买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华力创科学(深圳)有限公司

摘要：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‑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。本发明可准确检测到血管区域，简单高效。

主权项：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；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；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；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，为似然估计函数，先验概率，为像素分布概率，对于同一帧图像各个像素点的均相同，故判断所属像素点的类别，只需比较即可；S322：针对图像像素建立能量函数；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；所述S4具体包括以下步骤：S41：建立分数模型，，其中，和分别为两个类别区域中像素点均值，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。

全文数据：

权利要求：

百度查询： 华力创科学(深圳)有限公司 一种基于马尔科夫随机场的血管检测方法