[发明专利]超声图像胎儿颜面部标准切面自动识别方法及系统

权利要求书

1.一种超声图像胎儿颜面部标准切面自动识别方法，其特征在于，该方法包括如下步骤：

a.对原始超声图像进行预处理；

b.对预处理后的超声图像采用RootSIFT进行特征提取；

c.对上述提取的特征利用混合高斯模型进行变换，对变换后的混合高斯模型进行Fisher向量编码，并获得所述向量编码的直方图的值；

d.对直方图进行归一化以得到特征向量；

e.根据所述特征向量采用基于随机双协调机制的SVM分类器对标准切面进行学习和识别；

所述的步骤b包括：

对于预处理后的超声图像，手动选择感兴趣区域；

对所述感兴趣区域密集采样；

用RootSIFT对密集采样后的感兴趣区域进行特征提取；

所述特征提取是基于RootSIFT并利用SIFT(Scale-invariant feature transform，利用尺度不变特征转换)的非线性变换，表示如下：

RootSIFT＝sqrt(SIFT/sum(SIFT))，

每个特征矩阵除以相应的规一化值，l_p归一化后特征矩阵分布在半径为1的球面上，l_p幅值用实数表示，当p≥1时定义如下：

其中，p＝1为l₁归一化，p＝2是l₂也就是欧式距离归一化，x为n-矢量数；

假设一个数据集，u_i～U(p,n)遵循p分布，在n维空间的单位球面上 使用i.i.d.模型和特征矩阵的分布，封闭形式来解规范化坐标：表示为：

其中，Γ(·)是伽马函数，上式中当p＝2时符合高斯分布；

如果数据是一个广义的高斯分布，l_p幅值定义为寻求一个最大熵的pdf，

其中，(σ_p)^p＝constant常量和(σ_p)^p＝1，为了减少交叉空间维数的差异，特征缩放比例非高斯级用高斯的特征来表示；

功率归一化定义为：

z←sign(z)|z|^ρ,0≤ρ≤1，

ρ设置为：ρ＝0.5，它表示平方根或者更简单的平方根。

2.如权利要求1所述的方法，其特征在于，所述的预处理包括图像降噪和图像增强。

3.如权利要求1所述的方法，其特征在于，所述的混合高斯模型基于对角协方差矩阵假设产生K个高斯分布，对一组局部描述符用Fisher向量编码成一个独立的矢量。

4.如权利要求1所述的方法，其特征在于，所述的标准切面包括矢状面、冠状面和柱状面。