一种基于马尔科夫随机场的血管检测方法与流程

技术特征：
1.一种基于马尔科夫随机场的血管检测方法，其特征在于，包括以下步骤：s1：采集血管所在区域的二维超声图像，对图像进行预处理，并初步选定感兴趣区域；s2：基于s1初步选定的感兴趣区域，提取其边缘信息，并基于hough线变换和k
‑
means聚类算法再次选定感兴趣区域；s3：基于马尔科夫随机场对s2选定的感兴趣区域进行建模，并对建模后的图像进行分割；s4：建立分数模型，并对s3分割后的区域进行评分，依据分数大小，确定血管区域。2.根据权利要求1所述的基于马尔科夫随机场的血管检测方法，其特征在于，所述s1中对图像进行预处理具体包括以下步骤：s11：基于高斯滤波算法对图像进行降噪处理；s12：基于otsu自适应阈值对降噪处理后的图像进行二值化；s13：对二值化的图像进行形态学开运算，以消除图像中的奇异点。3.根据权利要求1所述的基于马尔科夫随机场的血管检测方法，其特征在于，所述s2具体包括以下步骤：s21：基于sobel算子提取感兴趣区域图像的边缘信息；s22：基于hough线变换筛选出图像中斜率在175
°
～185
°
之间的若干直线，并计算直线与图像边缘的交点的纵坐标其中i为直线与图像边缘交点的横坐标最值；s23：使用k＝2的k
‑
means聚类算法对s22中所求的y进行聚类，得出直线与图像边缘相交的上、下边界的纵坐标，并基于该纵坐标，选定感兴趣区域。4.根据权利要求1所述的基于马尔科夫随机场的血管检测方法，其特征在于，所述s3具体包括以下步骤：s31：首先使用k＝3的k
‑
means聚类算法建立初始标签分类，然后使用马尔科夫随机场对s2选定的感兴趣区域图像进行建模；s32：依据贝叶斯公式计算后验概率，并基于后验概率，对建模后的图像进行分割。5.根据权利要求4所述的基于马尔科夫随机场的血管检测方法，其特征在于，所述s32具体包括以下步骤：s321：依据贝叶斯公式，建立后验概率公式其中，i为图像中的像素的灰度值，c为所属类别，p(i|c)为似然估计函数，p(c)先验概率，p(i)为像素分布概率，对于同一帧图像各个像素点的p(i)均相同，故判断所属像素点的类别，只需比较p(i|c)*p(c)即可；s322：针对图像像素建立能量函数e(i,c)＝arg max(log(p(c)) log(p(i|c)))；s323：基于上述公式及函数，使用k＝2的k
‑
means聚类算法迭代更新像素点对应的类别，即可以得到两处类别区域。6.根据权利要求5所述的基于马尔科夫随机场的血管检测方法，其特征在于，所述s321中的先验概率p(c)采用吉布斯分布函数计算得到，即
其中u2(c)＝∑
w∈w
v
w
(c
w
)，且由此可以建立势能函数7.根据权利要求5所述的基于马尔科夫随机场的血管检测方法，其特征在于，所述s321中的似然估计函数p(i|c)采用采用高斯分布对其进行建模，即其中n
c
为某种类别下图像中像素的个数，n为整个图像的像素个数，i为像素值。8.根据权利要求5所述的基于马尔科夫随机场的血管检测方法，其特征在于，所述s4具体包括以下步骤：s41：建立分数模型，其中，m1和m2分别为两个类别区域中像素点均值，θ
i
为各类别区域像素点标准差；s42：预设第一阈值，并基于s41中建立的分数模型，分别计算每一类别区域的得分，当得分大于第一阈值，则该类别区域即为包含血管的区域；s43：对s42中得到的包含血管的区域进行密度聚类，所得元素最多的区域即为血管区域。

技术总结
本发明公开一种基于马尔科夫随机场的血管检测方法，包括以下步骤：S1：采集血管所在区域的二维超声图像，对图像进行预处理，并初步选定感兴趣区域；S2：基于S1初步选定的感兴趣区域，提取其边缘信息，并基于Hough线变换和k


技术研发人员：陈明聪 白仲皖 鱼晨
受保护的技术使用者：华力创科学（深圳）有限公司
技术研发日：2021.08.09
技术公布日：2021/11/4