[发明专利]一种前列腺超声图像自动精确分割方法

权利要求书

1.前列腺超声图像自动精确分割方法，该方法使用通过各向异性扩散构建的多尺度空间，通过Gabor滤波提取各个尺度下前列腺超声图像的纹理特征；同时，使用非参数核密度估计方法构建前列腺形状空间，并通过均值漂移（mean shift）在形状空间内进行搜索；在纹理特征和形状空间的双重约束下，得到前列腺轮廓的粗分割；最后，使用活动轮廓模型（active contour models），结合方向梯度，自适应探测范围，求精分割结果，最后稳健地得到前列腺超声图像的精确分割。

2.根据权利要求1所述的前列腺超声图像自动精确分割方法，其特征在于它的步骤如下：

步骤一：基于一个数据集的学习样本图片，使用各向异性扩散方法，构建出尺度空间；由超声图像专家手工精确分割，使用Gabor滤波在不同方向、不同频率以及不同尺度下提取超声图像轮廓边缘的纹理特征；

步骤二：自动初始化起始轮廓模型，从最粗糙的尺度开始，由学习提取的纹理特征和模型轮廓边缘的方向梯度特征作为引导，结合由核密度估计构建的形状空间，共同在子空间约束下寻找目标轮廓，进行初步分割，具体实现步骤为：

步骤A：模型轮廓上的每一个控制点，都在法向方向上考察临近的坐标点，考虑法线上点纹理特征和方向梯度特征的共同作用，该控制点移向作用最强点的位置；

步骤B：每一个控制点独立移动过后，模型的形状可能已经被破坏，此时，通过核密度估计方法，考察当前模型形状是否在形状空间之内，如果是，则进入步骤A，否则进入步骤C；

步骤C：对当前形状使用均值漂移算法，使其向核密度高的方向移动，直到其核密度估计值满足形状空间要求；

步骤D：考察当前是否在最精细一级的尺度下操作，是则进入步骤三，否则切换到更精细一级尺度，进入步骤A；

步骤三：对原始超声图像使用均值偏移算法平滑，结合显著点监测算法，使用步骤二的输出形状为初始形状，使用活动轮廓模型进一步求精分割结果，得到最后的前列腺超声图像精确分割结果。

3.根据权利要求2所述的前列腺超声图像自动精确分割方法，其特征在于步骤一，对学习数据集轮廓上的每一个控制点编号                                                ，则每一个形状轮廓可以表示为一个维空间内的一个点：

                                 (1)

Gabor滤波的实部为

                             (2)

其中

                                              (3)

                                                 (4)

符号表示正弦曲线的波长因子，表示Gabor函数的方向，表示相位，表示高斯卷积的标准差，表示空间长宽比；

则使用Gabor函数对不同尺度下的图像卷积可以得到前列腺轮廓上的纹理特征：

                                             （5）

不同尺度下每一个控制点的纹理特征可以表示为

                                                       (6)

其中

           (7)

上式中，分别表示所选取的波长和角度个数，代表所在的尺度；

不同尺度的图像由不同的各向异性扩散次数和下采样率的不同来决定，越粗糙的尺度扩散迭代次数和下采样率越高；

各向异性扩散方程为

                                 (8)

其中为各向异性的扩散率，表示散度，表示梯度。