專利名稱：基于四叉樹分解的超聲圖像最優(yōu)同質(zhì)區(qū)域自動選取方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，具體涉及基于四叉樹分解的超聲圖像最優(yōu)同質(zhì)區(qū)域自動選取方法。
背景技術(shù)：
超聲成像因具有無創(chuàng)、實時、可重復(fù)性強、診療費用低廉等優(yōu)點，使其成為了醫(yī)學(xué)影像診斷領(lǐng)域廣泛應(yīng)用且無可替代的成像方式。但是超聲圖像中無可避免的存在著大量斑點噪聲，且圖像對比度和分辨率相對較低，使得對超聲圖像的斑點降噪、邊界檢測、目標分割等工作成為了醫(yī)學(xué)圖像處理領(lǐng)域的熱點和難點。而這些工作無一例外地都需要用到對超聲圖像進行同質(zhì)區(qū)域的選取[1-3]。以超聲圖像斑點降噪的經(jīng)典算法，斑點噪聲抑制各向異性擴散(SpeckleReducing Anisotropic Diffusion, SRAD) [4]為例，能否準確選擇超聲圖像同質(zhì)區(qū)域直接關(guān)系到該算法實際應(yīng)用時降噪效果的成敗。為了提高超聲圖像同質(zhì)區(qū)域選擇的準確性，傳統(tǒng)做法是在圖像處理過程中直接讓用戶人工選擇同質(zhì)區(qū)域，這一方法不僅費時、依賴于人工干預(yù)，而且極有可能引入主觀變異性，不利于后續(xù)的定量分析。而對于需要批量處理的超聲序列圖像斑點降噪來說，依賴人工選擇同質(zhì)區(qū)域的方法更顯得不具有可操作性。根據(jù)上述實際需求，本發(fā)明采用基于四叉樹分解的超聲圖像最優(yōu)同質(zhì)區(qū)域自動選取方法，為醫(yī)學(xué)超聲圖像的斑點降噪、邊界檢測、目標分割等工作提供了一種高效、自動、準確的超聲圖像同質(zhì)區(qū)域確定方法。

發(fā)明內(nèi)容

本發(fā)明的目的在于提出基于四叉樹分解的超聲圖像最優(yōu)同質(zhì)區(qū)域自動選取方法，能夠高效、自動、準確地確定超聲圖像同質(zhì)區(qū)域。本發(fā)明的目的在于提出基于四叉樹分解的超聲圖像最優(yōu)同質(zhì)區(qū)域自動選取方法，首先使用由最大類間方差二值化確定的閾值作為超聲圖像四叉樹分解時的一致性標準；其次按從大到小的順序依次從分解結(jié)果中取出所有當前最大分塊，根據(jù)最優(yōu)同質(zhì)區(qū)域分塊判決依據(jù)進行優(yōu)選；最后根據(jù)判決結(jié)果確定是否輸出最優(yōu)同質(zhì)區(qū)域自動選擇結(jié)果或調(diào)整最初二值化閾值以重復(fù)執(zhí)行上述過程。本發(fā)明的具體步驟包括:
步驟1，對輸入的超聲圖像采用基于邊界檢測的算法計算出其斑點噪聲尺寸，并根據(jù)斑點噪聲尺寸估算出最小同質(zhì)選區(qū)尺寸;
步驟2，使用最大類間方差二值化算法確定所輸入超聲圖像的最優(yōu)二值化閾值f ；步驟3,判斷輸入超聲圖像的寬高AeigAi尺寸是否滿足= height = T,即圖像是否正好是一個可以進行四叉樹分解的，邊長Λ/ = 2^的正方形；
步驟4，如果輸入超聲圖像尺寸不滿足步驟3的條件，則將其進行尺寸擴展，使其剛好能放入一個最小的，邊長Λ/ = Z的黑色正方形，即將其尺寸使用填充黑色的方法變?yōu)檫m合四叉樹分解所需的尺寸，并返回步驟3 ；
