[发明专利]相似度确定方法和相似度确定装置

说明书

本公开是关于相似度确定方法，包括：获取原始模板图像和原始待测图像；确定原始模板图像和原始待测图像中的边缘，根据边缘从原始模板图像和原始待测图像中提取待测图像；根据邻域灰度均值在模板图像中和待测图像中像素的邻域灰度均值在待测图像中确定待测连通区域；获取模板连通区域的模板轮廓图像和待测连通区域的待测轮廓图像；计算模板轮廓图像和待测轮廓图像的相似度，以作为原始模板图像和原始待测图像的相似度。根据本公开，针对原始模板图像和原始待测图像，是基于轮廓确定相似度，而轮廓并不会因为原始模板图像和原始待测图像的类型不同而存在较大差异，因此有利于准确确定医学图像之间的相似度。

技术领域

本公开涉及医学图像技术领域，尤其涉及相似度确定方法、相似度确定装置、电子设备和计算机可读存储介质。

背景技术

图像的相似性测量在计算机视觉领域中是一个非常重要的基础问题，常用的图像相似性计算算法主要包括以下两种：

直方图匹配：对两幅图像分别计算直方图，以两个直方图的归一化相关系数(包括巴氏距离、直方图相交距离等)作为相似度。这类相似性的度量基于简单的数学向量上的差异，可忽略图像分辨率的差异进行相似度计算，且计算量小。

特征点提取：提取图像中具有旋转不变形的特征(如SIFT)，并以特征匹配程度作为相似度。其相似性的计算与图像大小和旋转无关，光线、噪声、视角的转换对其计算结果的影响也极小。

然而，对于医学图像而言，大多数为灰度图，不同的图像灰度信息相似，但图像内细节的空间位置并不同。但是基于直方图匹配的方式，比较的仅仅是图像像素灰度值的分布概率，无法体现出图像内部信息的变化，所以并不能准确地确定医学图像之间的相似度。

并且，需要比较相似性的医学图像，可以通过多种成像方式得到，而针对不同成像方式所得到图像，能够提取到的特征信息会有所不同，若采用特征点提取方式，即使实际上相似度很高的两幅图像，也会因为特征信息不同而导致确定相似度较低，而且特征点数目和选取特征点方式也对会相似度的计算产生影响，所以也不能准确地确定医学图像之间的相似度。

发明内容

本公开提供相似度确定方法、相似度确定装置、电子设备和计算机可读存储介质，以解决相关技术中的不足。

根据本公开实施例的第一方面，提出一种相似度确定方法，包括：

获取原始模板图像和原始待测图像；

确定所述原始模板图像和所述原始待测图像中的医学图像边缘，根据所述原始模板图像中的医学图像边缘从所述原始模板图像中提取模板图像，根据所述原始待测图像中的医学图像边缘从所述原始待测图像中提取待测图像；

根据所述模板图像中像素的邻域灰度均值在所述模板图像中确定模板连通区域，根据所述待测图像中像素的邻域灰度均值在所述待测图像中确定待测连通区域；

获取所述模板连通区域的模板轮廓图像和所述待测连通区域的待测轮廓图像；

计算所述模板轮廓图像和所述待测轮廓图像的相似度，以作为所述原始模板图像和所述原始待测图像的相似度。

可选地，所述计算所述模板轮廓图像和所述待测轮廓图像的相似度包括：

对所述模板轮廓图像进行分块得到多个模板块，对所述待测轮廓图像进行分块得到多个待测块；

在相对应的模板块和待测块中，以模板块中每个轮廓像素分别作为中心确定封闭区域，在多个所述封闭区域中，确定轮廓与所述待测块中的轮廓相匹配的封闭区域的数目，循环该步骤，直至针对全部相对应的模板块和待测块确定所述数目；

根据所述数目之和与所述模板轮廓图中轮廓像素的数目的关系，确定所述模板轮廓图像和所述待测轮廓图像的相似度。