一种从超声图像上自动测量胎儿颈背透明物厚度的图像处理方法

摘要

本发明提供一种从超声图像上自动测量胎儿颈背透明物厚度的图像处理方法，包括以下步骤：超声仪器采集图像的输入及拍摄参数的导入；基于Gabor特征匹配的胎儿颈背透明物(Nuchal Translucency，NT)待测超声图像的质量评价。根据图像区域与训练集中图像的Gabor特征匹配程度，筛选出符合测量条件的超声图像；对于满足测量需求的超声图像，检测NT在超声图像中的位置。通过逐步迭代地阈值分割、canny算子边缘检测、hough变换线检测，本步最终输出可测量清晰NT线的局部图像；超声图像中的NT目标测量。用K-MEANS方法对NT目标位置的线进行分类，对上下两簇线段进行聚合，找出NT位置的2条测量线，并测量两条线间的最大像素距离；将NT的像素距离根据拍摄参数中的比例尺转化为真实长度值。

主权项

一种从超声图像上自动测量胎儿颈背透明物厚度的图像处理方法，其特征是，该方法包含以下步骤：1)超声仪器采集图像的输入及拍摄参数的导入；2)基于Gabor特征匹配的胎儿颈背透明物待测超声图像的质量评价，排除不具备测量条件的输入超声图像；根据图像区域与训练集中图像的Gabor特征匹配程度，筛选出符合测量条件的超声图像；NT自动化测量对象选择的依据在于原始超声图像中有效性“判据区域”的图像质量是自动化评价；有效性“判据区域”的评定标准为：(1)头部的应该全部显示，并且头部和胸部占整个图形面积的70％‑85％；(2)头面部的正中矢状线切线和前胸切线夹角应该在130‑160度；(3)鼻骨、鼻尖皮肤线、上颌骨、下巴、中脑、胎儿颈后皮肤线、胎儿颈后筋膜线均有显示；训练图像集分为“头部”、“头面部的正中矢状线切线和前胸切线夹角处”、“鼻骨、鼻尖皮肤线”、“上颌骨、下巴”、“中脑”、“胎儿颈后皮肤线、胎儿颈后筋膜线”这6个待检测区域的子集；对于每一个子集图像：(a)输入500幅训练集中大小相同的目标图像块作为该目标的训练样本，得该样本的平均图像M；(b)利用5中心频率8方向共40个的不同Gabor滤波器对该样本的平均图像M滤波，得到40个滤波后的图像M′₁～M′₄₀；(c)将M′₁～M′₄₀分别按行堆叠方式转化为一维的列向量，40个列向量一起构成投影矩阵V；(d)提取训练集样本的特征向量Y；(e)训练贝叶斯分类器，对于检测目标类和非检测目标类分别计算条件概率密度；建立贝叶斯分类器的判别函数；(f)将待测图像的相应区域输入贝叶斯分类器，观测其分类结果；最终，符合测量要求的输入图像应满足6个待检测区域均符合训练集中检测目标的特征，即6个待检测区域均被划分为检测目标类；3)对于满足测量需求的超声图像，检测颈背透明物在超声图像中的位置，通过逐步迭代地阈值分割、canny算子边缘检测、hough变换线检测，最终输出可测量清晰NT线的局部图像；具体包含如下步骤：(1)检测目标，采用迭代方式检测，初始目标为整个输入图像，终止目标为可测量清晰NT线的最小局部图像；采用阈值分割的方式，将阈值从大到小依次取值；(2)对分割到的图像目标的边缘部分进行线检测，检测目标可测量清晰NT线就是全局中最具有线特征的部分；线检测的算法原理是hough变换；如果本步未检测到明显的线特征，则将阈值取小一级，如果不能再小了，则宣布检测失败，即图像场景中无线特征的物体；如果本步检测到明显的线特征，但线的最大跨度达不到图像对角线长度的50％，则缩小检测范围；4)超声图像中的颈背透明物目标测量：能对超声图像中的颈背透明物目标进行自动测量厚度；用K‑MEANS方法对NT目标位置的线进行分类，对上下两簇线段进行聚合，找出NT位置的2条测量线，并测量两条线间的最大像素距离；具体包含如下步骤：(1)用K‑MEANS方法对已检测的线进行分类，将其分为上半部分和下半部分，NT测量需要2条测量线，上下各代表一部分；(2)对上下两簇线段进行聚合，聚合的原理根据用户的要求而定，默认为测量线段间最大距离；5)将NT的像素距离根据拍摄参数中的比例尺转化为真实长度值。