[發明專利]一種超聲圖像中運動探針檢測和定位方法

在審

• 申請號: 201410507562.5
• 申請日: 2014-09-28
• 公開（公告）號: CN104268878A
• 公開（公告）日: 2015-01-07
• 發明（設計）人: 柳欣;鐘必能;王華珍;孫增國;杜吉祥
• 申請（專利權）人: 華僑大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 廈門市首創君合專利事務所有限公司 35204
• 代理人: 張松亭;楊鍇

1.一種超聲圖像中運動探針檢測和定位方法，其特征在于，步驟如下：?

1)對超聲序列圖像向量化和矩陣化，得到超聲影像數據矩陣，并交互式初始化；?

2)根據步驟1)形成的二維超聲影像數據矩陣進行低秩建模和稀疏分解，得到矩陣低秩模型，并進行連續奇異像素支持區的交替檢測，得到整體影像序列奇異像素支持區；?

3)利用步驟2)中得到的奇異像素支持區，轉化其每一列向量為原始超聲圖像單幀大小，得到單幀稀疏塊掩模區，并計算該掩模中的所有8聯通區域，選取較大區域作為檢測探針區域并進行空洞填充；?

4)通過計算檢測到的探針區域中心點位置方法，找到探針具體空間位置信息。?

2.根據權利要求1所述的超聲圖像中運動探針檢測和定位方法，其特征在于，步驟2)的矩陣低秩模型具體通過如下模型求解：?

首先建立矩陣低秩數學模型，對于含有運動探針的超聲影像圖像序列，將每幅圖像排列為一個向量；?

然后將所有超聲圖像序列對應的向量排列成為一個矩陣，則穩定的背景部分對應于矩陣低秩部分，運動探針區域應于矩陣稀疏部分。?

3.根據權利要求2所述的超聲圖像中運動探針檢測和定位方法，其特征在于，設定運動探針為連續出現的異常信息進行求解，設ij表示影像序列矩陣中第j個列向量中的第i個像素，S∈{0,1}^p×F表示奇異像素支持區，其中p為列向量維度，F為序列幀數，則S_ij＝1表示ij位置為探針區域，S_ij＝0為背景區域；將探針檢測的目的轉化為在構建低秩模型的情況下，尋求最佳奇異像素支持區的估計過程。?

4.根據權利要求2所述的超聲圖像中運動探針檢測和定位方法，其特征在于，在奇異像素支持區的檢測過程中，通過對稀疏矩陣每一列分量轉化為原始超聲影像圖像矩陣大小，并進行平滑處理，達到消除細小奇異像素點的目的。?

5.根據權利要求4所述的超聲圖像中運動探針檢測和定位方法，其特征在于，進一步地，利用高斯模型建模，采用自適應閾值選擇法選取目標稀疏塊掩模，來進行連續奇異像素支持區的檢測。?

6.根據權利要求1所述的超聲圖像中運動探針檢測和定位方法，其特征在于，進一步地，?步驟3)中，單幀檢測到的單幀稀疏塊掩模區，是通過求解奇異像素支持區得到的每一列向量的矩陣轉化形式。?

7.根據權利要求3所述的超聲圖像中運動探針檢測和定位方法，其特征在于，步驟1)具體為：對于含有運動探針的超聲影像圖像序列，將每幅尺度為m×n的圖像排列為一個向量，再將所有超聲圖像序列對應的向量排列成為一個矩陣D＝[vec(I₁)|…|vec(I_F)]∈R^p×F，其中p＝m×n為向量維度，F為序列幀數，則穩定的背景部分對應于矩陣低秩部分，而運動探針區域應于矩陣稀疏部分；?

根據統計學習理論中低秩數學模型建立規則：將含破壞的數據矩陣D∈R^p×F分解為兩矩陣之和，D＝A+E，其中，矩陣A是低秩的并逼近原始數據矩陣，E是稀疏的噪聲數據矩陣；?

于是矩陣恢復可用以下為凸的優化問題來描述：subjecttoA+E＝D；其中，目標函數為矩陣A的秩以及噪聲矩陣E的零范數，λ為噪聲所占的權重。?

8.根據權利要求3所述的超聲圖像中運動探針檢測和定位方法，其特征在于，讓表示在奇異像素支持區S的映射的情況下對矩陣X的映射變換，?

設為其互補變換，則

由于矩陣的核范數是矩陣秩的包絡，當矩陣的0范數和1范數等價時，矩陣恢復過程可以通過以下優化模型求解出低秩部分A和稀疏支持區S：?

其中，核范數σ_k(A)表示矩陣A的第k個較大奇異值，參數λ為大于0的正數；?

針對此優化函數為非凸的，并且含有約束條件，根據D＝A+E，可以利用以下能量優化函數進行低秩模型構建和奇異區域支持區檢測：?

。