。
[0037] 本實(shí)施例步驟A中高斯濾波是采用離散化的高斯函數(shù)產(chǎn)生一組歸一化的高斯核， 之后利用高斯核函數(shù)對圖像灰度矩陣的每一行加權(quán)求和。
[0038] 本實(shí)施例步驟B中Canny算子邊緣檢測方法是先使用一階有限差分計(jì)算偏導(dǎo)數(shù)陣 列，其中選用的一對卷積陣列可以表示為
[0039]
[0040]最后進(jìn)行非極大值抑制和雙閾值檢測，從而得到梯度值最大的點(diǎn)，利用兩個(gè)閾值 thl和th2檢測邊緣，取thl=0.4*th2,將得到兩幅閾值不同的第一圖像和第二圖像，掃描第 一圖像，遇到非零灰度像素 P(x，y)時(shí)，跟蹤P(x，y)開始的輪廓線，直到終點(diǎn);再次掃描第二 圖像，找到與第一圖像中位置相對應(yīng)的點(diǎn)，在其8鄰域內(nèi)尋找非零像素作為起點(diǎn)，重復(fù)上述 步驟，直到兩幅圖像無法繼續(xù)為止，這樣就找到了兩幅圖像的輪廓線，也就是邊緣檢測完 成。
[0041]本實(shí)施例步驟C中病狀R0I區(qū)域的形狀特征提取如下：為計(jì)算病狀R0I區(qū)域的面積 特征，定義2
〔中3隱表示病狀R0I區(qū)域面積，f(x，y)為R0I區(qū)域的像素;為 計(jì)算圓形度C，定義
可得
當(dāng)病狀ROI區(qū)域趨于圓形時(shí)，特征量C是單調(diào)遞增且趨于無窮的，不受區(qū)域，旋 轉(zhuǎn)度和尺度變化的影響。
[0042]本實(shí)施例步驟D中提取紋理特征時(shí)，選定LBP算子窗口大小為3*3，將該窗口在圖像 中滑動(dòng)，若周圍像素值大于中心像素值，則該像素點(diǎn)位置標(biāo)記為1，否則為〇,結(jié)束后每一幅 圖像可得到與之相關(guān)的LBP碼，之后對每一張圖像進(jìn)行直方圖統(tǒng)計(jì)，并歸一化處理，最后得 到的就是這幅圖像中病狀的紋理特征向量。
[0043] 本實(shí)施例步驟(1)中的粗分類是根據(jù)醫(yī)學(xué)影像的病狀部位、性別、年齡、影像類型、 方位來進(jìn)行。
[0044] 本發(fā)明使得原始的醫(yī)學(xué)影像能夠按照圖像處理技術(shù)抽取到的病狀特征和病狀位 置特征，將醫(yī)學(xué)影像圖片進(jìn)行哈希編碼，得到病狀編碼和位置坐標(biāo)，并將由病狀編碼和位置 坐標(biāo)得到的哈希編碼組成哈希編碼表，從而為所有醫(yī)學(xué)影像建立了一張完整的哈希編碼 表，對于要查詢的病狀給予編碼，并利用模式匹配技術(shù)實(shí)現(xiàn)輸入圖像病狀和哈希編碼表內(nèi) 病狀編碼的快速匹配給出相似度由大到小的排序輸出，查詢速度快，操作簡單快捷，準(zhǔn)確率 高，能有效挖掘影像資料更有價(jià)值的信息。
【主權(quán)項(xiàng)】
1. 一種位置無關(guān)的病狀快速檢測及識別方法，其具體步驟如下： (1) 對醫(yī)學(xué)影像按其屬性進(jìn)行粗分類，得到具有同一屬性的醫(yī)學(xué)影像樣本； (2) 對具有同一屬性的醫(yī)學(xué)影像樣本，采用圖像處理技術(shù)進(jìn)行病狀的紋理特征和形狀 特征提取，得到該病狀的特征描述，特征提取步驟包括， A、 對醫(yī)學(xué)影像樣本進(jìn)行高斯濾波得到抑制噪聲后的平滑醫(yī)學(xué)影像； B、 對步驟A中得到的平滑醫(yī)學(xué)影像采用Canny算子邊緣檢測方法進(jìn)行邊緣檢測得到醫(yī) 學(xué)影像邊緣； C、 對步驟B中得到的醫(yī)學(xué)影像邊緣采用閾值分割法進(jìn)行邊緣分割獲得病狀ROI區(qū)域，并 計(jì)算獲得病狀ROI區(qū)域的面積特征、圓形度和中心位置坐標(biāo)，得到相應(yīng)的形狀特征； D、 對步驟C中得到的病狀ROI區(qū)域采用LBP算子進(jìn)行紋理特征提取，得到紋理特征向量； (3) 對步驟(2)中得到的紋理特征向量、形狀特征進(jìn)行哈希編碼，得到該病狀的唯一編 碼值，存儲形成哈希編碼表； (4) 檢索查詢時(shí)采用KMP算法進(jìn)行輸入圖像病狀和哈希編碼表內(nèi)病狀編碼值的字符相 似度匹配，按照相似度降序排列輸出查詢結(jié)果。