[发明专利]一种乳腺肿块超声图像超声区域分离方法

摘要

本发明公开了一种乳腺肿块超声图像超声区域分离方法，包括以下步骤，1.1.对于一幅乳腺肿块超声图像I，利用金字塔均值漂移算法对其进行滤波，得到滤波后的图像I_f；1.2.利用分水岭算法对图像I_f进行分割；1.3.计算I_s中特定感兴趣区域内的最小灰度minGray；1.4.遍历I_s，对于灰度等于minGray的像素，将其灰度赋为前景，即为目标肿块区域，否则赋为背景，得到最终的肿块分割结果二值图像。本发明方法在分割乳腺肿块超声图像时自动化水平高，是完全、充分的自动化分割，避免了手工交互。

主权项

1.一种乳腺肿块超声图像超声区域分离方法，其特征在于包括以下步骤：/n1.1.对于一幅乳腺肿块超声图像I，利用金字塔均值漂移算法对其进行滤波，得到滤波后的图像I_f；所述的金字塔均值漂移算法包括如下步骤：/n(a).对乳腺肿块超声图像I进行最高层数L的高斯金字塔分解，L≥2，得到L层图像I₁,…,I_L，图像I_L为金字塔的底层；/n(b).对第L层图像I_L进行均值漂移滤波，得到结果图像(I_L)_ms；/n(c).使用拉普拉斯金字塔将第L层的均值漂移滤波结果图像(I_L)_ms向上采样得到第L-1层图像I'_L-1，再对I'_L-1进行均值漂移滤波，得到(I_L-1)_ms；/n(d).重复步骤(c)，直到得到第1层均值漂移滤波结果图像(I₁)_ns，即金字塔均值漂移滤波后的图像I_f；/n1.2.利用分水岭算法对图像I_f进行分割，得到分割后的图像I_s,该步骤包括：/n1.2.1 输入图像I_f，定义起始变量i＝1，i表示圆盘型结构元素B_i的半径，I＝2表示将梯度图像初始划分为2个等级；/n1.2.2 利用矢量梯度方法计算图像I_f的梯度图像g；/n1.2.3 对梯度图像g进行开重建运算，得到第一次修正后的梯度图像g_rec(1)；/n1.2.4 对梯度图像g_rec(1)进行标准分水岭变换，统计分割后的区域数目为Num(1)；/n1.2.5 自适应梯度重建，得到修正后的梯度图像g_m，包括以下步骤：/n(a)i加1，圆盘型结构元素Bi为尺寸(2i+1)×(2i+1)的圆形结构，对g_rec(i-1)进行开重建，得到修正后的梯度图像g_rec(i)；/n(b)修正梯度图像g_m＝Σi＝1Igrec(i)×BW(g,T,i),/n其中，二值化运算/nT＝max(g)-min(g)l表示梯度等级间隔；/n(c)若i≤l，返回步骤(a)，否则进入下一步；/n(6)对g_m进行标准分水岭变换，得到分割后的结果为L²，统计分割后的区域数目为Num(l)；/n(7)判断分割后的区域数目变化，如果Num(I)＝Num(I-1)，则输出最终的分割结果L²；否则，加1，返回步骤1.2.5。/n1.3.计算I_s中特定感兴趣区域内的最小灰度minGray；/n1.4.遍历I_s，对于灰度等于minGray的像素，将其灰度赋为前景，即为目标肿块区域，否则赋为背景，得到最终的肿块分割结果二值图像。/n