[发明专利]基于灰度梯度的B超图像病灶区域分割方法及装置

权利要求书

1.一种基于灰度梯度的B超图像病灶区域分割方法，其特征在于，所述方法包括：

获取B超图像，利用预设的权值系数算法对所述B超图像进行去噪处理，得到所述B超图像的去噪图像，其中，所述预设的权值系数算法为：

其中，W(i,j)是局部窗口中点(i,j)的像素的权值系数，W(N+1,N+1)是局部窗口中像素点集的中值，(i,j)是所述B超图像的局部窗口中点的标识，N是局部窗口的维度，d是点(i,j)到局部窗口中心的距离，D_(i,j)是以点(i,j)为中心点的局部窗口的方差，C是压缩范围，i是局部窗口的点的横向标识，j是局部窗口的点的纵向标识；

对所述去噪图像进行对比度增强，得到所述去噪图像的增强图像；

获取所述增强图像的灰度值，根据所述灰度值生成所述增强图像的灰度梯度；

利用所述灰度梯度对所述增强图像进行初始切割，得到所述增强图像的初始区域；

生成所述初始区域的区域系数，根据所述区域系数构建BP神经网络，利用所述BP神经网络对所述初始区域进行病灶识别，得到所述初始区域的病灶区域。

2.如权利要求1所述的基于灰度梯度的B超图像病灶区域分割方法，其特征在于，所述利用预设的权值系数算法对所述B超图像进行去噪处理，得到所述B超图像的去噪图像，包括：

确定所述B超图像的局部窗口，根据所述局部窗口计算所述B超图像的局部方差；

根据所述局部方差和预设的权值系数算法生成所述局部窗口中像素点的权值系数；

利用所述权值系数和所述像素点的像素灰度生成所述B超图像的权值序列，利用所述权值序列生成所述B超图像的中值；

根据所述中值对所述B超图像进行去噪处理，得到所述B超图像的去噪图像。

3.如权利要求2所述的基于灰度梯度的B超图像病灶区域分割方法，其特征在于，所述利用所述权值序列生成所述B超图像的中值，包括：

利用如下中值确定算法生成所述B超图像中的中值所对应的序号；

其中，∑w(m,n)是局部窗口内所有像素的权值之和，w^′(l)是调整后得到的权值序列，M是中值所对应的序号，l是扫描的序号，m是局部窗口内像素的横向标识，n是局部窗口内像素的纵向标识；

利用所述中值所对应的序号和所述权值序列确定所述B超图像的中值。

4.如权利要求1所述的基于灰度梯度的B超图像病灶区域分割方法，其特征在于，所述对所述去噪图像进行对比度增强，得到所述去噪图像的增强图像，包括：

生成所述去噪图像的灰度分布概率，根据所述灰度分布概率将所述去噪图像进行灰度聚类，得到所述去噪图像的分类区域；

逐个对所述分类区域进行直方图均衡化，得到所述分类区域的增强区域，汇集所述增强区域为所述去噪图像的增强图像。

5.如权利要求4所述的基于灰度梯度的B超图像病灶区域分割方法，其特征在于，所述生成所述去噪图像的灰度分布概率，包括：

利用如下概率公式生成所述去噪图像的灰度分布概率：

其中，p_x是所述去噪图像中第i个灰度级的灰度分布概率，x是所述像素点标识，L表示所述去噪图像的灰度变化范围上限，S是灰度变化范围内值的灰度级集合，其中，S＝*0,1,2,…,L+，n_x是灰度级为x的像素数，为所述去噪图像的全部像素数。

6.如权利要求4所述的基于灰度梯度的B超图像病灶区域分割方法，其特征在于，所述根据所述灰度分布概率将所述去噪图像进行灰度聚类，得到所述去噪图像的分类区域，包括：

按照预设的灰度阈值对所述灰度变化范围内值的灰度级集合进行划分，得到所述灰度级集合的灰度级子集；

根据所述灰度级子集逐个确定所述去噪图像的灰度区域，计算所述灰度区域的类间方差；

利用所述类间方差、所述灰度级子集和预设的判决准则将所述去噪图像进行灰度划分，得到所述去噪图像的分类区域。