[发明专利]一种基于统计偏微分模型的超声造影图像分割方法

权利要求书

1.一种基于统计偏微分模型的超声造影图像分割方法，其特征在于，包括预处理步骤和在线分割步骤，

所述预处理步骤为基于超声造影图像，获取待分割图像和初始轮廓；

所述在线分割步骤以待分割图像和初始轮廓为输入量，获得能量函数，在能量函数中引入边缘停止函数以约束长度项，并增加LoG图像能量函数；对能量函数进行数值求解，完成对单个或多个不同ROI的目标边缘捕捉并分割；

所述边缘停止函数为：

其中，为标准差为的高斯核函数与待分割图像I的卷积运算式，取x为待分割图像中的点，y为点x的领域内的点；为梯度算子；

所述在线分割步骤的具体执行过程包括：

S10：将待分割图像与初始轮廓作为RSLGD模型能量函数的输入量，初始化参数；

其中所述RSLGD模型能量函数为：

其中，φ为水平集函数；u₁为活动轮廓内部区域中的灰度均值函数的简化描述；u₂为活动轮廓外部区域中的灰度均值函数的简化描述；为活动轮廓内部区域中的灰度方差函数的简化描述；为活动轮廓外部区域中的灰度方差函数的简化描述，表示RSLGD模型的能量函数；表示lgd模型的能量函数；E^RS(φ)表示LoG图像边缘信息能量函数；

S20：计算活动轮廓内部区域以及外部区域的平均灰度和方差；

S30：计算水平集函数；

S40：判断梯度流方程的数值迭代运算是否收敛，若是，则停止迭代，输出分割后的图像数列和水平集函数；若不是，令p＝p+1，p为迭代次数，转入到S20，继续迭代循环；

S50：将分割后的图像序列添加到原始图像序列中。

2.如权利要求1所述的基于统计偏微分模型的超声造影图像分割方法，其特征在于，所述E^lgd能量项为：

其中，u₁(x)和u₂(x)分别为活动轮廓的内部区域Ω₁和外部区域Ω₂的灰度均值；和分别为活动轮廓的内部区域Ω₁和外部区域Ω₂的灰度方差；y为x的领域内的点，领域半径为r；H(φ(y))为利用海氏函数对水平集函数φ(y)的处理结果，K_σ(x-y)为高斯函数，定义为

和分别为Ω₁和Ω₂区域的概率密布函数，分别为：

其中，I(y)为图像I中点y的灰度值。

3.如权利要求1所述的基于统计偏微分模型的超声造影图像分割方法，其特征在于，所述E^RS(φ)能量项为：

E^RS(φ)＝μP(φ)+vL^*(φ)+ωM_Δ(φ)；

其中，所述P(φ)为规则项；M_Δ(φ)为优化后的LoG项图像能量函数；L^*(φ)为增加了边缘停止函数的新长度项，定义为：

为先利用海式函数对水平集函数φ(x)进行处理，再求H(φ(x))的梯度图像；μ，v和ω为权系数。

4.如权利要求3所述的基于统计偏微分模型的超声造影图像分割方法，其特征在于，所述规则项P(φ)为：

其中，φ(x)为x的水平集函数。

5.如权利要求3所述的基于统计偏微分模型的超声造影图像分割方法，其特征在于，所述LoG项M_Δ(φ)定义为：

M_Δ(φ)＝∫_ΩH(φ)M(x)dx；

其中，M(x)为LoG图像在点x处的灰度值，定义为：

上式中，β为正数，M为LoG图像；Δ(G_σ*I)为二阶偏微分边缘检测算子。