[发明专利]一种基于自组织映射方法的骨关节炎疾病检测系统

权利要求书

1.一种基于自组织映射方法的骨关节炎疾病检测系统，其特征在于，主要包括数字图像处理(一)；数据处理(二)；自组织映射(SOM)(三)。

2.基于权利要求书1所述的数字图像处理(一)，其特征在于，数字图像是一种存储于电脑文件中并且能用电脑处理的图像；数字图像是以一个二维数组或者是一个矩阵的形式被处理(矩阵的每个元素都可以表示图像的元素值)；数字图像的基本元素主要有亮度、对比度、轮廓、颜色、形式和纹理；数字图像处理目的是改善图像质量。

3.基于权利要求书2所述的改善图像质量，其特征在于，因为在图像信号传输的过程中产生的图像噪声会导致图像亮度太低或太高、模糊等问题，所以图像质量改善是必要的；图像质量改善过程包括：改变亮度、对比度扩展、直方图均衡化、平滑图像、边缘调整和显色调整。

4.基于权利要求书1所述的数据处理(二)，其特征在于，主要包括：灰度化、阈值转换、图像直方图和数据归一化。

5.基于权利要求书4所述的灰度化，其特征在于，灰度图像是由RGB(红绿蓝)色彩空间中只含有灰色的色阶进行灰度化处理后得到；灰度图像以8位形式存储每一个采样像素，光强度允许值达到256；改变图像颜色需要一个特征矩阵，将每一个像素点颜色对应的X值输入，求平均值后就完成了图像灰度化；

I(x，y)＝R(x，y)+G(x，y)+B(x，y)/3 (1)

由上式可得到灰度图像。

6.基于权利要求书4所述的阈值转换，其特征在于，阈值转换是根据灰度值分离像素点的过程，可用于分离图像的近景区域和远景区域；像素点的灰度值小于某个特定值就为0，若像素点的灰度值大于某个特定值就为1；阈值转换过程本质上是图像的量化转换；

由上式可以根据需要改变图像的灰度值。

7.基于权利要求书4所述的图像直方图，其特征在于，图像直方图可直观显示出图像灰度值的分布；

直方图各值可由上式得到；其中，n_i是灰度值为i的像素点个数，n是像素点的总数，h_i是灰度值为i的概率。

8.基于权利要求书4所述的数据归一化，其特征在于，数据归一化是以相同的尺度将不同数值的范围和间隔进行分组；利用归一化对提取结果的不同特征值赋予相等的权重；对于矢量的归一化可以使用最小-最大归一化法：

其中，D′是数据归一化的结果，D是归一化之前的值，U是上限值，L是下限值。

9.基于权利要求书1所述的自组织映射(三)，其特征在于，自组织映射(SOM)首次应用在基于人工神经网络的网络训练方法；SOM神经网络的算法如下：

(1)给出特征向量矩阵的大小k x m(k是特征向量的维度，m是数据量)，然后进行初始化；

(2)执行第一次迭代；

(3)从1到m计算向量图像，对所有的j，确定D(j)的最小值，用D(j)的最小值改变j的权重系数；

(4)为下一次迭代更改学习率：α(t+1)＝0，5α(t)；

(5)测试终止条件：如果权重系数Wji与之前的迭代只有非常微小的改变，则迭代达到收敛而停止；

(6)通过最优权重计算距离向量来使用权重系数Wji(该权重系数收敛于每个图像的分组特征向量)；

(7)将图像分为两类：若D(1)<D(2)，则图像被归为正常类；若D(1)>D(2)，则图像被归为缺陷类。

10.基于权利要求书9所述的初始化，其特征在于，初始化的内容包括：对期望值j的数量、元素i和特征向量矩阵的数量、向量X_m，i(矩阵的列)的数量、初始权重系数Wji随机取0或1、初始学习率α(0)和迭代的数量进行初始化。