[发明专利]一种基于连续最小割的超声波图像分割方法

摘要

本发明提出了一种基于连续最小割的超声波图像分割方法，本发明针对猪肉眼肌超声波图像分割问题展开了研究，提出了基于模版预测和连续最小割的分割方法。该方法的主要创新在于图像前景模板和后景模版的预测使猪肉眼肌超声波图像分割全自动化。其中，前景模板预测分为四个步骤：一是,检测上边缘，统计上边缘点均值；二是，线性拟合下边缘，统计下边缘点的均值；三是，探测左边缘，估计左边缘的点；四是，预设右边缘的范围。通过这些步骤，可构建前景模板，从而配合预设的后景模板进行图像分割。因要对图像进行较准确细致的分割，本文引用Fast Patch‑based Continuous Min‑Cut(FP‑CMC)算法作为最小割算子以保证准确度。

主权项

1.一种基于连续最小割的超声波图像分割方法，其特征在于，包括以下步骤：S1：将超声波图像进行等比例缩放，得到关于超声波图像的缩放图；通过缩放图计算得到关于超声波图像的权值矩阵；S2：通过canny算子处理缩放图，得到目标区域左边缘的特征点的位置信息；S3：通过中值滤波法处理缩放图，得到第一去噪声缩放图；通过L0S算子处理第一去噪声缩放图，得到第一去噪声平滑缩放图；通过canny算子处理第一去噪声平滑缩放图，得到目标区域上边缘的特征点的位置信息；S4：通过混合中值滤波法处理缩放图，得到第二去噪声缩放图；通过SACE算子处理第二去噪声缩放图，得到第二增强对比度去噪声缩放图；通过LOS算子处理第二增强对比度去噪声缩放图，得到第二增强对比度去噪声平滑缩放图；通过canny算子处理第二增强对比度去噪声平滑缩放图，得到目标区域下边缘的特征点的位置信息；S5：通过历史经验推断得到目标区域右边缘的特征点的位置信息；S6：通过S2~S5得到目标区域的特征点的位置信息，构建前景模板；S7：通过历史经验预设背景模板；S8：将S1的权值矩阵、S6的前景模板和S7的背景模板加载到连续最小割分类器中；S9：通过连续最小割分类器迭代计算前景模板区域和背景模板区域，直至完成对整个超声波图像的分类。