[发明专利]基于LBP和小波矩融合特征的肺癌图像精细分类方法

摘要

本发明公开一种基于LBP和小波矩融合特征的肺癌图像精细分类方法，该方法包括以下步骤：步骤一、对输入图像进行病灶定位。步骤二、病灶部位随机生成大量模板。步骤三、输入图像进行不同尺度缩放，分别对图像块与模板块进行纹理特征MB‑LBP与形状特征小波矩的提取，通过实验调整权重参数融合两种特征。步骤四、图像不同位置匹配，得到特征响应图。步骤五、使用改进的均值空间金字塔模型将响应图转化成特征向量。步骤六、利用支持向量机实现精细分类。本发明提出的算法，是精细分类思想在医学领域的尝试，减少冗余模板的产生；LBP纹理特征与小波矩特征的融合良好的表示肺癌图像信息；金字塔模型抽取特征保留了有力的特征，提高识别精度。

主权项

1.一种基于LBP和小波矩融合特征的肺癌图像精细分类方法，其特征在于，至少包括以下步骤：步骤一、使用基于灰度变化的病灶区域检测方法对原始输入图像进行病灶定位；步骤二、将定位到的病灶部分随机生成大量尺度不一的模板，经过前一步的病灶定位，直接将模板块的产生部位控制在病灶部位，减少冗余模板的产生，每一个样本都随机产生大量的图像块作为图像的模板；步骤三、将输入图像进行不同尺度的缩放，分别对缩放的图像块与模板块进行特征提取，提取纹理特征MB‑LBP与形状特征小波矩，通过实验调整权重分配的参数，将不同权重的纹理特征分别融合小波矩描述的形状特征，两种权重下的融合特征看成两类纹理特征；步骤四、通过对图像的不同位置进行匹配，将匹配的结果表示成特征响应图的形式；步骤五、使用改进的均值空间金字塔模型将特征响应图转化为一个八维的特征向量：(1)第一层金字塔中，选出响应最大的值，以及在其范围为0.1响应图内选择第二，第三与第四大的值；(2)构建第二层,第三层空间金字塔，第三层大小为4*4的空间金字塔分成4部分，每部分大小为2*2，用这四部分的均值来表示第二层大小为2*2的四个块的值；(3)得到的八维向量就是从特征响应图中抽取的特征向量；步骤六、特征向量作为输入，利用支持向量机实现肺癌图像精细分类。