[发明专利]基于角点匹配的医学图像分类方法

摘要

本发明属于医疗健康数据挖掘领域，具体涉及一种基于角点匹配的医学图像分类方法。本发明包括：待分类的医学图像I提出分类请求；提取I的角点序列C；初始匹配角点对序列集D_S的计算；初始匹配角点对序列集D_S的计算；最大匹配角点对序列集D_M的计算；公共K近邻匹配角点对序列集D_T的计算；计算和I最相似的t幅医学图像；根据投票机制输出I的类标签。本发明提出了一对一的最大匹配角点对序列的定义，给出了将一对多的匹配角点对序列中求解一对一的最大匹配角点对序列问题转化为求二分图最大匹配的问题并利用匈牙利算法进行求解，并提出了基于匹配角点对的医学图像相似度计算公式，此公式既考虑了匹配角点对序列，也考虑了未匹配上的角点，提高了角点匹配的准确度，从而提高了分类结果的准确度。

主权项

1.基于角点匹配的医学图像分类方法，其特征在于，包括如下步骤：(1)待分类的医学图像I提出分类请求：针对已存在的带标签的k个医学图像对应的角点序列集D＝{(L_i,C_i)|i∈{1,…,k}}，I请求给出类标号；其中L_i为医学图像I_i的类标签，C_i＝{(xj_Ci,yj_Ci,rj_Ci)|j_Ci∈{1,…,m_Ci}为角点的标号}为I_i的角点序列，xj_Ci,yj_Ci和rj_Ci分别为C_i中第j_Ci个角点的横坐标、列坐标及其重要性值；(2)提取I的角点序列C：首先，对I进行预处理得到归一化后的图像；其次，对图像进行分级纹理提取；接着，进行角点提取，得到I的角点序列C＝{(x_j,y_j,r_j)|j∈{1,…,n}}；(3)初始匹配角点对序列集D_S的计算：将C与C_i的角点进行匹配，得到初始匹配角点对序列S_i＝{[pj_S,qj_Si]|pj_S∈C,qj_Si∈C_i}，从而得到D_S＝{(L_i,S_i)|i∈{1,…,k}}；(4)最大匹配角点对序列集D_M的计算：S_i中存在一对多的匹配角点对，首先给出一对一的最大匹配角点对序列的定义；其次，将在一对多的匹配角点对序列中求解一对一的最大匹配角点对序列的问题转为求二分图中最大匹配的问题；最后，利用匈牙利算法求解二分图最大匹配问题，得到的结果为一对一的最大匹配角点对序列M_i＝{[pj_M,qj_Mi]|pj_M∈C,qj_Mi∈C_i}，从而得到D_M＝{(L_i,M_i)|i∈{1,…,k}}；(5)公共K近邻匹配角点对序列集D_T的计算：根据M_i中匹配角点对的空间K近邻角点的分布，找到并去除所有异常匹配角点对，得到公共K近邻匹配角点对序列T_i，进而得到D_T＝{(L_i,T_i)|i∈{1,…,k}}；(6)计算和I最相似的t幅医学图像：首先，给出两幅医学图像的相似值的计算公式SIM_i，其次，计算I与每幅图像的相似值，从而得到和I最相似的t幅图像；(7)根据投票机制输出I的类标签：根据t幅图像的标签对所有类标签{L₁,…,L_k}进行投票，得票个数最多的类标签为I的标签。