[發明專利]基于自動上下文和數據增強的超聲圖像智能分割方法

有效

• 申請號: 201810277488.0
• 申請日: 2018-03-31
• 公開（公告）號: CN108460764B
• 公開（公告）日: 2022-02-15
• 發明（設計）人: 韋崗;梁舒;馬碧云;李增
• 申請（專利權）人: 華南理工大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 何淑珍;江裕強

1.基于自動上下文和數據增強的超聲圖像智能分割方法，其特征在于，包括如下步驟：

（1）首先對超聲圖像數據集進行預處理，得到預處理后的數據集；

分別對超聲數據集進行間隔為m天的多次標注，取多次標注的平均值作為分割的標簽；針對超聲圖像的高噪聲、低對比度、弱邊界、不均勻特性，進行去噪處理，去噪處理包括：首先截取超聲圖像感興趣區域，使用雙邊濾波器進行濾波處理，在保留圖像中邊緣信息的同時去除噪聲，進行直方圖均衡化增強圖像的對比度，使用均值漂移濾波改善超聲圖像的均勻性；具體包括如下步驟：步驟1：打標簽，包括以下步驟：

1.1技術人員標注；由多位技術人員分別對超聲數據集進行間隔為m天，m取大于等于2的整數，的多次標注，m為設定值；

1.2確定標簽；取多位技術人員多次標注的平均值作為分割的標簽；

步驟2：圖像預處理，包括以下步驟：

2.1截取感興趣區域；從原始超聲圖像中截取包含完整缺陷區域且缺陷區域居中的子圖像，即感興趣區域；

2.2雙邊濾波；對感興趣區域使用雙邊濾波器完成去噪，得到去噪圖像；

2.3直方圖均衡化；對去噪圖像進行直方圖均衡化來增強對比度得到直方圖均衡化的圖像；

2.4均值漂移；對直方圖均衡化的圖像使用均值漂移濾波器來改善均勻性；

（2）接著，對預處理后的超聲數據集進行數據增強，擴大數據集規模，得到擴增數據集；具體包括：步驟21：縮放；按照設定的比例縮小或者放大原始圖像，其中縮放比例的大小采用隨機或人為定義的方式給出，得到縮放圖像；

步驟22：水平、垂直翻轉；沿著水平或者垂直方向翻轉縮放圖像，得到翻轉圖像；

步驟23：平滑形變；使用隨機位移矢量在n×n，0nmin(0.5h，0.5w)，n為整數，h和w為翻轉圖像的高和寬；網格上產生平滑形變，即將翻轉圖像劃分為n×n的網格，對非圖像邊緣網格點進行隨機位移，位移大小從k像素， 0k0.5n，k為整數，標準差的高斯分布中采樣，然后使用雙三次插值計算其他像素位移，得到平滑形變圖像；

步驟24：剛性變換；采用基于移動最小二乘的剛性變換對平滑形變圖像進行數據增強，得到擴增數據集；

（3）然后，將擴增數據集輸入到基于自動上下文的全卷積神經網絡中，以端到端的方式訓練模型，實現對擴增數據集的初步分割；首先，進行數據輸入，對輸入的擴增數據集進行隨機打亂，并用多隊列去并行讀取，加快數據的讀入；然后，在全卷積神經網絡中實現自動上下文，即將編碼過程中的特征圖與解碼過程中對應層的特征圖通過通道拼接實現特征融合，使網絡能夠將上下文信息從淺層傳遞到更髙分辨率層；接著，使用交叉熵作為損失函數，采用反向傳播和隨機梯度下降算法，以端到端的方式訓練模型；最后，用訓練好的模型對測試數據集進行預測，實現對超聲圖像測試數據集缺陷區域的初步分割；

（4）對超聲圖像初步分割結果進行精細化后處理。

2.根據權利要求1所述的基于自動上下文和數據增強的超聲圖像智能分割方法，其特征在于，步驟（4）包括：首先，去除分割結果中由于高噪聲而誤判的缺陷區域，提升缺陷區域分割結果的準確率和可靠性；然后，對分割結果進行形態學閉運算和開運算處理，改善分割結果的邊緣平滑性，實現對缺陷分割結果的精細化處理。

3.根據權利要求1所述的基于自動上下文和數據增強的超聲圖像智能分割方法，其特征在于，步驟（4）具體包括如下步驟：步驟1：去除誤判缺陷區域；使用OpenCV計算所有判別為缺陷區域的面積大小，去除上述面積過小的誤判缺陷區域，得到去除誤判區域的分割結果；

步驟2：形態學閉運算和開運算處理，包括以下步驟：

2.1閉運算；對去除誤判區域的分割結果使用閉運算填充缺陷區域的空洞部分，連接狹窄的缺口，得到閉運算處理的分割結果；

2.2開運算；對比運算處理的分割結果使用開運算斷開狹窄的缺口，消除缺陷區域邊緣的突出部分，平滑缺陷區域邊緣，得到精細化后處理的分割結果。