[发明专利]一种基于随机森林回归的胸腔X光片肋骨检测方法

权利要求书

1.一种基于随机森林回归的胸腔X光片肋骨检测方法，其特征在于包括以下步骤：

步骤(1)、基于随机采样的图像块生成及其HOG(Histograms ofOriented Gradients，梯度方向直方图)特征描述：从每张训练图像或测试图像中提取不同尺度和纵横比的图像块，即进行随机采样，构成稠密采样空间，并对每个图像块进行再划分，提取更小的不同尺度与纵横比的小图像块，以每个小图像块为HOG统计的基本单位，采用一定的排列方法将提取结果组合起来，最终获得每张图像块的特征向量和整张图像的特征描述矩阵；其中，训练图像表示用于胸腔X光片肋骨检测器训练的、带有用户手动标注的肋骨位置信息的胸腔肋骨X光片；测试图像表示不含肋骨位置信息标注的胸前肋骨X光片；

步骤(2)、基于特征块与目标点距离分布的随机森林回归器生成：在程序运行过程中，采用可交互方法，让用户从训练图像上选取指定个数的目标点，并以这些目标点到稠密采样空间中图像块的中心位置的位移作为机器学习的输出空间实例，并使用随机森林架构进行回归训练，得到随机森林回归模型；

步骤(3)、基于随机森林回归的X光片目标检测：使用步骤(1)中提出的方法，以多张胸腔X光图像作为测试的图像，提取测试的图像的特征描述矩阵，代入步骤(2)生成的随机森林回归模型中，获得每个图像块对目标点位置的预测结果，对预测结果进行加权整合，获得测试图像对目标点位置的预测信息，并根据对多个目标点位置的预测，框选出目标肋骨的位置；

步骤(4)、多次进行步骤(2)中的以随机森林为架构的回归训练，每一次选定不同的随机森林参数，执行步骤(3)中的目标检测，比较不同参数下回归模型对目标肋骨位置预测的准确性和时间效率，选取最优的随机森林参数配置。

2.根据权利要求1所述的基于随机森林回归的胸腔X光片肋骨检测方法，其特征在于：步骤(1)中所述的基于随机采样的图像块生成及其HOG特征描述方法中，对图像进行划分是首先对图像采用网格划分，并根据网格划分的结果提取图像块，再对图像块进行网格划分，提取小图像块，通过对小图像块的HOG特征的提取和整合的方法，得到描述整张胸腔X光图像的特征描述矩阵，特征描述矩阵描述了图像的全局信息，以及该图像中每个图像块的的局部信息。

3.根据权利要求1所述的基于随机森林回归的胸腔X光片肋骨检测方法，其特征在于：步骤(2)中使用与用户交互的方式，获得指定个数的目标点的位置坐标，据此获得了用户的先验知识信息，使用随机森林架构进行回归训练，包括对随机森林中的每一棵回归树进行训练，包括以能量模型为基准，进行弱分类器模型和叶子节点预测模型的训练，此外，还要通过随机模型控制随机森林的随机性能，据此得到进行胸腔X光片中目标点位置预测的随机森林回归器。

4.根据权利要求1所述的基于随机森林回归的胸腔X光片肋骨检测方法，其特征在于：步骤(3)中获得每个图像块对目标点位置的预测结果时，采用整幅图像中的单个图像块对目标点位置进行预测的方法，并使用多图像块投票机制，整合了所有图像块的预测结果。

5.根据权利要求1所述的基于随机森林回归的胸腔X光片肋骨检测方法，其特征在于：步骤(2)中指定个数的目标点是：使用用户自主点取的5个标识点对目标肋骨进行标记。