声图像，从而 便于提取超声图像的图像特征。
[0045] 步骤S102,超声图像预处理。本步骤用于使超声图像的目标特征的结构信息更加 清晰，W便于图像特征提取。可W理解的是，所述超声图像预处理可根据需要采用适用的现 有技术，如图像平滑处理、图像各向异性平滑处理等。可W理解的是，本方法中，根据实际提 取需要可设置或取消设置步骤S102。
[0046] 步骤S103,提取超声图像的图像特征W获取特征图像。在本步骤中，通过图像特 征的提取可使超声图像转化为对比更加明显、更易定量分析的特征图像。即经过图像特征 提取的超声图像为特征图像。所述超声图像的图像特征方法可根据楠圆形目标的提取对象 (腹围、头围等）自行设置。
[0047] 在本实施例中，所述步骤S103进一步包括W下步骤：
[004引步骤S1031，设置超声图像的目标中必。在本实施例中，W超声中典型的楠圆形目 标胎儿头围和腹围为例，胎儿头围和腹围均是产前产生中常规的测量项目，临床上需要测 量头围和腹围的周长，W此来推算胎儿的孕周。头围和腹围均表现为具有清晰边界的楠圆 形目标。因此在本步骤中，首先获取目标中必的坐标。由于方向梯度的提取对于作为原点的 目标中必的位置要求并不高，因此只需目标在目标内部即可。目标中必也可自行选定。在 本实施例中，通常情况下，只需保证所述目标中必包含于目标内部即可。
[0049] 步骤S1032,求取超声图像中每一点相对于所述目标中必的梯度W获取特征图像。 如图2所示为方向梯度求解示意图，假设图中红色圆点为目标中必坐标，W该点为原点，将 整个图像分成4个等角度模块，如图中的I，II，III和IV部分，每一部分中每点用图中对应 的模块作卷积，所有点的卷积结果即得到一幅特征图像。本发明中的点的卷积是指该点为 中必、和模板等大小的图像区域与模板对应点的乘积的和，即
[0050]
[005。 其中，I为待卷积的图像，Μ为卷积模板，W、Η为模板的宽和高，F为卷积结果。可 W理解的是，也可将超声图像分成多个等角度部分。如图3所示，将超声图像分成8个等角 度部分，对应的模板增加4个对角模板。
[0052] 从图2、3中可W看到，本实施例采用的模板为图4所示模板在不同方向的旋转变 形：值得注意的是，本实施例中的模板仅为示例，类似的多种模板算子及其旋转变形可W达 到相近的效果。如Prewitt算子，Sobel算子，Lapacian算子，Dog算子等。
[0053] 可W理解的是，所述特征图像可采用任意其他使用的现有技术进行提取。比例采 用Canny算子对输入图像进行边缘提取，得到的边缘也可W是本步骤中的特征。Canny算子 边缘提取技术是现有技术，在此不再详述。
[0054] 步骤S104,于所述特征图像中提取粗定位点列。由于楠圆形目标需要5个参数进 行表达（中必点横纵坐标，长短轴、旋转角度），模型比较复杂。因此直接采用楠圆进行定位 复杂度很高，且很难保证准确性。因此在本实施例中，本发明的楠圆形目标自动提取方法通 过于特征图像中提取圆环来进行目标粗定位，找出楠圆形目标的大概位置。步骤S104进一 步包括W下步骤：
[00巧]步骤S1041，于所述特征图像中获取粗定位圆环位置。
[0056] 在本步骤中，获取特征图像中任一圆（x，y，r)的圆周附近的亮度水平。此处中的 亮度可W是特征图像中的值，也可W是输入图像本身的灰度值等等，可根据实际需要进行 设置。其中所述x、y用于表示所述圆的坐标位置，所述r为所述圆的半径。圆（x，y，r)的 圆周附近的亮度水平可定义为W (x，y)为圆必，r为半径，宽度为T的圆环内对应的所有点 的灰度和的亮度。
