[发明专利]一种基于灰度纹理特征的超声图像运动目标跟踪方法

权利要求书

1.一种基于灰度纹理特征的超声图像运动目标跟踪方法，其特征在于所述方法步骤如下：

步骤一、对包括训练集与运动估计序列图像在内的所有图像进行预处理；

步骤二、抽取训练集图片模板，划分网格并提取灰度纹理信息作为特征，建立训练数据；

步骤三、建立反向传播神经网络结构，利用步骤二得到的训练集训练BP前馈神经网络，建立特征与结果的联系；

步骤四、开始跟踪运动估计序列图像目标，从第一帧起，提取目标区域，对下一帧的搜索区域进行互相关匹配，得到预选坐标并提取灰度纹理特征，输入步骤三训练后的BP前馈神经网络，得到目标最佳位置。

2.根据权利要求1所述的基于灰度纹理特征的超声图像运动目标跟踪方法，其特征在于所述步骤一中，预处理方法为：采取均值滤波器对图像进行滤波，采用直方图均衡方法均衡灰度。

3.根据权利要求1所述的基于灰度纹理特征的超声图像运动目标跟踪方法，其特征在于所述步骤二的具体步骤如下：

(1)训练集中包括H张图片中的目标坐标，在第一幅图中人工指定模板大小为M×N，其中M与N分别表示模板的宽与长，以每个训练集中的目标坐标为中心，按照模板大小在周围取出模板训练集正例；

(2)在每张图片的目标坐标周围偏移3-10像素值位置处取出反例坐标，按模板大小取出反例模板训练集；

(3)对每个模板均进行如下操作：划分成a×b个网格，每个小网格都提取出对比度contrast、能量ASM、相关性correlation、熵entropy四个特征，将每个模板提取出的4×a×b个特征作为一组数据，把各个模板的数据合在一起，做归一化处理，构成训练集。

4.根据权利要求3所述的基于灰度纹理特征的超声图像运动目标跟踪方法，其特征在于所述对比度contrast、能量ASM、相关性correlation、熵entropy的计算公式如下：

Correlation中，各项的含义为：

其中，i，j分别代表横坐标与纵坐标，G(i，j)即灰度共生矩阵G的(i，j)处的值。

5.根据权利要求1所述的基于灰度纹理特征的超声图像运动目标跟踪方法，其特征在于所述步骤三中，BP前馈神经网络的输入为步骤二中所有特征，网络包含两层隐藏层，采用Sigmod型激活函数，输出为0：反例或1：正例。

6.根据权利要求1所述的基于灰度纹理特征的超声图像运动目标跟踪方法，其特征在于所述步骤四的具体步骤如下：当得到第n帧的目标坐标后，以坐标为中心，按照选定的模板大小得到第n帧的模板w_n，在第n+1帧中以此坐标为中心划出比模板边长长1.5～2倍的待匹配区域T_n+1，w_n与T_n+1作归一化互相关，得到w_n在T_n+1中各个位置的匹配值，匹配值从大到小前5％的位置作为预选坐标，以预选坐标为中心取出模板，按步骤二的方法划分网格、提取灰度纹理特征、进行归一化，得到特征向量，将特征向量输入步骤三训练后的BP前馈神经网络，乘积最大的输入即对应为最佳目标坐标。