(shí)施的計(jì)算機(jī)程序產(chǎn)品的形式。本申請(qǐng)是參照根據(jù)本申請(qǐng)實(shí)施例的方法、設(shè)備(系統(tǒng))、和計(jì)算機(jī)程序產(chǎn)品的流程圖和/或方框圖來描述的。應(yīng)理解可由計(jì)算機(jī)程序指令實(shí)現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合?？商峁┻@些計(jì)算機(jī)程序指令到通用計(jì)算機(jī)、專用計(jì)算機(jī)、嵌入式處理機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器以產(chǎn)生一個(gè)機(jī)器，使得通過計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器執(zhí)行的指令產(chǎn)生用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能的裝置。這些計(jì)算機(jī)程序指令也可存儲(chǔ)在能引導(dǎo)計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備以特定方式工作的計(jì)算機(jī)可讀存儲(chǔ)器中，使得存儲(chǔ)在該計(jì)算機(jī)可讀存儲(chǔ)器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能。這些計(jì)算機(jī)程序指令也可裝載到計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備上，使得在計(jì)算機(jī)或其他可編程設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計(jì)算機(jī)實(shí)現(xiàn)的處理，從而在計(jì)算機(jī)或其他可編程設(shè)備上執(zhí)行的指令提供用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能的步驟。在一個(gè)典型的配置中，計(jì)算設(shè)備包括一個(gè)或多個(gè)處理器(CPU)、輸入/輸出接口、網(wǎng)絡(luò)接口和內(nèi)存。存儲(chǔ)器可能包括計(jì)算機(jī)可讀介質(zhì)中的非永久性存儲(chǔ)器，隨機(jī)存取存儲(chǔ)器(RAM)和/或非易失性內(nèi)存等形式，如只讀存儲(chǔ)器(ROM)或閃存(flashRAM)。存儲(chǔ)器是計(jì)算機(jī)可讀介質(zhì)的示例。計(jì)算機(jī)可讀介質(zhì)包括永久性和非永久性、可移動(dòng)和非可移動(dòng)媒體可以由任何方法或技術(shù)來實(shí)現(xiàn)信息存儲(chǔ)。信息可以是計(jì)算機(jī)可讀指令、數(shù)據(jù)結(jié)構(gòu)、程序的模塊或其他數(shù)據(jù)。計(jì)算機(jī)的存儲(chǔ)介質(zhì)的例子包括，但不限于相變內(nèi)存(PRAM)、靜態(tài)隨機(jī)存取存儲(chǔ)器(SRAM)、動(dòng)態(tài)隨機(jī)存取存儲(chǔ)器(DRAM)、其他類型的隨機(jī)存取存儲(chǔ)器(RAM)、只讀存儲(chǔ)器(ROM)、電可擦除可編程只讀存儲(chǔ)器(EEPROM)、快閃記憶體或其他內(nèi)存技術(shù)、只讀光盤只讀存儲(chǔ)器(CD-ROM)、數(shù)字多功能光盤(DVD)或其他光學(xué)存儲(chǔ)、磁盒式磁帶，磁帶磁磁盤存儲(chǔ)或其他磁性存儲(chǔ)設(shè)備或任何其他非傳輸介質(zhì)，可用于存儲(chǔ)可以被計(jì)算設(shè)備訪問的信息。按照本文中的界定，計(jì)算機(jī)可讀介質(zhì)不包括暫存電腦可讀媒體(transitorymedia)，如調(diào)制的數(shù)據(jù)信號(hào)和載波。以上僅為本申請(qǐng)的實(shí)施例而已，并不用于限制本申請(qǐng)。對(duì)于本領(lǐng)域技術(shù)人員來說，本申請(qǐng)可以有各種更改和變化。凡在本申請(qǐng)的精神和原理之內(nèi)所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本申請(qǐng)的權(quán)利要求范圍之內(nèi)。