[发明专利]血管内超声灰阶图像的自动组织标定方法

权利要求书

1.一种血管内超声灰阶图像的自动组织标定方法，其特征是，所述方法首先提取血管内超声灰阶图像的纹理特征，然后对提取的纹理特征数据进行降维处理，最后采用Adaboost分类器对纹理特征数据进行标定，从而完成对不同成分斑块组织的自动识别和标定。

2.根据权利要求1所述的血管内超声灰阶图像的自动组织标定方法，其特征是，所述方法的具体步骤如下：

a、分别采用灰度共生矩阵、局部二值模式变换和Gabor滤波器自动提取IVUS灰阶图像的纹理特征：

①灰度共生矩阵：

灰度共生矩阵P中的各元素就是从图像f(x,y)的灰度值为i的像素出发，统计在方向θ上、与它距离为d、灰度值为 j的像素同时出现的概率：

其中，I(l, m)是像素(l, m)的灰度，d是两像素点之间的距离，θ是所对应的角度，选定d和θ，即可得到各种间距及角度的灰度共生矩阵，本方法以灰度共生矩阵的二次统计特征量（包括熵、能量、逆差矩、惯性矩、对比度、均匀度和相关度）作为纹理特征值，定义如下：

能量：

对比度：

均匀度：

逆差矩：

惯性矩：

相关度：

熵：

②局部二值模式（LBP）变换：

对IVUS图像进行“uniform（统一）”模式的LBP变换，将变换后的图像中标记点像素的灰度值作为纹理特征值，“uniform（统一）”模式的LBP定义如下：

其中

式中，s(·)是符号函数，g_c是邻域中心像素的灰度值，g_i(i=0,1,…,P-1)是P个等距离分布于以中心像素为圆心、半径为R的圆周上的像素灰度值；

③Gabor滤波器：

二维Gabor滤波器的空域表达式为：

其中u和v是二维图像的频率自变量，θ=arctan(v/u)是Gabor滤波的方向角，σ_u和σ_v分别是高斯包络在u轴和v轴上的标准差，分别选取θ=0°、45°、90°和135°四个方向，同时设置滤波器的尺度因数(σ_u, σ_v)为(0.4，0.4)、(0.45，0.45)、(0.5，0.5)和(0.55，0.55)，将经过Gabor滤波后得到每幅图像特征点的灰度值作为纹理特征值；

b、采用Fisher线性判别分析法对IVUS灰阶图像的纹理特征数据进行降维；

c、采用Adaboost分类器，对降维后的IVUS灰阶图像的纹理特征数据进行标定:

根据各类斑块在IVUS灰阶图像中的已知特征（包括透声性强弱、回声强弱、是否有负性声影），选取各类斑块的特征点；然后采用灰度共生矩阵、局部二值模式和Gabor滤波获得特征点的多维特征值；之后，将特征点及其多维特征值作为训练集，训练Adaboost分类器模型；最后，对测试集中的未知点进行标记，最终完成对不同成分斑块组织的自动标定。

3.根据权利要求2所述的血管内超声灰阶图像的自动组织标定方法，其特征是，所述灰度共生矩阵的距离参数d=5或8，为了减少特征空间的维数，将θ={0°,45°,90°,135°}四个方向的特征值进行平均，作为灰度共生矩阵的均值。