[发明专利]一种基于能量约束的区域增长超声图像自动分割方法

摘要

本发明公开了一种基于能量约束的区域增长超声图像自动分割方法，包括以下步骤(1)对原始超声图像进行预处理；(2)对预处理后的超声图像进行种子点自动选取；(3)利用步骤(2)中得到的种子点作为区域增长的起点，在本发明的能量函数下进行约束增长，达到约束条件则停止增长得到最终分割结果。本发明得到的分割结果精确，分割过程无需人工参与，真正实现了全自动超声图像分割，有利于后续诸如病灶区域特征提取等处理。

主权项

一种基于能量约束的区域增长超声图像自动分割方法，其特征在于，包括以下步骤：(1)对原始超声图像进行预处理，生成超像素；(2)对预处理后的超声图像进行种子点自动选取，具体为：(2‑1)用一个22维的特征向量yv表示超像素v，v∈V，V为图像的超像素集合，yv＝{T_a，T_d，T_h}，其中，T_a为超像素的平均亮度、T_d为超像素的亮度方差、T_h为超像素的亮度分布；T_a为一维向量，T_d为一维向量，T_h为20维向量；(2‑2)构造背景字典：选择图像边缘四周的超像素作为背景候选超像素，并将背景候选超像素中亮度最大的10％和最小的10％超像素去掉，余下的背景候选超像素作为背景超像素，以背景超像素的特征yb作为列向量组合成背景字典矩阵D，即D＝[yb1，yb2，...，ybm],m为背景超像素个数；(2‑3)利用步骤(2‑2)中得到的背景字典进行稀疏重建，得到显著图；(2‑4)选择种子点：利用大津法对步骤(2‑3)中得到的显著图进行二值化，将最大的连续区域作为感兴趣区域，该感兴趣区域的重心超像素则为种子点；(3)利用步骤(2)中得到的种子点作为区域增长的起点，在能量函数下进行约束增长，达到约束条件则停止增长得到最终分割结果，具体为：(3‑1)以整幅图像中的每个超像素作为节点将图像表示为无向图G＝(V；E)，V表示节点集合，即超像素集合，E表示边集合，若两个超像素相邻则边存在，否则不存在边，每条边ei，j都有一个非负权值w(vi，vj)来表示超像素间的联系，其中ei，j∈E，如下式所示：w(vi，vj)表示边权值，vi、vj分别为图像中的任意超像素点，I(vi)、I(vj)分别表示超像素vi、vj的平均亮度，i，j∈[0，N)，N表示图像中所包含超像素的总数；将图像的超像素点分为3部分，融合区域R的超像素vr、与融合区域相连的邻近区域L的超像素vl以及背景区域B的超像素vb；(3‑2)点差异度、内部差异度与边缘对比度的定义点差异度Node_diff(vl):表示邻近区域L中的节点vl与融合区域R的差异度，计算公式如下,其中，elr为连接超像素vl、vr的边，w(elr)为边elr权值；内部差异度Int_dif：表示融合区域R内所有节点的差异程度，计算公式如下，MST(R；E)代表融合区域R的最小生成树，e表示属于最小生成树的一条边，w(e)为边e的权值；边缘对比度Edge_dif：表示邻近区域L中的所有节点与融合区域R的差异度的平均值，其中，k表示邻近区域L中节点的个数，vl表示邻近区域L中的任意节点；(3‑3)能量函数的定义所述能量函数定义如下：Energy＝Eint+Eext其中，Eint为内部能量，具体计算公式为：其中，C是融合区域的节点个数，pa1是正常数；Eext为外部能量，具体计算公式为：Eext＝Int_dif‑pa2*Edge_dif其中，pa2是正常数；(3‑4)区域增长过程区域增长过程是不断地将邻近区域L中差异度Node_diff(vl)较小的超像素加入到融合区域中，当能量函数的值到达极小值时，融合区域停止生长，具体步骤如下：(3‑4‑1)初始化：以种子点超像素vs作为当前融合区域R，与种子点邻近的所有超像素为邻近区域L，对L中的节点按照差异度Node_diff(vl)由小到大排序，并计算能量函数Energy的值，设置游标index＝1，内部差异度Int_dif＝0；(3‑4‑2)用R′、L′、Energy对上面的R、L、Energy进行备份，以便融合失败后，恢复融合前的状态；(3‑4‑3)将L中第index个节点vindex加入到融合区域R，R＝R+vindex，更新L，并且对L中的节点按照Node_diff(vl)由小到大排序；计算能量函数Energy的值；(3‑4‑4)如果Energy≤Energy'，设置index＝1，转到(3‑4‑2)；否则，融合失败，对融合后的状态进行还原，即令R＝R′,L＝L′,Energy＝Energy'，设置index＝index+1；如果index小于等于L中节点个数K，则转到(3‑4‑3)，如果index大于L中节点个数K，R即为分割结果。