本發(fā)明的病狀檢測和識別是基于圖像處理 技術(shù)與哈希編碼技術(shù)實(shí)現(xiàn)的，具有查詢速度快，操作簡單快捷，準(zhǔn)確率高，能有效挖掘影像 資料更有價(jià)值的信息等特點(diǎn)。2. 如權(quán)利要求1所述的一種位置無關(guān)的病狀快速檢測及識別方法，其特征在于：步驟A 中高斯濾波是采用離散化的高斯函數(shù)產(chǎn)生一組歸一化的高斯核，之后利用高斯核函數(shù)對圖 像灰度矩陣的每一行加權(quán)求和。3. 如權(quán)利要求1或2所述的一種位置無關(guān)的病狀快速檢測及識別方法，其特征在于：步 驟B中Canny算子邊緣檢測方法是先使用一階有限差分計(jì)算偏導(dǎo)數(shù)陣列，其中選用的一對卷 積陣列可以表示為最后進(jìn)行非極大值抑制和雙閾值檢測，從而得到梯度值最大的點(diǎn)，利用兩個(gè)閾值thl和 th2檢測邊緣，取thl=0.4*th2,將得到兩幅閾值不同的第一圖像和第二圖像，掃描第一圖 像，遇到非零灰度像素P(x，y)時(shí)，跟蹤P(x，y)開始的輪廓線，直到終點(diǎn);再次掃描第二圖像， 找到與第一圖像中位置相對應(yīng)的點(diǎn)，在其8鄰域內(nèi)尋找非零像素作為起點(diǎn)，重復(fù)上述步驟， 直到兩幅圖像無法繼續(xù)為止，這樣就找到了兩幅圖像的輪廓線，也就是邊緣檢測完成。4. 如權(quán)利要求3所述的一種位置無關(guān)的病狀快速檢測及識別方法，其特征在于：步驟C 中病狀ROI區(qū)域的形狀特征提取如下：為計(jì)算病狀ROI區(qū)域的面積特征，定義其中3隱表示病狀ROI區(qū)域面積，f(x，y)為ROI區(qū)域的像素;為計(jì)算圓形 I可得 (當(dāng)病狀ROI區(qū)域趨于圓形時(shí)，特征量C是單調(diào)遞增且趨于無窮的，不受區(qū)域，旋轉(zhuǎn)度 和尺度變化的影響。5. 如權(quán)利要求4所述的一種位置無關(guān)的病狀快速檢測及識別方法，其特征在于：步驟D 中提取紋理特征時(shí)，選定LBP算子窗口大小為3*3,將該窗口在圖像中滑動(dòng)，若周圍像素值大 于中心像素值，則該像素點(diǎn)位置標(biāo)記為1，否則為〇,結(jié)束后每一幅圖像可得到與之相關(guān)的 LBP碼，之后對每一張圖像進(jìn)行直方圖統(tǒng)計(jì)，并歸一化處理，最后得到的就是這幅圖像中病 狀的紋理特征向量。6. 如權(quán)利要求5所述的一種位置無關(guān)的病狀快速檢測及識別方法，其特征在于：步驟 (1)中的粗分類是根據(jù)醫(yī)學(xué)影像的病狀部位、性別、年齡、影像類型、方位來進(jìn)行。
【專利摘要】一種位置無關(guān)的病狀快速檢測及識別方法，其具體步驟如下：(1)對醫(yī)學(xué)影像按其屬性進(jìn)行粗分類，得到具有同一屬性的醫(yī)學(xué)影像樣本；(2)對具有同一屬性的醫(yī)學(xué)影像樣本，采用圖像處理技術(shù)進(jìn)行病狀的紋理特征和形狀特征提取，得到該病狀的特征描述；(3)對步驟(2)中得到的紋理特征向量、形狀特征進(jìn)行哈希編碼，得到該病狀的唯一編碼值，存儲形成哈希編碼表；(4)檢索查詢時(shí)采用KMP算法進(jìn)行輸入圖像病狀和哈希編碼表內(nèi)病狀編碼值的字符相似度匹配，按照相似度降序排列輸出查詢結(jié)果。本發(fā)明的病狀檢測和識別是基于圖像處理技術(shù)與哈希編碼技術(shù)實(shí)現(xiàn)的，具有查詢速度快，操作簡單快捷，準(zhǔn)確率高，能有效挖掘影像資料更有價(jià)值的信息等特點(diǎn)。
【IPC分類】G06F17/30, G06K9/32, G06K9/34, G06K9/46
【公開號】CN105677713
【申請?zhí)枴緾N201511007494
【發(fā)明人】程國華, 何林陽, 蘇寶星
【申請人】浙江健培慧康醫(yī)療科技股份有限公司
【公開日】2016年6月15日
【申請日】2015年12月28日