[發明專利]結合全局和局部區域信息的醫學超聲圖像分割方法

有效

• 申請號: 201611237024.4
• 申請日: 2016-12-28
• 公開（公告）號: CN106803250B
• 公開（公告）日: 2019-08-09
• 發明（設計）人: 方玲玲;王相海
• 申請（專利權）人: 遼寧師范大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11
• 代理公司: 大連非凡專利事務所 21220
• 代理人: 閃紅霞

本發明公開了一種分割精度高的結合全局和局部區域信息的醫學超聲圖像分割方法，結合了圖像全局信息和局部信息，全局信息使得模型對于圖像具有較強的抗噪性，對圖像邊緣具有較強的捕捉能力；局部信息使得在異質區域分割更加精確，上述二者結合能夠處理背景及其內部結構復雜的圖像，可應用于醫學超聲圖像的分割。實驗結果證明了本發明可以在短時間內分割對比度低、結構復雜的醫學超聲圖像，而且對于弱質圖像和含有噪聲的圖像也能獲得很好的分割效果。

技術領域

本發明涉及醫學圖像處理領域，尤其是一種分割精度高的結合全局和局部區域信息的醫學超聲圖像分割方法。

背景技術

由于受到醫學成像設備、不均勻關照以及射線能量散射等外界因素的影響，醫學超聲圖像一般具有以下結構特征：（1）分割區域的灰度異質性；（2）圖像常常只包含白色、灰色和深灰色的目標區域，而黑色區域則為背景區域；（3）由于人體內部結構的復雜性和軟骨組織的不規則性，導致超聲圖像的邊緣模糊、內部結構復雜。然而，在臨床醫療的檢測中，醫生需要精確的勾畫出超聲圖像中病灶的位置及其形狀，這就給醫療工作帶來了巨大的工作量。

近年來，基于活動輪廓模型的圖像分割方法被廣泛的應用到醫學超聲圖像的處理中。主要包含：基于全局區域信息的活動輪廓模型和基于局部信息的活動輪廓模型。基于全局區域信息的活動輪廓模型對細節信息的捕捉能力較差，對異質對象通常不能很好地進行處理，同時模型的演化速度較慢；基于局部信息的模型可以很好地處理上述問題，但該模型對噪聲和雜波比較敏感，容易發生邊界泄露并且對于初始位置要求嚴格。

發明內容

本發明是為了解決現有技術所存在的上述技術問題，提供一種分割精度高的結合全局和局部區域信息的醫學超聲圖像分割方法。

本發明的技術解決方案是：一種結合全局和局部區域信息的醫學超聲圖像分割方法，按照如下步驟進行：

步驟1：建立超聲圖像對應的數學模型如下：

（1）

其中， 和分別描述超聲圖像的噪聲、弱邊緣區域及異質區域，這里，和表示全局和局部區域的內外部平均灰度值，相應的表達式為：

和

（2）

其中，為超聲圖像所在區域；為水平集函數的函數；

步驟2：為了找到 的最優值，建立模型：

（3）

其中

（4）

為接近于0的無窮小正數；

步驟3. 進一步由Euler-Lagrange方程，可得到模型（4）的水平集演化方程：

（5）

其中，為水平集函數的Dirac函數，為水平集的梯度算子；

步驟4. 設置時間步長；初始化水平集函數；；

步驟5. 利用式（2）計算全局和局部輪廓內外部的平均灰度值；

步驟6. 利用有限差分法以及式（5），更新水平集函數；

步驟7. 檢查演化曲線是否穩定收斂，若穩定收斂，則停止迭代；否則，轉入步驟5。

本發明結合了圖像全局信息和局部信息，全局信息使得模型對于圖像具有較強的抗噪性，對圖像邊緣具有較強的捕捉能力；局部信息使得在異質區域分割更加精確，上述二者結合能夠處理背景及其內部結構復雜的圖像，可應用于醫學超聲圖像的分割。實驗結果證明了本發明可以在短時間內分割對比度低、結構復雜的醫學超聲圖像，而且對于弱質圖像和含有噪聲的圖像也能獲得很好的分割效果。