[發(fā)明專利]一種基于超像素和鄰域塊特征結(jié)合的連續(xù)圖割方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810616400.3
• 申請(qǐng)日: 2018-06-15
• 公開(kāi)（公告）號(hào): CN108876789B
• 公開(kāi)（公告）日: 2022-03-25
• 發(fā)明（設(shè)計(jì)）人: 王青;宋湘芬
• 申請(qǐng)（專利權(quán)）人: 南方醫(yī)科大學(xué)
• 主分類號(hào): G06T7/10
• 分類號(hào): G06T7/10;G06V10/762;G06K9/62
• 代理公司: 北京科億知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11350
• 代理人: 趙蕊紅

1.一種基于超像素和鄰域塊特征結(jié)合的連續(xù)圖割方法,其特征在于，包括如下步驟：

步驟一，對(duì)超聲圖像預(yù)處理，得到增強(qiáng)圖像；

步驟二，根據(jù)步驟一的增強(qiáng)圖像構(gòu)建加權(quán)無(wú)向圖；

步驟三，提取步驟二的加權(quán)無(wú)向圖的超像素和鄰域塊特征，得到構(gòu)建好的圖；

步驟四，對(duì)步驟二的加權(quán)無(wú)向圖的內(nèi)輪廓和外輪廓初始化，得到圖的源終端S和匯終端T；

步驟五，根據(jù)步驟三構(gòu)建好的圖及步驟四中圖的源終端S和匯終端T建立連續(xù)圖割模型；

步驟六，通過(guò)步驟五的連續(xù)圖割模型獲得分割輪廓，并運(yùn)用曲線擬合方法還原分割輪廓的分辨率；

所述步驟二具體為，對(duì)步驟一的增強(qiáng)圖像的所有像素對(duì)應(yīng)設(shè)置為加權(quán)無(wú)向圖的結(jié)點(diǎn)，構(gòu)建加權(quán)無(wú)向圖G＝(V,E)，其中V為結(jié)點(diǎn)集，E為邊集，邊為兩個(gè)結(jié)點(diǎn)的連接，并通過(guò)式(Ⅱ)計(jì)算其邊權(quán)W(x_t,x_f)去度量?jī)蓚€(gè)結(jié)點(diǎn)間的相似度，構(gòu)建成一個(gè)權(quán)重矩陣作為加權(quán)無(wú)向圖，

其中d(x_t,x_f)表示為第t個(gè)結(jié)點(diǎn)x_t與第f個(gè)結(jié)點(diǎn)x_f之間的差異度，t和f都為像素點(diǎn)的索引，σ是尺度參數(shù)，N_n(x_t)是以結(jié)點(diǎn)x_t為中心的n×n的搜索窗，且n為正整數(shù)；

所述步驟三包括有，

步驟3.1，利用線性迭代聚類方法產(chǎn)生步驟二的加權(quán)無(wú)向圖的超像素，初始化K個(gè)聚類，確定各個(gè)聚類的當(dāng)前聚類中心點(diǎn)(r_q,c_q)，q＝1，2，......，K，進(jìn)入步驟3.2；

步驟3.2，分別對(duì)K個(gè)聚類通過(guò)式(Ⅲ)定義一個(gè)顏色空間距離d_c，通過(guò)式(Ⅳ)定義位置距離d_l，進(jìn)入步驟3.3；

其中，i為第q個(gè)聚類中心所在的像素點(diǎn)，j為第q個(gè)聚類中心周圍2P×2P鄰域內(nèi)像素點(diǎn)，且P為正整數(shù)，l、a、和b分別為L(zhǎng)AB顏色空間的三個(gè)通道值，l表示像素從純黑到純白的亮度，a表示像素從紅色到綠色的顏色值，b表示像素從黃色到藍(lán)色的顏色值，l_i、a_i和b_i分別表示為像素i的亮度、a的顏色值和b的顏色值，l_j、a_j和b_j分別表示為像素j的亮度、a的顏色值和b的顏色值，r是像素為所在行保存的位置信息，c是像素為所在列保存的位置信息，r_i為像素i的行，c_i為像素i的列，r_j為像素j的行，c_j為像素j的列；

步驟3.3，通過(guò)式(Ⅴ)確定距離度量D，進(jìn)入步驟3.4；

其中，N_c為d_c的最大值，N_l為d_l的最大值，m是加權(quán)因子，P為相鄰超像素之間的距離；

步驟3.4，比較像素點(diǎn)所獲得的多個(gè)距離度量D值，選取最短的D值，并將該像素分配給對(duì)應(yīng)的聚類，進(jìn)入步驟3.5；

步驟3.5，重新確定K個(gè)聚類的新聚類的中心點(diǎn)位置(r_q',c_q')，通過(guò)式(VI)確定當(dāng)前的聚類中心點(diǎn)(r_q,c_q)與新的聚類中心點(diǎn)(r_q',c_q')兩者之間的殘差ε，若ε≤ε₀，則進(jìn)入步驟3.7；若ε＞ε₀，則進(jìn)入步驟3.6，其中ε₀為閾值且ε₀＝e^-6，

ε＝||(r_q'-r_q),(c_q'-c_q)|| 式(VI)；

步驟3.6，令新的聚類中心點(diǎn)(r_q',c_q')為當(dāng)前的聚類中心點(diǎn)(r_q,c_q)，返回步驟3.2；

步驟3.7，將孤立的小聚類分配給最接近的大聚類，增強(qiáng)聚類連通性，最終所產(chǎn)生的聚類作為超像素；

步驟3.8，提取每個(gè)像素所屬超像素的中心點(diǎn)的位置信息，即行列位置，作為粗特征；

步驟3.9，設(shè)定鄰域塊大小為3×3，提取每個(gè)像素的鄰域塊的9維灰度值作為細(xì)特征；

步驟3.10，用皮爾森相關(guān)系數(shù)Pc(x_t,x_f)和皮爾森距離Pd(x_t,x_f)，通過(guò)式(Ⅶ)定義兩個(gè)結(jié)點(diǎn)的差異度d(x_t,x_f)，代入式(Ⅱ)，可獲得由新的相似性度量完成的圖的構(gòu)建，

其中，p₁∈(0,∞)是一個(gè)衡量粗細(xì)特征的權(quán)重因子，p₂∈(2,∞)為一個(gè)常數(shù)以確保log(P_c(x_t,x_f)+p₂)0，N_n(x_t)是以結(jié)點(diǎn)x_t為中心的n×n的搜索窗，且n為正整數(shù)；

所述步驟四具體為，對(duì)步驟二的加權(quán)無(wú)向圖手動(dòng)勾畫(huà)內(nèi)輪廓和外輪廓，內(nèi)輪廓內(nèi)部的所有點(diǎn)標(biāo)記為1分配給源終端S，外輪廓外部的所有點(diǎn)標(biāo)記為0分配給匯終端T，內(nèi)輪廓和外輪廓之間的點(diǎn)均為未標(biāo)記點(diǎn)，待分配。