[发明专利]一种生物医学图像特征提取方法

说明书

技术领域

本发明涉及数字图像处理领域，具体涉及一种生物医学图像特征提取方法。

背景技术

随着计算机多媒体技术和机器学习技术的发展，图像数据库的应用也日益广泛。如何有效地建立、管理和充分利用图像信息库资源，实现智能化、高效地识别和检索图像，一直是国内外科研工作者关注的热点问题，在科学研究、国防军事、工业生产、航空航天、生物医学、交通监控等领域有着广泛的应用。面对生物医学图像数据数量大、多模态、成像复杂、针对性较强等特点，特征提取技术不断面临新的机遇和挑战

图像特征的提取是图像识别和图像检索的重要的环节。图像特征主要包括文本语义特征和视觉信息特征两类，目前图像的视觉特征成为了国内外学者的重点研究热点，图像视觉信息特征主要包含两方面内容：一方面是图像的视觉特征，如颜色、灰度、形状、纹理与边缘等特征，这是图像所固有的、重要的、本质的属性，具有一定的客观性；另一方面是高层次图像信息，对图像内容在语义的角度上进行描述。前者用于描述所有图像共有的、与图像的具体类型或内容无关的特征；后者则基于对所描述图像内容的某些先验知识条件上，与具体的应用紧密相关。

但是，与普通图像相比较，生物医学图像具有精度高、数量大、与解剖和临床密切相关、存在噪声和局部体效应等特点，这大大增加了对生物医学图像进行特征提取的难度，所以生物医学图像的特征提取方法的过程更加复杂，不但将图像处理技术和生物医学知识相互结合，而且借助人工智能、认知科学、信息检索、模式识别等多个领域的技术，对生物医学图像进行特征数值化来辅助完成生物医学图像的识别与检索。近年来，一些国内外学者对生物医学图像的特征提取方法展开了大量的研究。

经过对现有的技术文献分析，R.Barry和L.Minsuk等学者在文献“R.Barry,L.Minsuk,Exploring text and image features to classify images in bioscience literature,Proceedings of the Workshop on Linking Natural Language Processing and Biology,2003,73～80”中提出一种基于文本与视觉相结合的特征提取方法，该方法主要对生物医学图像提取视觉特征(基于直方图的特征、8连通区域特征)和基于图像标题的文本特征，并实现了对生物医学图像进行分类，但是，这些特征对图像的分类和识别精度较低，且忽略图像中文本的信息。

本发明方案基于上述特征提取方法所存在的不足，提出了一种生物医学图像特征提取方法，该方法不但考虑了图像的低层特征，而且利用图像中文本区域的信息，提出基于文本区域的全局特征和空间分布特征，有效地提高生物医学图像识别与分类的精确度。

发明内容

本发明的目的是对生物医学图像提供一种特征提取方法，该方法能够有效地提高对生物医学图像的识别和检索的准确度的问题。

本发明提供一种生物医学图像特征提取方法，包括如下步骤：

S1：提取生物医学图像I的低层视觉特征；

S2：对生物医学图像I进行提取文本区域，获得文本区域的像素信息与位置信息；

S3：对生物医学图像I提取基于文本区域的全局特征；

S4：对生物医学图像I采用子区域划分方法，分析各子区域的文本区域分布，提取图像的基于文本区域的空间分布特征；

S5：对低层视觉特征、基于文本区域的全局特征和基于文本区域的空间分布特征进行特征融合，得到生物医学图像I的视觉特征。

上述生物医学图像特征提取方法，其中步骤S1所述的提取生物医学图像I的低层视觉特征，按如下步骤进行：

S1.1：利用灰度直方图来计算图像的统计量，得到图像的灰度特征GH；

S1.2：利用灰度共生矩阵来提取图像的纹理特征TH；

S1.3：提取图像的边缘特征EF，该边缘特征首先采用Candy算子对图像的边缘进行检测，并获取边缘信息，然后对所得到的边缘信息提取边缘方向直方图特征和基于坐标轴的边缘特征。

上述生物医学图像特征提取方法，其中步骤S3所述的对生物医学图像I提取基于文本区域的全局特征，按如下步骤进行：

S3.1：提取图像文本像素的比率特征；

用文本区域的像素个数与图像总像素之比作为图像文本的一种度量参数，即