[发明专利]基于相似度的乳腺图像的匹配图像检索方法及检索系统

摘要

本发明公开了提供一种基于相似度的乳腺图像的匹配图像检索方法及检索系统，基于相似度的乳腺图像的匹配图像检索方法包括如下步骤建立图像特征库；建立分层聚类树；提取待检索图像的特征；查找与带检索图像相似的图像并输出。本发明的系统包括图像特征库建立模块、分层聚类树建立模块、待检索图像的特征提取模块和相似图像查找模块。本发明的方法和系统能够实时将需要检索的乳腺X线片的图像输入检索数据库，然后对输入图像进行分析，将检索数据库中的图像按照与输入图像的相似度进行排序输出。本发明的检索速度快且检索结果准确。

主权项

一种基于相似度的乳腺图像的匹配图像检索方法，其特征在于，具体包括如下步骤：步骤1：建立图像特征库；具体步骤为：遍历图像库中保存的乳腺图像，利用SIFT算法对每幅乳腺图像提取SIFT特征块，并将每个符合规定尺度的SIFT特征块以特征块中心为定点旋转，直至其主方向与水平方向垂直，并利用HOG算法分别提取这些特征块的HOG特征；然后将每个旋转后的SIFT特征块进行水平翻转，并利用HOG算法分别提取这些水平翻转后的特征块的HOG特征；将旋转后以及水平翻转后得到的每幅乳腺图像的图像号、该图像的HOG特征数以及该图像的HOG特征对应保存到图像特征库；步骤2：建立分层聚类树；具体步骤如下：步骤201：从图像特征库中读取所有的HOG特征并将它们保存到分层聚类树的根节点；令根节点为当前节点；步骤202：在当前节点上保存所有的HOG特征中随机选取来自于不同图像的K个HOG特征作为初始聚类中心，使用K‑Means算法将当前节点上保存的所有HOG特征分成K个类；同时，令当前节点产生K个子节点，将生成的K个类中的HOG特征以及每个类的聚类中心对应存储到当前节点的K个子节点上；步骤203：判断分层聚类树的层数是否小于阈值depth，是则将步骤202产生的K个子节点依次作为当前节点，分别执行步骤202；否则结束；步骤3：提取待检索图像的特征；具体步骤如下：对一幅待检索图像，利用SIFT算法提取其SIFT特征块并选出符合规定尺度的SIFT特征块，将每个选出的SIFT特征块以特征块的中心为定点旋转，直至其主方向与水平方向垂直，并提取其HOG特征；再对该旋转后的SIFT特征块做水平翻转后提取HOG特征；步骤4：查找与待检索图像相似的图像并输出；具体步骤如下：步骤401：遍历待检索图像的所有HOG特征，将待检索图像的每个HOG特征作为当前特征，选出分层聚类树上与当前特征对应的一个叶子节点；步骤402：对于待检测图像的每个HOG特征，利用kNN算法计算得到与每个HOG特征对应的叶子节点中存储的HOG特征中与该HOG特征最近的k个特征，该k个HOG特征组成该HOG特征的匹配特征集；步骤403：统计待检测图像的所有HOG特征的匹配特征集中，所有HOG特征来自的乳腺图像的图像号出现的次数，并将每个乳腺图像的图像号出现的次数按照降序排序，取前k个对应的乳腺图像作为与待检测图像相似度高的乳腺图像输出。