步驟5，如果輸入超聲圖像尺寸滿足步驟3的條件，則以二值化閾值f作為區(qū)域一致性標準，對邊長# = T的正方形超聲圖像進行四叉樹圖像分解；
步驟6，從分解結(jié)果中，取出所有被標記為當前最大分塊的同尺寸分塊；
步驟7，判斷當前最大分塊尺寸是否大于最小同質(zhì)選區(qū)尺寸；
步驟8，如果當前最大分塊尺寸不滿足步驟7的條件，則提高二值化閾值# =110%,即使四叉樹分解的區(qū)域一致性標準降低10%，并返回步驟5，以便得到相對較大的區(qū)域劃分結(jié)果；
步驟9，如果當前最大分塊尺寸滿足步驟7的條件，則判斷是否能從所有當前最大分塊中，根據(jù)最優(yōu)同質(zhì)區(qū)域分塊判決依據(jù)選出最優(yōu)分塊；
步驟10，如果步驟9中判斷為不能，則忽略當前最大分塊，而將當前次大分塊設(shè)置為當前最大分塊，并返回步驟6;
步驟11，如果步驟9判斷為能，則輸出最優(yōu)同質(zhì)區(qū)域自動選擇結(jié)果。下面就本發(fā)明方法中部分步驟涉及的相關(guān)技術(shù)細節(jié)作進一步的具體描述:
1.在步驟2中，所述使用最大類間方差二值化方法自動確定所輸入超聲圖像的最優(yōu)二值化閾值F，對于輸入的超聲灰度圖像，假設(shè)其灰度級為[1，2，…，Z]，/ ,.代表輸入超聲圖像中灰度值為i的像 素點個數(shù)，像素點總數(shù)表示為Ar = A + / 2+…—nL。由閾值左將輸入的超聲灰度圖像分為背景4[1，…，幻和目標C\[k+1，…，Z]兩類[5]。由公式(1)、⑵計算Q q兩類的出現(xiàn)概率巧(I), W1(I),記代表灰度i的概率分布二 nJH，則有:
權(quán)利要求
1.基于四叉樹分解的超聲圖像最優(yōu)同質(zhì)區(qū)域自動選取方法，其特征在于，包括以下步驟: 步驟1，對輸入的超聲圖像采用基于邊界檢測的算法計算出其斑點噪聲尺寸，并根據(jù)斑點噪聲尺寸估算出最小同質(zhì)選區(qū)尺寸; 步驟2，使用最大類間方差二值化算法確定所輸入超聲圖像的最優(yōu)二值化閾值f ；步驟3,判斷輸入超聲圖像的寬高AeigAi尺寸是否滿足= height = T,即圖像是否正好是一個可以進行四叉樹分解的，邊長Λ/ = 2^的正方形； 步驟4，如果輸入超聲圖像尺寸不滿足步驟3的條件，則將其進行尺寸擴展，使其剛好能放入一個最小的，邊長# = Z的黑色正方形，即將其尺寸使用填充黑色的方法變?yōu)檫m合四叉樹分解所需的尺寸 ，并返回步驟3 ； 步驟5，如果輸入超聲圖像尺寸滿足步驟3的條件，則以二值化閾值f作為區(qū)域一致性標準，對邊長# = T的正方形超聲圖像進行四叉樹圖像分解； 步驟6，從分解結(jié)果中，取出所有被標記為當前最大分塊的同尺寸分塊； 步驟7，判斷當前最大分塊尺寸是否大于最小同質(zhì)選區(qū)尺寸； 步驟8，如果當前最大分塊尺寸不滿足步驟7的條件，則提高二值化閾值# =110%,即使四叉樹分解的區(qū)域一致性標準降低10%，并返回步驟5，以便得到相對較大的區(qū)域劃分結(jié)果； 步驟9，如果當前最大分塊尺寸滿足步驟7的條件，則判斷是否能從所有當前最大分塊中，根據(jù)最優(yōu)同質(zhì)區(qū)域分塊判決依據(jù)選出最優(yōu)分塊； 步驟10，如果步驟9中判斷為不能，則忽略當前最大分塊，而將當前次大分塊設(shè)置為當前最大分塊，并返回步驟6; 