[发明专利]X光乳腺图像的核自适应优化分类方法

说明书

技术领域

本发明涉及图像处理技术领域，更具体地说，涉及一种基于核自优化Fisher判别的X光乳腺组织图像分类器方法。

背景技术

乳腺癌作为多发病严重影响人类健康和生命，早期的诊断对于提高乳腺癌治愈率有重要意义。研究学者提出了数字乳房X射线图像检查乳腺癌的各种方法，广泛用于计算机辅助乳腺癌分析系统，包括基于直方图特征的乳房组织分类，支持向量机结合多分辨率直方图特征对乳房密度进行分类，形态学和纹理特征提取相结合的乳房组织密度分类。此外，在过去研究工作中，研究学者提出信息基因选择不同的方式为基础的癌症分类。基于核的非线性分类器技术已经吸引了模式识别和学习等领域的广泛关注。有些算法使用核技巧是近几年发展，如支持向量机(SVM)，核成分分析(KPCA)和核Fisher分类器(KFD)。KFD分类器已在很多应用领域中得到应用，为了在一定程度上克服核分类器的核函数及其参数的选择问题，从离散参数值选择合适的核参数，该方法不会改变核映射空间数据的几何结构。

发明内容

本发明的目的旨在提出一种X光乳腺图像核自适应优化分类方法，基于核自优化Fisher判别(KSFD)对乳腺组织分类，KSFD适应于输入数据变化而引起的特征空间几何结构的变化。

本发明的上述目的，其实现的技术解决方案是：X光乳腺图像的核自适应优化分类方法，其特征在于包括：

步骤Ⅰ：输入乳房X光检查的原始图像，创建原始图像的强度直方图，对反映背景、乳腺癌、标签和胸肌像素统计分布的图像灰度直方图采用基于阀值的分割算法与连通区域标记法提取乳房组织的标签，并去除标签图像；

步骤Ⅱ：对去除标签的乳房X光图像先采用中值滤波法去除噪声，而后采用二值化图像直方图分割、形态学膨胀和8像素的连通区域标记法提取胸肌部分，并去除胸肌图像；

步骤Ⅲ：对去除标签和胸肌的乳房X光图像运用统计方法分别计算包括图像的像素平均值、标准差、平滑度、图像的像素左右不对称的平均值、平均直方图、均匀度、峰度的统计量，并组成统计特征向量，且统计特征向量维度为33；

步骤Ⅳ：将统计特征向量输入核自由化Fisher分类器，设定基础核及相关参数，求解数据依赖核最佳参数，并基于最优化核求解最优映射子空间的映射矩阵，通过参照已有图像组成的数据库进行比对，最后输出图像的分类结果。

进一步地，步骤Ⅱ中去除噪声后，先采用二值化图像直方图分割，再进行而之花图像形态学膨胀，而后执行8像素的连通区域标记法提取胸肌部分。

应用本发明基于KSFD分类器的乳腺组织分类方法切实可行，且较之于其它同类方法所具有的显著优点是：它通过对乳房X光检查的原始图像进行去除标签、胸肌、降噪的预处理，而后利用统计特征提取技术对图像进行特征向量提取，再利用KSFD分类器分类，经数据库比对输出分类结果，经实验验证具备更高的识别正确率。

附图说明

图1是本发明分类方法实施例的总体流程图。

图2是本发明分类方法中图像标签像素去除的流程图。

图3是本发明分类方法中图像胸肌像素去除的流程图。

图4是本发明分类方法中统计特征向量提取的流程图。

图5是本发明分类方法的分类流程图。

图6是本发明分类方法的实验系统框架示意图。

图7a-7h是乳腺X射线图像预处理实验结果照片。

具体实施方式

以下便结合实施例附图，对本发明技术方案作进一步的详细说明，以使本发明创新性、实用性更易于理解。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例提供一种基于X光乳腺图像核自适应优化分类方法，如图1所示，该分类方法主要包括图像预处理和分类两部分。预处理消除背景、标签以及肌肉组织的预处理技术；在分类上，采用提出的KSFD分类器进行乳腺组织分类。

如图2至图5所示，是本发明分类方法的各主要步骤的详细流程图。从图示可见，该X光乳腺图像核自适应分类方法的具体算法流程。

步骤Ⅰ：输入乳房X光检查的原始图像，创建原始图像的强度直方图，对反映背景、乳腺癌、标签和胸肌像素统计分布的图像灰度直方图采用基于阀值的分割算法与连通区域标记法提取乳房组织的标签，并去除标签图像。