基于Haralick算法的超声图像边缘特征提取

　　超声探伤图像显示技术可以提供直接和大量的信息,同时可大量节约手工操作判定所需时间,是现代定量超声检测的一种重要手段。超声图像的边界特征提取是超声缺陷定量分析以及超声图像进一步后处理的重要基础,在医学超声图像中也是进一步协助诊断的依据[1]。边界特征提取算法多样[2~4],各有自己的适用特征。以下从滤除噪声和保护边界信息的角度出发,介绍基于Haralick算法的超声图像边缘特征提取。

　　1　Haralick算法[5,6]

　　Haralick算法是对原始图像作正交多项式最佳曲面拟合,然后在拟合曲面上作边界检测,提取二阶方向导数的零交叉点。

　　设{f(i,j)}是图像观测值,对于像素(i,j)的某邻域R×R,其对应的离散正交多项式基为{Hn(r,c),n=0,1,2,…,N-1},它是坐标(r,c)的函数。在指标集R×R内,其离散正交多项式为

可以看出^an是线性估计,即图像观测值{f(i,j)}的线性组合,为将观测值{f(i+r,j+c)}乘以加权因子后得到的。因此,得到^an对原始图像{f(i,j)}的每一像素,施行上述离散正交多项式逼近,即可得到原始图像{f(i,j)}的最佳拟合曲面{g^ (i,j)},再在{g^ (i,j)}上作边界提取

　　模板的中心an(0,0)与f(i,j)套准,在R×R内对{f(i,j)}作乘加运算,构造平行处理器,快速得到^an。

　　有了最佳拟合曲面{g^ (i,j)}后在R×R内对任意方向α的求导,即为对离散正交多项式基的求导。取三阶模型(略去高于三阶的项),式(2)可改写成

　　对过(i,j)像素点的α方向二阶导数零交叉点,在过R×R原点,α方向直线上考察,设r=ρsinα,c=ρcosα,式(3)成为

2　程序流程与提取结果

　　以方孔航空工件C扫描灰度图像(图2)为例,利用Matlab语言进行编程,其程序流程图见图3。Haralick算法所得较小和较大阈值时的边界提取图像见图4。经过Haralick算法及边界增强预处理和边界点连接后处理得到的图像见图5a。把Haral2犻犮犽算法与Sobel算法得到的边界图像(图5b)进行比较,可见Haralick算法可以较好地去除C扫描图像中的噪声点,得到较为清晰的边界特征。

　　3　结论

　　(1) Haralick算法可以有效地抑制超声C扫描图像中的噪声干扰,适合于超声C扫描灰度图像的边界识别处理。

　　(2) Haralick算法可以较好地保留边界信息,获得较为完善的边界特征。

　　(3)从Haralick算法原理可见,Haralick算法可构造并行处理算法,提高图像处理的运算速度

　　参考文献:

　　[1]　RenéG Aarnink,Sayan Dev Pathak,JMCH. de la Ro2sette, et al. Edge detection in prostatic ultrasound im2ages using integrated edge maps [J]. Ultrasonics,1998,36:635-642.