專利名稱：一種三維超聲圖像的分割方法
技術(shù)領(lǐng)域：
本發(fā)明屬于計算機數(shù)字圖像處理領(lǐng)域，特別涉及一種三維超聲圖像的分割。
背景技術(shù)：
超聲成像是利用特定波長的超聲波，經(jīng)探測體后產(chǎn)生背向散射信號而成像的技術(shù)，它具有安全性高、成像速度快、操作方便與低成本等優(yōu)勢，在臨床中的應(yīng)用十分廣泛，尤其是腹部臟器的探查，如心臟、肝、腎等，以及胎兒的三維成像與實時四維動態(tài)成像等，它是普查與臨床診斷最重要的手段之一。此外，三維超聲成像技術(shù)，也被廣泛應(yīng)用于動物生殖、 發(fā)育過程的監(jiān)測，如早孕檢測、病變篩查、胚胎的生長發(fā)育過程的動態(tài)評估等。在圖像量化分析、識別與計算機輔助診斷與治療過程中，組織器官、病變區(qū)域及腫瘤的分割是非常重要的環(huán)節(jié)，目標(biāo)或?qū)ο蟮姆指钍求w積計算、形狀分析、特征提取、量化診斷、運動分析與跟蹤的基礎(chǔ)。超聲圖像的分割方法，從分割的空間維數(shù)角度，可分為基于二維序列圖像的分割方法，與直接基于三維空間的三維分割方法。其中基于二維空間的處理方法，它們存在以下缺點(1)沒有利用三維空間信息；(2)獲取的二維輪廓，需要在三維空間進(jìn)行拓?fù)溥B接與插值，才能重建較高精度而完整的三維圖像；C3)在計算體積時，對二維輪廓在三維空間進(jìn)行的插值運算，往往產(chǎn)生較大誤差。而三維分割方法能克服以上不足，該方法又可分為三類，(1)基于概率統(tǒng)計模型的方法；(2)三維幾何形變模型；(3)幾何形變模型與統(tǒng)計模型相結(jié)合的方法。其中，基于形變模型的分割方法，由于既利用了底層的圖像數(shù)據(jù)信息，又結(jié)合了高層的目標(biāo)先驗知識，因此，在處理結(jié)構(gòu)復(fù)雜的醫(yī)學(xué)圖像時，顯示出其獨特的優(yōu)越性和廣泛的適應(yīng)性。但由于超聲成像的特性，超聲圖像的對比度與分辨率較低，組織邊界與細(xì)節(jié)模糊、尤其是其中存在大量斑點，使三維超聲圖像的準(zhǔn)確分割變得很困難。

發(fā)明內(nèi)容
本發(fā)明的目的在于針對現(xiàn)有技術(shù)的不足，提供一種三維超聲圖像的分割方法，以快速、準(zhǔn)確地對超聲圖像實施分割。本發(fā)明的目的通過以下技術(shù)方案實現(xiàn)—種三維超聲圖像的分割方法，包括以下步驟1)對三維超聲圖像進(jìn)行斑點預(yù)處理，采用歸一化小波各向異性擴(kuò)散方法去除斑點
噪聲；2)應(yīng)用Carmy邊緣檢測算子對經(jīng)預(yù)處理后圖像進(jìn)行初始化；3)利用基于B-Surface與GVF Snake的三維形變模型，實施三維分割。步驟1)中的斑點預(yù)處理方法用以平滑斑點，改善圖像質(zhì)量，有利于后續(xù)的輪廓表面初始化與實施分割；具體包括如下步驟(1)對超聲圖像進(jìn)行多尺度小波分解，將圖像分解為高頻與低頻部分；
(2)根據(jù)乘性斑點模型，對高頻部分，應(yīng)用歸一化小波各向異性擴(kuò)散方法進(jìn)行處理，抑制斑點；(3)進(jìn)行小波逆變換，經(jīng)重構(gòu)得到去噪后的圖像。所述超聲圖像經(jīng)三維小波分解為8部分HLL，HLH, HHL, HHH ；LHH, LHL, LLH, LLL, 其中LLL為低頻部分，其它為高頻部分。步驟O)中的乘性斑點模型為J(x, y, ζ) = I (χ, y, ζ) Χη(χ, y, ζ)(1)其中I(x，y，z)表示原始無噪圖像，J(x，y，z)是含有噪聲η(x，y，ζ)的圖像。歸一化小波各向異性擴(kuò)散的模型為= (2)
j(x,y,z,0) = j0(x,y,z)其中▽為圖像灰度梯度，div表示散度(divergence)，Rx,力為歸一化擴(kuò)散系數(shù)，它取決于圖像灰度梯度，在梯度較小的勻質(zhì)區(qū)域，其值較大，以實施較強的平滑抑制噪聲，反之，在梯度較大的區(qū)域，往往是組織邊界或邊緣，此時擴(kuò)散系應(yīng)具有較小值，從而盡量保留它們，其定義為c|vg|)= 1 - exp(-3.315 /(|Vg|/^g(x, ζ; ))4)(3)其中k為控制參數(shù)，其值為W 1]，t表示迭代時間或次數(shù)。步驟2)中的初始化包括如下步驟(1)對經(jīng)預(yù)處理后的三維超聲圖像的每一斷層，利用Carmy邊緣檢測算子，提取圖像輪廓；(2)在待分割對象的中心附近，由人工確定一個近似的中心點；(3)從中心點出發(fā)，在以中心點為圓心的圓周內(nèi)，定義若干均勻分布的射線，由內(nèi)向外掃描，求射線與輪廓的首個交點，當(dāng)所有射線掃描結(jié)束后，得到一系列交點，以這些交點為控制點，即可生成B-Surface三維表面，作為初始三維表面。