[发明专利]超声图像边缘提取方法和装置

说明书

技术领域

本发明涉及图像处理技术，特别是涉及一种超声图像边缘提取方法和装置。

景技术

超声图像具有分辨率低、边缘模糊的特点，传统的边缘提取算法，例如，差分算子Roberts、Laplace、Sobel、Canny等边缘提取算法均存在着边缘像素宽、噪声干扰严重的缺点，有待进一步改善。

另一方面，近年来在新的理论基础上，如小波变换、分开、遗传、模糊数学和数学形态学等基础上所发展起来的新算法在超声图像中所提取得到的边缘模糊，受操场干扰大，也不适用于超声图像中边缘的提取。

发明内容

基于此，有必要针对超声图像的边缘提取受噪声干扰大，边缘提取不完整的缺陷的问题，提供一种能提高准确性的超声图像边缘提取方法。

另外，还有必要提供一种能提高准确性的超声图像边缘提取装置。

一种超声图像边缘提取方法，包括如下步骤：

对超声图像进行二维经验模态分解得到二维本征模态函数；

解析所述二维本征模态函数得到所述超声图像的谱特征；

对所述谱特征进行图像分割得到对应的图像边缘信息，并结合所述谱特征对应的图像边缘信息得到所述超声图像的边缘图像。

一种超声图像边缘提取装置，包括：

分解模块，用于对超声图像进行二维经验模态分解得到二维本征模态函数；

特征解析模块，用于解析所述二维本征模态函数得到所述超声图像的谱特征；

处理模块，用于对所述谱特征进行图像分割得到对应的图像边缘信息，并结合所述谱特征对应的图像边缘信息得到所述超声图像的边缘图像。

上述超声图像边缘提取方法和装置，进行二维经验模态分解得到二维本征模态函数，并解析二维本征模态函数得到超声图像的谱特征，进而通过二维经验模态分解和解析得到谱特征的作用下结合超声图像本身的性质得到连续清晰的边缘，由于谱特征能够准确地反映超声图像内部的客观信息，因此，实现了超声图像边缘的准确定位，进而提高了超声图像边缘提取的准确性，抗噪能力强。

附图说明

图1为一个实施例中超声图像边缘提取方法的流程图；

图2为图1中对超声图像进行二维经验模态分解得到二维本征模态函数的方法流程图；

图3为图1中解析二维本征模态函数得到超声图像的谱特征的方法流程图；

图4为图1中对谱特征进行图像分割得到对应的图像边缘信息，并结合谱特征对应的图像边缘信息得到超声图像的边缘图像的方法流程图；

图5为一个实施例中超声图像边缘提取装置的结构示意图；

图6为图5中分解模块的结构示意图；

图7为图5中特征解析单元的结构示意图；

图8为一个实施例中的超声骨骼图像；

图9为图8中的第一层二维本征模态函数示意图；

图10为通过图9得到的水平瞬时频率图像；

图11为通过图9得到的垂直瞬时频率图像；

图12为提取得到的边缘图像。

具体实施方式

如图1所示，在一个实施例中，一种超声图像边缘提取方法，包括：

步骤S110，对超声图像进行二维经验模态分解得到二维本征模态函数。

本实施例中，二维经验模态分解是将图像基于局部空间尺度自适应地分解为一系列空间尺度由小到大、频率由高到低的二维本征模态函数和一个残余项。

获取超声图像，对获取的超声图像进行二维经验模态分解以得到一系列的二维本征模态函数，换而言之，由一系列的二维本征模态函数分解的逆过程即可重构得到超声图像。

如图2所示，在一个实施例中，上述步骤S110的具体过程为：

步骤S111，在超声图像的趋势项中通过八邻域法搜索极值点得到超声图像中的极大值点和极小值点，该趋势项的初始值即为超声图像。

本实施例中，在进行二维经验模态分解的过程中，首先进行初始化，将二维本征模态函数指数的初始值设置为1，图像参数的初始值为超声图像，超声图像的趋势项为图像参数，即超声图像。

在超声图像的趋势项，即超声图像中搜索所有的极值点，其中，该极值点为极大值点和极小值点。

进一步的，通过八邻域法搜索极值点，在超声图像中，极大值点是灰度值比周围八个相邻像素点灰度值都高的点，极小值点是灰度值比周围八个相邻像素点灰度值都低的点。然而，对于超声图像中的边界点，将只会在一半的邻域内寻找极值点，对于位于四角处的边界点，将只考虑四分之一的邻域内。