兽用B超图像区域优化的方法

兽用B超图像初始轮廓提取能够有效约束水平集的迭代范围，兽用B超系统图像局部互信息量策略的分割效果比其他两种模型都有较大提高，经过完善后可用于辅助阅片和兽医临床教学培训。

为了提高兽用B超图像中病灶区域的检测精度和效率，针对区域水平集的两个局限提出改进策略，运用小波模极大值变换提取初始边缘，作为水平集迭代的好的起点，不仅能够得到更准确的分割结果，而且显著减少后续的迭代次数，降低计算开销;对轮廓线像素点的位移按邻域互信息量原则处理，能够更好地确定模糊边界细节，并具有抑制强噪声的能力。

为了更为快速而准确地确定水平集的初始轮廓，分析兽用B超图像，其边缘实质上是局部范围内像素灰度的急剧变化点，一般可采用边缘检测的方法定位初始轮廓，而兽用B超图像中存在较多噪声和模糊边界，用传统方法所获得的初始轮廓与实际病灶区域的偏差较大，对水平集的演化并不有利。

小波变换是一种信号的时间尺度分析方法，把兽用B超图像边缘看作信号的突变，小波系数具有多分辨率特征，小波分析口癖局部化特性，沿梯度方向分别在不同尺度子图像的相应点上检测模极大值的变换情况，获取该尺度下的边缘点，把不同尺度的兽用B超子图像融合，得到最终的边缘，能够较为精确地定位边界，并抑制噪声。