步驟幻中的三維分割是采用三維GVF Snake，從初始三維表面出發(fā)，通過外力驅(qū)動上述B-surface控制點移動，從而使對象的三維表面產(chǎn)生形變，逐漸逼近真實的對象表面，最終實現(xiàn)三維對象的分割。三維分割的外力采用GVF模型，形變模型為B-Surface，其中梯度矢量流模型為Egvf (ν) = JJ + 2 + t2x +t2y) + |V/|2|v - Vf\2dxdy(4)其中，v(x，y)= (8(1，7)，{(1，7))，表示梯度向量，8!￡，8廠、，、分別為8(1，7)與 t(x，y)在χ與y方向的偏導(dǎo)，V/是灰度梯度，I |為向量的模，μ是值為0 1的控制參數(shù)；B-Surface 模型為
m ΠV) = Σ Σ Nup ⑷義，g (VH，y
,=0 y=0(5)其中隊,>)與 ，^⑴分別為階數(shù)為ρ與q的B-spline基函數(shù)，11和￥取值范圍均為W 1]，By為控制點，m，η分別是行與列方向網(wǎng)格數(shù)；三次B樣條可描述如下
權(quán)利要求
1.一種三維超聲圖像的分割方法，其特征在于，包括以下步驟1)對三維超聲圖像進(jìn)行斑點預(yù)處理，采用歸一化小波各向異性擴(kuò)散方法去除斑點噪聲；2)應(yīng)用Carmy邊緣檢測算子對經(jīng)預(yù)處理后圖像進(jìn)行初始化；3)利用基于B-Surface與GVFSnake的三維形變模型，實施三維分割。
2.根據(jù)權(quán)利要求1所述的一種三維超聲圖像的分割方法，其特征在于，步驟1)中的斑點預(yù)處理包括如下步驟(1)對超聲圖像進(jìn)行多尺度小波分解，將圖像分解為高頻與低頻部分；(2)根據(jù)乘性斑點模型，對高頻部分，應(yīng)用歸一化小波各向異性擴(kuò)散方法進(jìn)行處理，抑制斑點；(3)進(jìn)行小波逆變換，經(jīng)重構(gòu)得到去噪后的圖像。
3.根據(jù)權(quán)利要求2所述的歸一化小波各向異性擴(kuò)散方法，其特征在于，所述超聲圖像經(jīng)三維小波分解為8部分HLL，HLH, HHL, HHH ；LHH, LHL, LLH, LLL，其中LLL為低頻部分，其它為高頻部分。
4.根據(jù)權(quán)利要求3所述的歸一化小波各向異性擴(kuò)散方法，其特征在于，步驟(2)中的乘性斑點模型為
5.根據(jù)權(quán)利要求4所述的歸一化小波各向異性擴(kuò)散方法，其特征在于，歸一化小波各向異性擴(kuò)散的模型為
6.根據(jù)權(quán)利要求1 5任意一項所述的一種三維超聲圖像的分割方法，其特征在于，步驟2)中的初始化包括如下步驟(1)對經(jīng)預(yù)處理后的三維超聲圖像的每一斷層，利用Carmy邊緣檢測算子，提取圖像輪廓；(2)在待分割對象的中心附近，由人工確定一個近似的中心點；(3)從中心點出發(fā)，在以中心點為圓心的圓周內(nèi)，定義若干均勻分布的射線，由內(nèi)向外掃描，求射線與輪廓的首個交點，當(dāng)所有射線掃描結(jié)束后，得到一系列交點，以這些交點為控制點，即可生成B-Surface三維表面，作為初始三維表面。
7.根據(jù)權(quán)利要求6所述的一種三維超聲圖像的分割方法，其特征在于，步驟3)中的三維分割是采用三維GVF Snake，從初始三維表面出發(fā)，通過外力驅(qū)動上述B-surface控制點 移動，從而使對象的三維表面產(chǎn)生形變，逐漸逼近真實的對象表面，最終實現(xiàn)三維對象的分 割。
8.根據(jù)權(quán)利要求7所述的ー種三維超聲圖像的分割方法，其特征在干，三維分割的外 カ采用GVF模型，形變模型為B-Surface，其中梯度矢量流模型為
全文摘要
本發(fā)明公開了一種三維超聲圖像的分割方法，屬于數(shù)字圖像處理技術(shù)領(lǐng)域。本發(fā)明包括以下步驟1)根據(jù)三維超聲圖像的特點，利用歸一化三維小波各向異性擴(kuò)散方法對斑點進(jìn)行預(yù)處理，去除斑點噪聲；2)應(yīng)用Canny邊緣檢測算子對經(jīng)預(yù)處理后圖像進(jìn)行初始化；3)利用基于B-Surface與GVF Snake的三維形變模型，實施三維分割。本發(fā)明方法能快速、準(zhǔn)確地對三維超聲圖像實施分割，尤其對噪聲具強魯棒性。本發(fā)明中的自動分割方法還可用于其它三維圖像(如CT、MRI與PET等)的分割，具有很高的應(yīng)用價值。
文檔編號G06T7/00GK102402788SQ20111043636
公開日2012年4月4日 申請日期2011年12月22日 優(yōu)先權(quán)日2011年12月22日
發(fā)明者郭圣文 申請人:華南理工大學(xué)