[发明专利]一种医学图像分类方法

摘要

本发明涉及一种医学图像分类方法，属于图像处理领域。本发明的方法基于下山算法，经图像预处理、提取图像特征、寻找密度吸引子、寻找山脚像素、分出布局图像等步骤实现。理论和实践证明，本发明妥善解决了山脊、平顶、单阈值问题，采用本发明的方法后，不仅可以高效完成医学图像的分类，而且不丢失、不误导、不遗漏图像特征，因此可以获得高质量的医学分类图像，满足医护人员的诊断阅读需求。

主权项

1.一种医学图像分类方法，其特征在于：包括如下基本步骤：第一步、图像预处理——将摄取的医学图像转为预定格式文件、缩放成预定规格像素；第二步、提取图像特征——提取预处理后图像中每个像素的空间位置(x，y)和灰度特征数据(gray)作为特征值；第三步、构造密度函数——以下式作为预处理后图像中以(x，y，gray)为特征值的X点的密度函数：式中：——像素点X的密度函数n——像素点的个数h——平滑参数X——任意一个像素点的特征值Xi——第i个像素点的特征值第四步、寻找密度吸引子——分步骤如下4A、从预处理后的图像中随机选择一个当前像素点；4B、按下式确定当前像素点X的梯度方向：▿f(X)=Σi=1n(X-Xi)f^(X)]]>式中：——像素点X_i的梯度方向其它字母含义同前述4C、按下式确定最优步长：其中式中：δ_i——最优步长值——像素点X_i梯度方向的模T——转置运算符4D、沿选定梯度方向，以最优步长确定下一个在后像素点；4E、比较前、后两像素点的密度函数值，如果后者大于前者，则将该在后像素点作为新的当前像素点，转入分步骤4A；如果前者大于后者，则搜索该点的八领域中是否有密度值更大的点，如果有则转入分步骤4B；否则就以此点作为密度吸引子；第五步、寻找山脚像素点——分步骤如下5A、以密度吸引子为出发点，搜索下山方向；5B、从所有可能下山方向中任选之一作为梯度方向；5C、按分步骤4C相同公式确定最优步长；5D、沿选定梯度方向，以最优步长确定下一个在后像素点；5E、比较前、后两像素点的密度函数值，如果前者大于后者，则将该在后像素点作为新的当前像素点，转入分步骤5C；如果前者小于后者，则将此像素点作为该下山方向的山脚像素点，再返回出发点，顺序选择所有可能下山方向中未选过的方向作为梯度方向，进入分步骤5C；直至可能下山方向的所有山脚像素点都被找到；第六步、分出布局图像——将所有山脚像素点连接，即构成对应器官组织的图像边缘，而前述所有访问过的像素点则构成对应器官的有效组织，从而完成从医学图像中分类出一个器官组织。