[发明专利]一种主动学习的肝脏损伤类别的图像检测方法

摘要

本发明公开了一种主动学习的肝脏损伤类别的图像检测方法，具体步骤包括：步骤1，使用肝脏主动形状模型从腹部医学图像集中定位并提取肝脏目标区域；步骤2，定义和提取肝脏目标区域中像素点的方向模式特征向量和灰度幅度变化模式特征向量；步骤3，基于肝脏目标区域中像素点局部密度和到更大密度像素点最小距离二维空间的肝脏像素密度聚类中心定义和聚类划分；步骤4，基于肝脏像素密度聚类边缘、聚类中心和聚类划分的主动学习方法进行肝脏损伤类别的图像检测。

主权项

1.一种主动学习的肝脏损伤类别的图像检测方法，其特征在于，包括以下步骤：步骤1，使用肝脏主动形状模型从腹部医学图像测试集中定位并提取肝脏目标区域，腹部医学图像测试集中包含腹部医学图像；步骤2，定义和提取肝脏目标区域中像素点的方向模式特征向量和灰度幅度变化模式特征向量；步骤3，基于肝脏目标区域中像素点局部密度和到更大密度像素点最小距离二维空间的肝脏像素密度聚类中心定义和聚类划分；步骤4，基于肝脏像素密度聚类边缘、聚类中心和聚类划分的主动学习方法进行肝脏损伤类别的图像检测；步骤1包括：肝脏主动形状模型的几何形状参数包括平移量t、旋转量r和缩放量s，以及纹理缩放参数，所述纹理缩放参数包括全局增缩参数u和偏差参数w；将上述几何形状参数记为模型参数p，p＝{t,r,s,u,w}，模型参数对应的增量为Δp，Δp＝{Δt,Δr,Δs,Δu,Δw}，通过如下公式对模型参数p进行k次线性模型迭代更新：其中，i取值范围为1～k，当经过k次线性模型迭代更新后，肝脏模板与腹部医学图像的部分区域均方差最小时，定位并提取此腹部医学图像区域为肝脏目标区域；步骤2包括以下步骤：步骤2‑1，假设提取的肝脏目标区域中像素点I_c及其8邻域像素点的空间关系如下表所示：I₆I₇I₈I₅I_cI₁I₄I₃I₂其中，I₁、I₂、I₃、I₄、I₅、I₆、I₇和I₈为像素点I_c的邻域像素点，分别计算以像素点I_c的4邻域像素点I₁、I₃、I₅和I₇为中心的五个方向的灰度差；步骤2‑2，分别计算以像素点I_c的4邻域像素点I₁、I₃、I₅和I₇为中心的方向模式数特征，构造像素点I_c的方向模式特征向量{f_c,1,f_c,2,f_c,3,f_c,4}，即统计4邻域像素点在5个方向中灰度差小于0的个数：f_c,1＝Num(D₁＜0,D₂＜0,D₃＜0,D₄＜0,D₅＜0)，其中D₁为像素点I₈和像素点I₁的灰度差，D₂为像素点I₇和像素点I₁的灰度差，D₃为像素点I_c和像素点I₁的灰度差，D₄为像素点I₃和像素点I₁的灰度差，D₅为像素点I₂和像素点I₁的灰度差；f_c,2＝Num(D₆＜0,D₇＜0,D₈＜0,D₉＜0,D₁₀＜0)，其中D₆为像素点I₂和像素点I₃的灰度差，D₇为像素点I₁和像素点I₃的灰度差，D₈为像素点I_c和像素点I₃的灰度差，D₉为像素点I₅和像素点I₃的灰度差，D₁₀为像素点I₄和像素点I₃的灰度差；f_c,3＝Num(D₁₁＜0,D₁₂＜0,D₁₃＜0,D₁₄＜0,D₁₅＜0)，其中，D₁₁为像素点I₄和像素点I₅的灰度差，D₁₂为像素点I₃和像素点I₅的灰度差，D₁₃为像素点I_c和像素点I₅的灰度差，D₁₄为像素点I₇和像素点I₅的灰度差，D₁₅为像素点I₆和像素点I₅的灰度差；f_c,4＝Num(D₁₆＜0,D₁₇＜0,D₁₈＜0,D₁₉＜0,D₂₀＜0)，其中，D₁₆为像素点I₆和像素点I₇的灰度差，D₁₇为像素点I₅和像素点I₇的灰度差，D₁₈为像素点I_c和像素点I₅的灰度差，D₁₉为像素点I₁和像素点I₇的灰度差，D₂₀为像素点I₈和像素点I₇的灰度差；步骤2‑3，计算像素点I_c的4邻域像素点I₁、I₃、I₅和I₇为中心的五个方向幅度变化模式数特征，构造像素点I_c的灰度幅度变化模式特征向量{g_c,1,g_c,2,g_c,3,g_c,4}，即统计4邻域数据点I₁、I₃、I₅和I₇五个方向的幅度变化值大于像素点I_c五个方向的幅度变化值的个数：其中，M_1,1表示像素点I₁与相邻的像素点I₈、I₇、I_c、I₃和I₂的灰度幅度变化值，计算公式为：M_1,2表示像素点I_c与相邻的像素点I₈、I₇、I₁、I₃和I₂的灰度幅度变化值，计算公式为：其中，E₁为像素点I₈和像素点I_c的灰度差，E₂为像素点I₇和像素点I_c的灰度差，E₃为像素点I_c和像素点I₁的灰度差，E₄为像素点I₃和像素点I_c的灰度差，E₅为像素点I₂和像素点I_c的灰度差；其中，M_3,1表示像素点I₃与相邻的像素点I₂、I₁、I_c、I₅和I₄的灰度幅度变化值，计算公式为：其中，M_3,2表示像素点I_c与相邻的像素点I₂、I₁、I₃、I₅和I₄的灰度幅度变化值，计算公式为：其中，E₆为像素点I₅和像素点I_c的灰度差，E₇为像素点I₄和像素点I_c的灰度差；其中M_5,1表示像素点I₅与相邻的像素点I₄、I₃、I_c、I₇和I₆的灰度幅度变化值，计算公式为：其中M_5,2表示像素点I_c与相邻的像素点I₄、I₃、I₅、I₇和I₆的灰度幅度变化值，计算公式为：其中，E₈为像素点I₆和像素点I_c的灰度差；其中，M_7,1表示像素点I₇与相邻的像素点I₆、I₅、I_c、I₁和I₈的幅度变化值，计算公式为：其中M_7,2表示像素点I_c与相邻的像素点I₆、I₅、I₇、I₁和I₈的幅度变化值，计算公式为：