[发明专利]基于模糊逻辑和ANFIS的宫颈癌图像区域分割方法

权利要求书

1.基于模糊逻辑和ANFIS的宫颈癌图像区域分割方法，其特征在于，该方法包括以下步骤：

S1、利用模糊逻辑对宫颈图像进行边缘检测，并对检测到的边缘进行像素级图像融合；

S1中利用模糊逻辑对宫颈图像进行边缘检测，并对检测到的边缘进行像素级图像融合的过程为：

S1-1、获取模糊逻辑阈值，具体为：

首先将RGB宫颈图像转换为灰度图像，然后计算该灰度图像的直方图，并将计算的直方图模式的平均值作为阈值；

S1-2、利用2×2掩码窗口遍历宫颈图像，迭代检测出图像中的边缘特征，生成初步边缘特征的宫颈图像；

宫颈图像根据模糊逻辑阈值生成二值图像，宫颈图像中所有像素按下述规则进行二值判断：大于或等于该阈值的像素值为0，小于该阈值的像素值为1；

对该二值图像应用模糊逻辑来检测边缘特征，逻辑一、当掩码窗口中的所有像素值为0时检测结果为0；逻辑二、当掩码窗口中的所有像素值为1时检测结果为1；逻辑三、不属于前两种逻辑的检测结果为边缘特征；

S1-3、在S1-2生成的初步边缘特征的宫颈图像上，利用2×2掩码窗口再次遍历，在第二次重复迭代的过程中生成进一步细化边缘特征的宫颈图像；

S1-4、使用像素级图像融合技术将S1-2和S1-3两次的边缘特征融合在一起，从而生成增强的宫颈图像；

S2、对融合后的宫颈图像进行环形对称Gabor变换；

S3、从Gabor变换后的图像中提取纹理特征；

S4、采用自适应神经模糊系统ANFIS分类方法对S3提取的纹理特征进行分类，输出类别包括正常宫颈图像和异常宫颈图像两类；

S5、利用形态学操作对异常宫颈图像中的肿瘤区域分割出来。

2.根据权利要求1所述基于模糊逻辑和ANFIS的宫颈癌图像区域分割方法，其特征在于，S3中从Gabor变换后的图像中提取纹理特征的过程为：

分别采用局部导数模式LDP、离散小波变换DWT、灰度共生矩阵法GLCM和Laws能量法对Gabor变换后的图像中提取纹理特征，生成各自的纹理特征映射图，然后将四个纹理特征映射图叠加，获取最终的纹理特征。

3.根据权利要求1所述基于模糊逻辑和ANFIS的宫颈癌图像区域分割方法，其特征在于，S4中采用自适应神经模糊系统ANFIS分类方法对S3提取的纹理特征进行分类的过程为：

自适应神经模糊系统ANFIS设置5个内部层；

第一层包括四个模糊集A1、A2、B1、B2，自适应节点为：

其中a_i，b_i和c_i为第一层中第i个自适应节点的前提参数，x,y为两个输入参数；

第二层包括两个固定节点，执行相乘函数产生该层的输出，该层输出函数为：

layer2 out＝μ_Ai(x)·μ_Bi(y)；i＝1,2；

第三层包括两个固定节点，遵循触发强度，根据给定的方程产生输出，该层输出函数为：

式中w_i为第二层的输出；

第四层包括两个自适应节点，该层输出函数为：

其中，p_i，q_i，r_i是第四层第i个自适应节点的触发强度参数；

第五层为输出层，该层输出函数为：

其中f_i是对应第四层对应自适应节点的权重，

第五层输出结果为f，f为低值表示检测宫颈图像属于正常宫颈图像类别，f为高值表示检测宫颈图像属于异常宫颈图像类别。

4.根据权利要求1所述基于模糊逻辑和ANFIS的宫颈癌图像区域分割方法，其特征在于，S5中利用形态学操作对异常宫颈图像中的肿瘤区域分割出来的过程为：

利用扩张功能对异常宫颈图像处理生成扩张图像；

利用侵蚀函数对异常宫颈图像处理生成腐蚀图像；

将腐蚀图像从扩张图像中减去，分割出肿瘤区域。