[发明专利]一种图像数据分析方法

说明书

本发明公开了一种图像数据分析方法，包括以下步骤图像及图像数据获取步骤，用以获取图像中选定的特征区域以及所述特征区域的特征数据；所述图像包括测试图像和训练图像；所述训练图像被分成两个以上组别，同一组别的训练图像标识有相同的组别标签；数据模型建立及交叉验证步骤，用以根据所述训练图像中的特征数据和组别标签的映射关系构建数据模型，以及根据所述训练图像中的特征数据对所述数据模型进行至少一次交叉验证处理；测试图像组别判定，用以利用所述测试图像的特征数据及所述数据模型获取所述测试图像的组别标签。

技术领域

本发明涉及图像处理领域，具体为一种图像数据分析方法。

背景技术

三维立体医学图像应用广泛，常见的图像形式包括磁共振成像（MRI）、CT等。三维立体医学图像的图像数据，是指用数值表示的各像素灰度值的集合。在进行图像数据分析时，特别是对于三维立体医学图像分析时，怎样提取图像中的特征区域具体的特征值，以及怎样利用这些特征进行数据深度挖掘和分析，预判特征与图像标签变化的关联，是目前需要解决的问题。

发明内容

本发明的目的是：提供一种图像数据分析方法，能够根据图像的多尺度视觉特征，计算或者预判与图像视觉特征相关的标签。

实现上述目的的技术方案是：一种图像数据分析方法，包括以下步骤图像及图像数据获取步骤，用以获取图像中选定的特征区域以及所述特征区域的特征数据；所述图像包括测试图像和训练图像；所述训练图像被分成两个以上组别，同一组别的训练图像标识有相同的组别标签；数据模型建立及交叉验证步骤，用以根据所述训练图像中的特征数据和组别标签的映射关系构建数据模型，以及根据所述训练图像中的特征数据对所述数据模型进行至少一次交叉验证处理；测试图像组别判定，用以利用所述测试图像的特征数据及所述数据模型获取所述测试图像的组别标签。

在本发明一较佳的实施例中，所述图像及图像数据获取步骤包括图像多尺度分解步骤，分解所述图像中的特征区域，获取在每一尺度下分解得到的前景图像和背景图像，其中，将当前的尺度分解得到的前景图像作为下一尺度分解的图像；特征数据提取步骤，提取所有尺度下的前景图像和背景图像中的特征数据，该特征数据包括视觉特征数据。

在本发明一较佳的实施例中，所述图像多尺度分解步骤中，包括迭代法分解图像步骤，即采用TV-L1模型算法进行特征区域的图像分解，得到每一尺度分解后的前景图像和背景图像。

在本发明一较佳的实施例中，所述迭代法分解图像步骤，包括参数设置步骤，设置所述TV-L1模型的当前的尺度参数；分解步骤，根据完成所述尺度参数设置的所述TV-L1模型对所述图像的特征区域进行分解，得到当前的前景图像和背景图像；判断步骤：判断当前的所述尺度参数是否达到预设值；若是，则完成所述图像多尺度分解步骤；若否，则将当前的尺度参数乘以一常数，得到下一尺度参数，并将当前的前景图像作为下一尺度分解的图像，返回分解步骤，多尺度循环分解，直至所述尺度参数达到预设值。

在本发明一较佳的实施例中，所述图像及图像数据获取步骤中包括图像分割处理步骤，用以根据所述特征区域对图像进行分割处理，得到含有特征区域的掩模，并标记对应的组别标签。

在本发明一较佳的实施例中，在所述分割处理图像后，还包括特征区域规则化处理步骤，用以在多尺度分解之前，提取特征区域，根据各特征区域内像素的灰度值分布，对所述特征区域进行规则化处理，使所述特征区域内的像素均值和方差相等。

在本发明一较佳的实施例中，所述图像及图像数据获取步骤中包括图像标准化处理步骤，用以对所述特征区域进行校正和降噪处理。

在本发明一较佳的实施例中，所述图像标准化处理步骤包括图像校正步骤，采用N3 Correction算法对图像进行校正，即通过一个预设的概率模型估测图像的偏移场，并根据预测得到的偏移场对图像的伪影进行修正；图像降噪处理步骤，采用Non-local meandenoising算法对图像降噪处理。