[发明专利]基于纹理基元的图像肿块良恶性的分类方法

权利要求书

1.一种基于纹理基元的图像肿块良恶性的分类方法，其特征在于，包括：

将训练用肿块区域图像进行归一化处理，将归一化处理后的肿块区域图像划分为中心区域和外围区域，对所述中心区域和外围区域分别构建可区分纹理字典，然后分别得到所述中心区域和外围区域的特征；

对所述中心区域和外围区域的特征进行融合得到所述归一化处理后的肿块区域图像的特征向量；

将所述归一化处理后的训练用肿块区域图像的特征向量组合成训练样本特征矩阵，训练K近邻分类器；

将待识别肿块区域图像进行归一化处理，提取归一化处理后肿块图像区域的特征向量F_q，将肿块区域图像的特征向量F_q输入到训练好的K近邻分类器，得到所述待识别的肿块区域图像的良恶性分类结果。

2.根据权利要求1所述的基于纹理基元的图像肿块良恶性的分类方法，其特征在于，所述的将训练用肿块区域图像进行归一化处理，将归一化处理后的训练图像划分为中心区域和外围区域，对所述训练图像的中心区域和外围区域分别构建可区分纹理字典，然后分别得到所述训练图像的中心区域和外围区域的特征，包括：

对图像肿块的训练图像进行亮度归一化，归一化后图像用I_n表示，构建具有二个同轴层的矩形模板，Mask_in和Mask_ex，所述Mask_in和Mask_ex的长和宽分别为所述肿块训练图像的长与宽的设定倍数，使用所述矩形模板将所述肿块训练图像分为中心区域R_in和外围区域R_ex，R_in＝I×Mask_in，R_ex＝I×Mask_ex；

提取所述训练图像的中心区域R_in的每个像素点的M×M邻域灰度，将所述M×M邻域灰度调整为长度为M²的行向量，所有行向量组成中心区域邻域矩阵G_in；提取外围区域R_ex的每个像素点的M×M邻域灰度，将该M×M邻域灰度调整为长度为M²的行向量，所有行向量组成外围区域邻域矩阵G_ex；

对所述中心区域邻域矩阵G_in和其对应的类别信息矩阵应用线性判别分析，得到中心区域邻域权重行向量ω_in；对所述外围区域邻域矩阵G_ex和其对应的类别信息矩阵应用线性判别分析，得到外围区域邻域权重行向量ω_ex；

将所述中心区域邻域权重行向量ω_in与所述中心区域邻域矩阵G_in的每一行对应点相乘，得到中心区域可区分邻域矩阵Gd_in；将所述外围区域邻域权重行向量ω_ex与所述外围区域邻域矩阵G_ex的每一行对应点相乘，得到外围区域可区分邻域矩阵Gd_ex；

对所述Gd_in和Gd_ex分别应用k均值聚类，得到中心区域可区分纹理基元字典Dic_in以及外围区域可区分纹理基元字典Dic_ex；

根据所述训练图像中心区域邻域矩阵G_in、ω_in与Dic_in得到训练图像中心区域特征F_in；根据所述训练图像外围区域邻域矩阵G_ex、ω_ex与Dic_ex得到训练图像外围区域特征F_ex。