[发明专利]结合全局和局部区域信息的医学超声图像分割方法

摘要

本发明公开了一种分割精度高的结合全局和局部区域信息的医学超声图像分割方法，结合了图像全局信息和局部信息，全局信息使得模型对于图像具有较强的抗噪性，对图像边缘具有较强的捕捉能力；局部信息使得在异质区域分割更加精确，上述二者结合能够处理背景及其内部结构复杂的图像，可应用于医学超声图像的分割。实验结果证明了本发明可以在短时间内分割对比度低、结构复杂的医学超声图像，而且对于弱质图像和含有噪声的图像也能获得很好的分割效果。

主权项

1.一种结合全局和局部区域信息的医学超声图像分割方法，其特征在于按照如下步骤进行：步骤1：建立超声图像I(x,y)对应的数学模型如下：I(x,y)＝Ω_ns,wb∪Ω_ii  (1)其中，Ω_ns,wb≈{cⁱ}_i＝+,‑和Ω_ii≈{mⁱ}_i＝+,‑分别描述超声图像的噪声、弱边缘区域及异质区域，所述{cⁱ}_i＝+,‑和{mⁱ}_i＝+,‑表示全局和局部区域的内外部平均灰度值，相应的表达式为：其中，Ω为超声图像I所在区域；H(φ(x,y))为水平集函数φ的Heaviside函数；步骤2：为了找到{cⁱ,mⁱ}_i＝+,‑的最优值，建立模型：其中ε为接近于0的无穷小正数；步骤3.进一步由Euler‑Lagrange方程，可得到模型(4)的水平集演化方程：其中，δ(φ)为水平集函数φ的Dirac函数，为水平集φ的梯度算子；步骤4.设置时间步长初始化水平集函数φ(x,y)＝0；μ＝0.2；步骤5.利用式(2)计算全局和局部轮廓内外部的平均灰度值{cⁱ,mⁱ}_i＝+,‑；步骤6.利用有限差分法以及式(5)，更新水平集函数φ；步骤7.检查演化曲线是否稳定收敛，若稳定收敛，则停止迭代；否则，转入步骤5。