基于改进型八叉树分解的三维超声图像数据抽样方法技术

本发明专利技术属于图像处理技术领域，具体为基于改进型八叉树图像分解的三维超声图像数据抽样方法。本发明专利技术包括使用基于模糊集的灰度图像阀值分割算法确定阀值

Three dimensional ultrasonic image data sampling method based on improved octree decomposition

The invention belongs to the technical field of image processing, in particular to a three-dimensional ultrasonic image data sampling method based on an improved octree image decomposition. The invention includes determining threshold by using grayscale image thresholding segmentation algorithm based on fuzzy set

【技术实现步骤摘要】
基于改进型八叉树分解的三维超声图像数据抽样方法
本专利技术属于图像处理
，具体涉及三维超声图像数据抽样方法。
技术介绍
随着近年ABUS(automated3-Dbreastultrasound,ABUS)技术的发展，基于三维超声图像的研究逐渐成为了医学图像处理领域的热点。相比二维超声图像对医生依赖性高、成像面间隙容积信号的丢失影响诊断准确性等缺陷，三维超声图像具有更加丰富的数据信息，可以辅助医生从多角度观察脏器的切面或整体，诊断准确性更高。然而，三维超声图像海量、非均质的特点也使得数据的处理变得更加复杂。例如，三维超声图像在降噪时需要一次次的进行参数调整以求达到最好的降噪效果，但由于数据量大，每次降噪需要花费时间长，效率低下，因此对三维超声图像进行数据抽样处理是十分必要的。数据抽样作为一种非全面的调查手段，主要通过不同抽样方法选取样本，并根据相应算法用样本估测总体数据量或者将样本作为总体数据的某一特征量进行更多实验。传统的抽样方法包括：简单随机抽样、分层抽样、系统抽样和集群抽样，其针对的抽样对象为是简单的一维同质性数据，而对于三维超声图像这种空间数据而言，鲜有成熟的数据抽样算法。如将现有的抽样算法扩展到三维空间，也会存在明显不足，如缺乏统一的抽样模型、以及缺乏对数据的空间信息的表达和利用等。据上述实际需求，本专利技术克服传统抽样方法没有考虑抽样对象的空间关系以及缺乏统一的样本量定量模型的局限，采用基于改进型八叉树分解的三维超声图像数据抽样方法，实现了最优同质立方体和典型异质立方体的选取，充分考虑三维超声图像的空间复杂性特征及分布，在极大压缩数据量的同时，对原始三维超声图像数据具有充分和优良的代表性；可有效降低后续三维图像处理过程的运算量，具有显著的实际使用效果。
技术实现思路
本专利技术的目的在于提出基于改进型八叉树分解的三维超声图像数据抽样方法，能够高效、自动、准确地确定最优同质立方体和典型异质立方体，充分考虑三维超声图像的空间复杂性特征及分布，在极大压缩数据量的同时，对原始三维超声图像数据具有充分和优良的代表性；可有效降低后续三维图像处理过程的运算量，具有显著的实际使用效果。本专利技术提出的基于改进型八叉树分解的三维超声图像数据抽样方法，首先，使用基于模糊集的灰度图像阀值分割算法确定阀值k*，作为均匀性标准对超声图像进行八叉树分解；其次，对于最优同质立方体(Chomo)，从八叉树分解结果中选取最大分块立方体并根据最优同质选取准则自动挑选出最优同质立方体，对于典型异质立方体(Chetero)，计算出八叉树分解结果中最多分块数，并自动挑选出典型异质立方体；最后，将Chomo立方体和Chetero立方体作为对原始三维超声图像数据的抽样结果输出。本专利技术的具体步骤如下：步骤1，使用基于模糊集的灰度图像阈值分割算法确定阀值k*，作为超声图像八叉树分解时的一致性标准；步骤2，对三维超声图像进行尺寸评估和扩展处理，得到标准图像立方体；步骤3，以超声图像待分割立方体中的所有像素点的灰度最大值与最小值之差是否符合小于阀值k*的条件作为容积一致性标准，对得到的标准超声图像立方体进行八叉树图像分解；步骤4，从分解的结果中，取出所有和当前最大分块的尺寸相同的立方体；步骤5，根据最优同质立方体选取准则，自动选出最优同质立方体；其中，使用以下最优同质立方体判决依据：1)所有立方体的最大均值max(meanj)与八叉树图像分解的阀值k*需满足条件max(meanj)≥k*/8，以避免出现步骤2中扩展图像时添加的黑色容积和原图像的极暗容积被选为最优同质容积的情况；其中j为分块编号，meanj为第j分块的均值；2)根据3-DSRAD的扩散系数方程计算各个最大分块的扩散阀值q0，选出min(q0)所在分块作为最优同质立方体；步骤6，各边取1/4边长对步骤2扩展后的立方体进行分解，得到多个目标立方体；步骤7，计算目标立方体内的八叉树分块数量，取对应数量最多的立方体为典型异质立方体；步骤8，输出原始三维超声图像的抽样结果。下面就本专利技术方法中部分步骤涉及的相关技术细节作进一步的具体描述：1.在步骤1中，所述使用基于模糊集的灰度图像阈值分割算法确定阀值k*，该分割算法自动确定所输入超声图像的二值化阈值k*，其原理是，对于超声灰度图像X，代表一副大小为M×N的具有L个色阶的灰度图像，而xmn代表图像X中点(m,n)处的像素灰度值，定义μx(xmn)表示该点具有某种属性的隶属度值，也就是定义了一个从图像X映射到[0,1]区间的模糊子集，用专业的模糊集表达，即有：X＝{xmn,μX(xmn)}(1)其中，0≤μX(xmn)≤1,m＝0,1,…,M-1,n＝0,1,…,N-10。对于二值化来说，每个像素对于其所属的类别(前景或背景)都应该有很相近的关系，因此可以这种关系来表示μx(xmn)的值。定义h(g)表示图像中具有灰度级g的像素的个数，对于一个给定的阈值t，背景和前景各自色阶值的平均值μ0和μ1可用下式表示：其中，C是一个常数，该常数使得0.5≤μX(xmn)≤1。对于一个给定的阈值t，图像中任何一个像素要么属于背景，要么属于前景，因此，每个像素的隶属度不应小于0.5。使用香农熵函数来度量模糊度，基于香农熵函数，一个模糊集A的熵定义为：其中，香农函数：S(μA(xi))＝-μA(xi)ln[μA(xi)]-[1-μA(xi)]ln[1-μA(xi)](6)扩展到2维的图像，图像X的熵可以表达为：因为灰度图像至多只有L个色阶，因此使用直方图式(7)可进一步写成：可以证明式(7)在区间[0,0.5]之间是单调递增而在[0.5,1]之间是单调递减的，并且E(X)具有以下属性：(1)0≤E(X)≤1；(2)如果μx(xmn)＝0或者μx(xmn)＝1时，E(X)具有最小值0，此时分类具有最好的明确性；(3)当μx(xmn)＝0.5，E(X)获得最大值1，此时的分类具有最大的不明确性。那么对于图像X，确定最好的阈值t的原则就是：对于所有的可能的阈值t，取香农熵值最小时的那个t为最终的分割阈值k*[2]。之后，将此阈值k*作为八叉树图像分解的容积一致性标准。该方法避免了八叉树分解时人为容积一致性标准参数的设定，并能根据输入超声图像本身的特性作自适应的阈值选取，保证了算法在无人工干预的状况下自动执行。2、在步骤2中，所述对三维超声图像进行尺寸评估和扩展处理，其具体步骤为：首先，判断输入的三维超声图像是否是一个刚好可以进行八叉树图像分解的正方体，即长length、宽width、高height尺寸是否满足条件length＝width＝height＝2n；然后根据评估判断的结果对尺寸不满足条件的图像进行尺寸扩展，向右方和下方填充黑色，使其刚好能放入一个最小的、边长N＝2n的黑色正方体。此方法可以将大小不一的三维图像转换为立方体，即适合八叉树图像分解所需的尺寸，有利于后续八叉树算法的应用。3、在步骤3中，所述以超声图像待分割立方体中的所有像素点的灰度最大值与最小值之差是否符合小于阀值k*的条件作为容积一致性标准，对得到的标准超声图像立方体进行八叉树图像分解；具体是对边长N＝2n的正方体超声图像做基于均匀性检测的图像分割[3]，其步骤为：设边长为N＝2n的正方体超声本文档来自技高网...

