[发明专利]基于主动轮廓模型的超声图像分割中获取初始轮廓的方法

摘要

本发明公开了一种基于主动轮廓模型的超声图像分割中获取初始轮廓的方法，包含以下步骤：训练超声图像肿瘤区域的纹理特征，并与标准椭圆经验值、待测超声图像中肿瘤先验大小一起构成一个标准向量；对待测超声图像进行预处理；对图像进行动态阈值分割；提取动态阈值分割结果中产生的所有闭合轮廓，形成相应子图像；计算各个子图像的纹理特征24个、椭圆拟合结果参数1个以及子图像闭合轮廓内部像素个数，并用这26个数据构成一个向量；计算所得向量与肿瘤区域训练所得的标准向量的距离，确定距离最小的向量对应子图像中的闭合轮廓即为所分割超声图像中肿瘤的轮廓。本发明方法克服了超声图像多噪声、边界模糊的问题，初始轮廓准确率高。

主权项

一种基于主动轮廓模型的超声图像分割中获取初始轮廓的方法，其特征在于，包含以下步骤：（1）选取60幅以上已有的超声图像组成训练集，所述已有的超声图像含有与待分割超声图像相同的肿瘤，用灰度级共生矩阵从训练集中每幅超声图像中提取肿瘤区域的24个纹理特征，利用数学线性回归中的的最小距离法得到24个纹理特征的标准值，并与标准椭圆经验值、待测超声图像中肿瘤先验大小一起构成一个标准向量A₀； （2）对待分割超声图像进行各向异性扩散和直方图均衡的预处理；（3）对（2）所得图像进行动态阈值分割，并提取动态阈值分割结果中产生的所有闭合轮廓，每个闭合轮廓形成一个相应子图像；（4）利用灰度级共生矩阵提取各个子图像的24个纹理特征，计算椭圆拟合结果参数以及子图像闭合轮廓内部像素个数，并用这26个数据构成一个向量A₁； （5）计算每一个子图像所得向量A₁与肿瘤区域训练所得的标准向量A₀的距离D，使得D最小的向量A₁所对应子图像中的闭合轮廓为待分割超声图像中肿瘤的初始轮廓。