[发明专利]基于多核学习的多特征融合胃镜图像处理方法

说明书

本发明提供一种基于多核学习的多特征融合胃镜图像处理方法，上述方法综合胃镜图像的颜色特征、纹理特征和关键点特征建立图像分类核函数，能够更加准确、全面地描述胃镜图像特征。上述方法将混合核支持向量机算法运用于胃镜图像处理，将三种异构特征合理融合，提高胃镜图像处理的泛化能力和鲁棒性能。上述方法提取胃镜图像颜色特征时根据胃镜图像颜色分布特征将H、S、V分量进行非等间隔的量化，使提取特征能更准确地描述胃镜图像。本发明实施例的方法能够精确的对复杂图像进行分类，有利于提高了医务工作人员的诊疗效率。

技术领域

本发明涉及图像处理以及医用领域，具体涉及一种基于多核学习的多特征融合胃镜图像处理方法。

背景技术

内窥技术在医学中得到了广泛的应用，例如利用胃镜检查胃部疾病。当前的内窥技术大部分只能采集相应部位的图像，无法实现对图像的有效处理。例如，现有技术中提供了一种基于关键点监测的NBI胃镜图像处理方法，该方法对经过预处理后的胃镜图像提取关键点，然后提取部分NBI胃镜图像作为训练集，将训练集中所有关键点组成特征袋，并使用聚类算法生成视觉词典。之后根据得到的视觉词典对整幅NBI胃镜图像进行关键点归类统计，得到整幅NBI图像的全局特征。最后采用分类器对整幅NBI胃镜图像的全局特征进行识别，从而完成NBI胃镜图像的识别过程。上述图像的处理方法基于关键点对图像分类，存在分类特征单一的缺陷，造成图像全局特征的丢失。另外，上述图像处理方法由于泛化能力和鲁棒性不够，无法对复杂图像进行准确的分类。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于多核学习的多特征融合胃镜图像处理方法，克服了现有技术中无法对复杂图像进行精确分类的缺陷。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

提供了一种基于多核学习的多特征融合胃镜图像处理方法，所述方法包括如下步骤：

获取胃镜图像；

将所述胃镜图像中每个像素点的色调H、饱和度S和明度V进行量化，根据每个像素点量化后的H值、S值和V值确定每个像素点的颜色矢量，并根据每个像素点的颜色矢量建立颜色直方图，所述颜色直方图的横坐标为颜色矢量，纵坐标为每个颜色矢量对应的像素点的个数；

获取所述胃镜图像的每个像素点，得到多个中心像素点，以每个所述中心像素点为圆心，在预定半径的圆周上对称获取N个像素点，得到N个纹理算子像素点；计算每个所述纹理算子像素点的灰度值与对应的所述中心像素点的灰度值的差值，得到每个纹理算子像素点的中心灰度差值；根据所有纹理算子像素点的中心灰度差值确定对应的所述中心像素点的纹理描述算子，并根据所有中心像素点的纹理描述算子建立纹理特征直方图；所述纹理特征直方图的横坐标为纹理描述算子，纵坐标为每个纹理描述算子对应的像素点的个数；

将所述胃镜图像分割为多个预定大小的子图像，确定每个所述子图像的尺度不变特征算子，利用所述尺度不变特征算子进行聚类运算，得到预定数量的特征词汇，并将每个所述尺度不变特征算子分别映射到一个所述特征词汇上，根据所述特征词汇对应的尺度不变特征算子，建立尺度不变特征直方图，所述尺度不变特征直方图的横坐标为特征词汇，纵坐标为每个所述特征词汇对应的尺度不变特征算子的数量；

利用多项式核函数、高斯径向基核函数和直方图相交核核函数建立图像分类核函数；其中，所述图像分类核函数的参数包括多项式核函数的阶数、高斯径向基核宽度、多项式核函数的权重系数、高斯径向基核函数的权重系数、直方图相交核核函数的权重系数以及惩罚系数；