[发明专利]基于非下采样轮廓波和视觉显著模型的乳腺影像处理

摘要

本发明公开了一种基于非下采样的轮廓波变换和视觉显著模型的乳腺影像处理方法，主要针对乳腺肿块的特点识别可疑的区域。整个系统包括：影像增强模块和影像识别模块。影像增强模块对原始影像采用非下采样轮廓波进行增强；影像识别模块，针对增强后的图像提取特征值并且生成特征图；再对特征图进行处理得到总显著图，得到候选的可疑肿块；最后对提取显著图特征及增强后的影像特征，运用机器学习方法滤除其假阳性肿块，得到最终较为精确的可疑区域。

主权项

1.一种基于非下采样变换和视觉显著模型的乳腺影像处理系统，包括如下装置：装置1，用于采用非下采样变换，对原始影像进行增强处理，得到增强后的影像I(x)；装置2，用于将增强后的图像I(x)分为2×2大小的像素块xi，对于图像中任一像素块xi所在的2×2大小区域提取均值E、方差V、幅值R、亮度变化率B这四个特征值，分别得到四幅大小为原来的二分之一的特征图，即均值图E(x)、方差图V(x)、幅值图R(x)、亮度变化率图B(x)；对每一幅特征图，生成三层高斯金字塔模型，即以原特征图为金字塔的第一层，金字塔的第二层和金字塔的第三层为依次在上一层的基础上下采样得到的，大小为上一层图像的二分之一的金字塔模型；装置3，用于对上述得到的十二幅特征图的每个像素点xi以其为中心取5×5大小的窗口计算每个像素的熵值：其中m代表5×5大小的窗口中各像素值的灰度级数，p为每个灰度级在该区域内出现的概率，以熵值代替每个像素点的值，得到十二幅熵值图，共四组，对应于同一幅特征图的三幅熵值图作为一组；装置4，用于针对每组熵值图，取第一层熵值图为中央层，第二层熵值图和第三层熵值图为邻域层，采用中央邻域差分算子分别对第一层熵值图和第二层熵值图进行差分计算、对第一层熵值图和第三层熵值图进行差分计算，得到两幅不同尺度的特征图，即每个高斯金字塔模型得到两幅差分图；经过视觉显著模型的归一化算子N(·)归一化四个特征中每个特征的两幅差分子图；采用立方插值将12幅特征图中的每幅特征图调整为同一尺度，线性融合每个特征的两幅差分子图，得到4幅显著图，最后将4幅显著图线性融合，得到最终的显著图；装置5，用于显著图中的高亮区域即为突出后的目标区域，将目标区域对应到原图中，提取该目标区域的灰度特征、显著图特征以及纹理特征，再运用针对不平衡数据分类的支持向量机v‑SVM对目标区域进行分类，滤除假阳性肿块，得到最终的可疑肿块部分。