步驟11，如果步驟9判斷為能，則輸出最優(yōu)同質(zhì)區(qū)域自動選擇結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于四叉樹分解的超聲圖像最優(yōu)同質(zhì)區(qū)域自動選取方法，其特征在于，步驟5中，所述使用四叉樹算法對邊長# = Z的正方形超聲圖像做基于均勻性檢測的圖像分割，其步驟為:首先將整幅圖像等分為4個待分割區(qū)域，然后依次檢測每一個待分割區(qū)域是否符合區(qū)域一致性標準，即該區(qū)域中的所有像素點的灰度最大值與最小值之差小于給定的閾值；如果符合，則將該區(qū)域標記為葉子節(jié)點并不再往下分割；否則，將該區(qū)域標記為非葉子節(jié)點，并將該區(qū)域等分為4個新的次級待分割區(qū)域；這樣遞歸地不斷向下分割，直到每個待分割區(qū)域都符合區(qū)域一致性標準或者該區(qū)域尺寸達到預(yù)先設(shè)置的最小分割深度為止。
3.根據(jù)權(quán)利要求1所述的基于四叉樹分解的超聲圖像最優(yōu)同質(zhì)區(qū)域自動選取方法，其特征在于，步驟8中，當本輪挑選出的最大分塊尺寸小于步驟I所確定的最小同質(zhì)選區(qū)尺寸時，采用負反饋的思想對二值化閾值作出微調(diào)，以便從新一輪的四叉樹分解結(jié)果中得到相對較大的區(qū)域劃分結(jié)果。
4.根據(jù)權(quán)利要求1所述的基于四叉樹分解的超聲圖像最優(yōu)同質(zhì)區(qū)域自動選取方法，其特征在于，步驟9中，使用以下最優(yōu)同質(zhì)區(qū)域分塊判決依據(jù): 1)分塊區(qū)域內(nèi)不包含非同質(zhì)區(qū)域的交接邊界； 2)分塊尺寸大于最小同質(zhì)選區(qū)尺寸，且越大越好；3)所有分塊的最大均值)與四叉樹分解閾值f滿足關(guān)系式: > Ffi，以此保證由步驟4所人為添加的黑色區(qū)域和原超聲圖像中接近黑色的極暗區(qū)域不會被選擇成為最優(yōu)同質(zhì)區(qū)域； 4)取當前最大分塊組中，單位邊界點所造成的協(xié)方差最大的，即該分塊協(xié)方差mmr,.除以該分塊邊界點數(shù)最大的分塊作 為最優(yōu)分塊。
全文摘要
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，具體為基于四叉樹分解的超聲圖像最優(yōu)同質(zhì)區(qū)域自動選取方法。本發(fā)明首先使用由最大類間方差二值化確定的閾值作為超聲圖像四叉樹分解時的一致性標準；其次按從大到小的順序依次從分解結(jié)果中取出所有當前最大分塊，根據(jù)最優(yōu)同質(zhì)區(qū)域分塊判決依據(jù)進行優(yōu)選；最后根據(jù)判決結(jié)果確定是否輸出最優(yōu)同質(zhì)區(qū)域自動選擇結(jié)果或調(diào)整最初二值化閾值以重復(fù)執(zhí)行上述步驟。本發(fā)明方法效率高，所需運算時間短；無需人工干預(yù)，完全由超聲圖像數(shù)據(jù)本身驅(qū)動；非常適合用于超聲圖像斑點降噪、感興趣區(qū)域選取、邊界檢測、目標分割等處理時對同質(zhì)區(qū)域的確定，具有顯著的實際使用效果。
文檔編號G06T7/00GK103218819SQ20131013980
公開日2013年7月24日 申請日期2013年4月20日 優(yōu)先權(quán)日2013年4月20日
發(fā)明者汪源源, 吳俊 申請人:復(fù)旦大學(xué)