[发明专利]一种基于超像素和邻域块特征结合的连续图割方法

权利要求书

1.一种基于超像素和邻域块特征结合的连续图割方法,其特征在于，包括如下步骤：

步骤一，对超声图像预处理，得到增强图像；

步骤二，根据步骤一的增强图像构建加权无向图；

步骤三，提取步骤二的加权无向图的超像素和邻域块特征，得到构建好的图；

步骤四，对步骤二的加权无向图的内轮廓和外轮廓初始化，得到图的源终端S和汇终端T；

步骤五，根据步骤三构建好的图及步骤四中图的源终端S和汇终端T建立连续图割模型；

步骤六，通过步骤五的连续图割模型获得分割轮廓，并运用曲线拟合方法还原分割轮廓的分辨率；

所述步骤二具体为，对步骤一的增强图像的所有像素对应设置为加权无向图的结点，构建加权无向图G＝(V,E)，其中V为结点集，E为边集，边为两个结点的连接，并通过式(Ⅱ)计算其边权W(x_t,x_f)去度量两个结点间的相似度，构建成一个权重矩阵作为加权无向图，

其中d(x_t,x_f)表示为第t个结点x_t与第f个结点x_f之间的差异度，t和f都为像素点的索引，σ是尺度参数，N_n(x_t)是以结点x_t为中心的n×n的搜索窗，且n为正整数；

所述步骤三包括有，

步骤3.1，利用线性迭代聚类方法产生步骤二的加权无向图的超像素，初始化K个聚类，确定各个聚类的当前聚类中心点(r_q,c_q)，q＝1，2，......，K，进入步骤3.2；

步骤3.2，分别对K个聚类通过式(Ⅲ)定义一个颜色空间距离d_c，通过式(Ⅳ)定义位置距离d_l，进入步骤3.3；

其中，i为第q个聚类中心所在的像素点，j为第q个聚类中心周围2P×2P邻域内像素点，且P为正整数，l、a、和b分别为LAB颜色空间的三个通道值，l表示像素从纯黑到纯白的亮度，a表示像素从红色到绿色的颜色值，b表示像素从黄色到蓝色的颜色值，l_i、a_i和b_i分别表示为像素i的亮度、a的颜色值和b的颜色值，l_j、a_j和b_j分别表示为像素j的亮度、a的颜色值和b的颜色值，r是像素为所在行保存的位置信息，c是像素为所在列保存的位置信息，r_i为像素i的行，c_i为像素i的列，r_j为像素j的行，c_j为像素j的列；

步骤3.3，通过式(Ⅴ)确定距离度量D，进入步骤3.4；

其中，N_c为d_c的最大值，N_l为d_l的最大值，m是加权因子，P为相邻超像素之间的距离；

步骤3.4，比较像素点所获得的多个距离度量D值，选取最短的D值，并将该像素分配给对应的聚类，进入步骤3.5；

步骤3.5，重新确定K个聚类的新聚类的中心点位置(r_q',c_q')，通过式(VI)确定当前的聚类中心点(r_q,c_q)与新的聚类中心点(r_q',c_q')两者之间的残差ε，若ε≤ε₀，则进入步骤3.7；若ε＞ε₀，则进入步骤3.6，其中ε₀为阈值且ε₀＝e^-6，

ε＝||(r_q'-r_q),(c_q'-c_q)|| 式(VI)；

步骤3.6，令新的聚类中心点(r_q',c_q')为当前的聚类中心点(r_q,c_q)，返回步骤3.2；

步骤3.7，将孤立的小聚类分配给最接近的大聚类，增强聚类连通性，最终所产生的聚类作为超像素；

步骤3.8，提取每个像素所属超像素的中心点的位置信息，即行列位置，作为粗特征；

步骤3.9，设定邻域块大小为3×3，提取每个像素的邻域块的9维灰度值作为细特征；

步骤3.10，用皮尔森相关系数Pc(x_t,x_f)和皮尔森距离Pd(x_t,x_f)，通过式(Ⅶ)定义两个结点的差异度d(x_t,x_f)，代入式(Ⅱ)，可获得由新的相似性度量完成的图的构建，

其中，p₁∈(0,∞)是一个衡量粗细特征的权重因子，p₂∈(2,∞)为一个常数以确保log(P_c(x_t,x_f)+p₂)0，N_n(x_t)是以结点x_t为中心的n×n的搜索窗，且n为正整数；

所述步骤四具体为，对步骤二的加权无向图手动勾画内轮廓和外轮廓，内轮廓内部的所有点标记为1分配给源终端S，外轮廓外部的所有点标记为0分配给汇终端T，内轮廓和外轮廓之间的点均为未标记点，待分配。