[发明专利]识别脊柱矢状位图像异常的方法及计算设备

权利要求书

1.一种识别脊柱矢状位图像异常的方法，所述方法适于在计算设备中执行，所述方法包括步骤：

从所述脊柱矢状位图像中截取出每块椎骨的感兴趣区域，生成至少一个感兴趣区域图像；

提取每个所述感兴趣区域图像的至少一个特征；

基于所述至少一个特征生成每个感兴趣区域图像的特征向量；

将所述特征向量输入预设分类模型，以确定所述感兴趣区域图像的类别；以及

基于所述感兴趣区域图像的类别判断其对应的感兴趣区域是否异常，

其中，所述至少一个特征包括：局部纹理特征、方向梯度的金字塔直方图特征、亮度直方图特征和胡矩特征，所述提取每个所述感兴趣区域图像的至少一个特征的步骤还包括：

提取感兴趣区域图像的方向梯度的金字塔直方图特征；

计算感兴趣区域图像的方向梯度的金字塔直方图特征与预设方向梯度的金字塔直方图特征的余弦相似度；

若所述余弦相似度不大于阈值，则提取该感兴趣区域图像的至少一个特征中的其它特征；

若所述余弦相似度大于阈值，则从所述至少一个感兴趣区域图像中过滤掉该感兴趣区域图像。

2.如权利要求1所述的方法，还包括利用训练图像训练生成预设分类模型的步骤，包括：

提取所述训练图像的至少一个特征；

基于所述至少一个特征生成每个训练图像的特征向量；以及

将所述训练图像的特征向量及标签输入预训练的分类模型，基于决策函数生成预设分类模型。

3.如权利要求2所述的方法，其中，在所述提取训练图像的至少一个特征的步骤之前，还包括步骤：

从脊柱矢状位图像中截取出每块椎骨的感兴趣区域；以及

将所截取的感兴趣区域缩放到预定尺寸，作为训练图像。

4.如权利要求3所述的方法，其中，所述预设方向梯度的金字塔直方图特征根据所有训练图像的方向梯度的金字塔直方图特征确定。

5.如权利要求4所述的方法，其中，所述从脊柱矢状位图像中截取出每块椎骨的感兴趣区域、生成至少一个感兴趣区域图像的步骤包括：

以相邻椎骨的中心点的连线为边生成对应的正方形，其中所述正方形包含感兴趣区域；以及

从所述脊柱矢状位图像中截取出每个正方形，作为感兴趣区域图像。

6.如权利要求5所述的方法，其中，提取局部纹理特征的步骤包括：

对感兴趣区域图像中的每个像素，通过判断以其为中心的邻域内各像素与其的大小关系，生成所述像素的二进制值；以及

利用直方图统计所有像素的二进制值，生成第一长度的局部纹理特征。

7.如权利要求6所述的方法，其中，提取方向梯度的金字塔直方图特征的步骤包括：

根据不同的预定尺度将感兴趣区域图像分割成不同数量个子图像；

在每种预定尺度下，

计算每个子图像中各像素点的梯度方向和梯度幅值；

根据各像素点的梯度方向和梯度幅值生成该预定尺度下感兴趣区域图像的方向梯度直方图特征；

拼接不同预定尺度下的方向梯度直方图特征，生成所述感兴趣区域图像的第二长度的方向梯度的金字塔直方图特征。

8.如权利要求7所述的方法，其中，提取亮度直方图特征的步骤包括：

统计感兴趣区域图像中各亮度值的像素个数；

计算各亮度值的像素个数占所述感兴趣区域图像像素总数的概率值；以及

基于所述概率值生成第三长度的亮度直方图特征。

9.如权利要求8所述的方法，其中，提取胡矩特征的步骤包括：

计算感兴趣区域图像的二阶和三阶归一化中心矩；

根据所述二阶和三阶归一化中心矩计算出7个不变矩；

拼接所述7个不变矩得到初始胡矩特征；以及

对所述初始胡矩特征进行取对数运算，生成第四长度的胡矩特征。