[发明专利]超声图像Ncut分割中相似度矩阵的构造方法

说明书

技术领域

本发明涉及超声图像Ncut分割中相似度矩阵的构造方法，属于超声图像分割领域。

背景技术

随着高强度聚焦超声的出现，其在非侵入式治疗肿瘤上应用得越来越广泛。该治疗系统在临床中有着很大的优势如不开刀，不留疤痕，无创或微创伤，可以实时检测治疗，不受肿瘤大小限制，总费用低等。这些优势决定高强度聚焦超声治疗系统有很大的发展及应用前景。而高强度聚焦超声治疗系统中最关键的就是对病人肿瘤进行实时导航，导航过程则需要对实时超声图像中的肿瘤进行定位。将传统的手动定位方式改变为自动定位，将对该治疗系统的治疗效率和治疗准确性带来非常大的帮助。

超声图像分割在肿瘤检测、诊断和治疗中被广泛应用，其对肿瘤定位的准确性直接关系到病人的人身安全。经过长期的深入研究，已经提出的超声图像分割方法包括基于区域的方法、基于边界的方法和基于区域和边界组合的方法，不同类型的分割方法具有不同的分割特点。

Ncut方法是基于图论的一种无监督的分割方法，不需要初始化步骤，因此更容易实现超声图像的全自动分割。灰度信息是超声图像的一种基本特征，被广泛的应用于超声图像分割中。除了灰度信息之外，超声图像还富含丰富的纹理信息，这些信息也能够作为识别目标的度量，可使分割效果更加准确。现在虽然已有很多基于区域的纹理特征提取的方法，但并不是非常适用于Ncut算法。

发明内容

本发明所需解决的技术问题在于提供一种超声图像Ncut分割中相似度矩阵的构造方法，该方法融合了区域的灰度信息和纹理信息，计算方便，由该方法获取的相似度矩阵能够代表图像的特性，其通过Ncut算法用于超声图像分割中能够有效的定位肿瘤，具有很高的临床应用价值。

本发明的方法包含以下步骤：

（1）对待分割的超声图像依次进行各向异性扩散滤波、同态滤波的预处理；

（2）对（1）所得的图像用简单线性迭代聚类的方法产生超像素，即边界不规则的匀质子区域；

（3）计算（2）中所得每个子区域的平均灰度G，然后计算所有子区域两两之间G的欧氏距离Dg；同时利用灰度共生矩阵提取每个子区域的24个纹理特征，把这24个数据组成一个向量T，然后计算所有子区域两两之间T的距离Dt；灰度信息和纹理信息按照下式组合来完成对相似度矩阵的构造

w(ri,rj)=e-Dt(ri,rj)ST*ST*e-Dg(ri,rj)SG*SG]]>

ri,rj分别为步骤（2）所得任一子区域，w_(ri,rj)表示子区域ri和rj之间的相似度。

D_g(ri,rj)为ri和rj之间G的距离，D_t(ri,rj)为ri和rj之间T的距离。

（4）步骤（3）所构造的相似度矩阵用于基于Ncut聚类的超声图像分割中，分离超声图像的肿瘤区域和背景区域，验证所构造相似度矩阵的有效性。

下面进一步详细介绍本发明方法。

为了去除超声图像中的噪声等干扰，选择各向异性扩散和同态滤波作为预处理，在预处理的基础上使用简单线性迭代聚类的算法获取超像素。

本发明上述步骤（1）中的预处理方法是经过本发明实践分析后选取的、能很好适应本发明中所处理的超声图像。