【技术保护点】
基于改进型八叉树分解的三维超声图像数据抽样方法，其特征在于，具体步骤为：步骤1，使用基于模糊集的灰度图像阈值分割算法确定阀值

【技术特征摘要】
1.基于改进型八叉树分解的三维超声图像数据抽样方法，其特征在于，具体步骤为：步骤1，使用基于模糊集的灰度图像阈值分割算法确定阀值，作为超声图像八叉树分解时的一致性标准；步骤2，对三维超声图像进行尺寸评估和扩展处理，得到标准图像立方体；步骤3，以超声图像待分割立方体中的所有像素点的灰度最大值与最小值之差是否符合小于阀值的条件作为容积一致性标准，对得到的标准超声图像立方体进行八叉树图像分解；步骤4，从分解的结果中，取出所有和当前最大分块的尺寸相同的立方体；步骤5，根据最优同质立方体选取准则，自动选出最优同质立方体；其中，最优同质立方体判决依据为：1）所有立方体的最大均值与八叉树图像分解的阀值需满足条件；其中j为分块编号，meanj为第j分块的均值；2）根据3-DSRAD的扩散系数方程计算各个最大分块的扩散阀值，选出所在分块作为最优同质立方体；步骤6，各边取1/4边长对步骤2扩展后的立方体进行分解，得到多个目标立方体；步骤7，计算目标立方体内的八叉树分块数量，取对应数量最多的立方体为典型异质立方体；步骤8，输出原始三维超声图像的抽样结果。2.根据权利要求1所述的基于改进型八叉树...

【专利技术属性】
技术研发人员：吴俊，文乐，李海燕，徐丹，张学杰，张榆锋，苗爱敏，
申请(专利权)人：云南大学，
类型：发明
国别省市：云南,53