[0057] 在本步骤中，通过设置预设宽度T。，并遍历所有（X，y)和r的所有可能情况，取具 有预设宽度的亮度水平最高的圆环（Xa，ya，ru，T。）为粗定位圆环。
[0058] 在本步骤中，也可对粗定位结果进行预定位步骤。先定位感兴趣的目标中必点的 大概位置，在该位置附近小范围搜索。即对圆环的中必点（x，y)的位置进行限定。另，由于 在头围、腹围的楠圆形目标提取过程中。头围和腹围的周长通常在一定范围内，因此，也可 对半径r的范围进行限定，从而缩小遍历范围。通过对粗定位结果进行预定位，可缩小遍历 范围、减少遍历时间、降低出错概率。
[0059] 步骤S1042,提取所述粗定位圆环的圆环图像。在步骤S1042中，基于所述粗定位 结果圆环（却，7。^。，1'。)，保留所述特征图像中^柄，7。）为圆也一。为半径，宽度小于或等 于为T。内的圆环的图像。并将所述特征图像中其余部分赋值为0,从而获取圆环图像。其 中所述T。为圆环宽度，可按需调整。
[0060] 步骤S1043,提取所述圆环图像中亮度大于亮度阔值的粗定位点列。在本步骤中， 设置亮度阔值，根据亮度阔值于所述圆环图像中提取粗定位点列狂，Y)。将所述圆环图像 中所有值大于所设亮度阔值的点构成粗定位点列狂，Y)。
[006。 步骤S105,于所述粗定位点列化Y)中提取楠圆形目标。
[0062] 提取楠圆形目标可采用求取楠圆形目标的楠圆方程系数的方式。设楠圆形目标的 楠圆方程式为：
[0063] χ2+3 · X · y+b · y2+c · x+d · y+e = 0
[0064] 在本实施例中，可采用最小二乘法于所述粗定位点列狂，Y)中获取楠圆形目标的 楠圆方程系数（曰，b，C，山e)。而后通过楠圆形目标的楠圆方程系数（曰，b，C，山e)得出所 述楠圆形目标的楠圆形目标参数。所述楠圆形目标的楠圆形目标参数包括；楠圆中必坐标 (XI，yi)，楠圆长轴长度1、楠圆短轴长度S，楠圆形目标的旋转角度Θ。
[0065] 在本发明的另一实施例中，于所述粗定位点列狂，Y)中提取楠圆形目标时，可采 用随机化U曲变换求取楠圆形目标。
[0066] 化U曲变换一般用来检测能用解析式表达且参数较少的曲线，如直线、圆等。但在 楠圆检测中，由于参数较多，直接用化U曲变换需要耗费大量的计算时间和存储资源，随机 化U曲变换是化U曲变换的变种，随机化U曲变换采用随机化技术，克服了化U曲变换高耗 时和高存储资源的要求。
[0067] 如图5所示，采用随机化U曲变换于所述粗定位点列化Y)中提取楠圆形目标时 进一步包括W下步骤：
[0068] 步骤S1051，首先初始化累加器为0。累加器的作用是在循环过程中对各个参数各 种可能出现的值进行出现次数的统计，可根据系统存储资源选择使用1个5维累加器还是 采用5个1 一维累加器。每个累加器中每一维包含的单元数为该维参数可能出现值的个数， 如角度参数的取值范围为0~179度，则该维参数包含180个单元，将每个单元初始化为0。 同样，楠圆的中必点坐标、长短轴大小都有一定的取值范围，根据取值范围来设置该维参数 单元的个数。
[0069] 步骤S1052,于粗定位点列狂，Y)中随机选择至多5个点，将随机选取的点的坐标 代入楠圆方程式中，求解得出楠圆方程的系数（曰，b，C，山e)。
[0070] 步骤S1053,判断楠圆方程的系数是否满足b-a2〉0,如是则该楠圆方程对应的楠圆 形目标为有效楠圆，并求取该楠圆形目标的楠圆形目标参数（XI，yi，l，s，Θ)并进入下一步 骤。
[0071] 如否则该楠圆方程对应的楠圆为无效楠圆，则返回步骤S1052。
[0072] 步骤S1054,于累加器中累加有效楠圆的楠圆形目标参数。如果采用的是1个5维 累加器