一种基于均值漂移和分水岭的乳腺超声图像自动分割方法

摘要

本发明公开了一种基于均值漂移和分水岭算法的乳腺肿瘤超声图像自动分割方法，利用金字塔均值漂移算法对乳腺肿瘤超声图像进行滤波，再利用分水岭算法对滤波后的图像进行分割，根据肿瘤一般位于图像中部或上部并且平均回声强度较低的经验知识，计算分水岭分割结果图像中特定感兴趣区域内的最小灰度，遍历分水岭分割结果图像，将灰度等于最小灰度的像素灰度赋为前景，否则赋为背景，从而得到目标肿瘤区域，即最终的肿瘤分割结果二值图像。该方法实现了乳腺超声图像中肿瘤边界的准确、自动提取，可用于乳腺肿瘤超声图像的快速、准确、自动化分割。

主权项

一种基于均值漂移和分水岭的乳腺肿瘤超声图像自动分割方法，其特征在于包括以下步骤：1.1.对于一幅乳腺肿瘤超声图像I，利用金字塔均值漂移算法对其进行滤波，得到滤波后的图像I_f；所述的金字塔均值漂移算法包括如下步骤：(a).对乳腺肿瘤超声图像I进行最高层数L的高斯金字塔分解，L≥2，得到L层图像I₁,…,I_L，图像I_L为金字塔的底层；(b).对第L层图像I_L进行均值漂移滤波，得到结果图像(I_L)_ms；(c).使用拉普拉斯金字塔将第L层的均值漂移滤波结果图像(I_L)_ms向上采样得到第L‑1层图像I'_L‑1，再对I'_L‑1进行均值漂移滤波，得到(I_L‑1)_ms；(d).重复步骤(c)，直到得到第1层均值漂移滤波结果图像(I₁)_ms，即金字塔均值漂移滤波后的图像I_f；1.2.利用分水岭算法对I_f进行分割，得到分割后的图像I_s；1.3.计算I_s中特定感兴趣区域内的最小灰度minGray；1.4.遍历I_s，对于灰度等于minGray的像素，将其灰度赋为前景，即为目标肿瘤区域，否则赋为背景，得到最终的肿瘤分割结果二值图像。