[发明专利]基于纹理特征分类的图像处理装置及方法

权利要求书

1.一种基于纹理特征分类的图像处理装置，其特征在于，包括：

图像提取模块，用于获取仅包含股骨头的图像；

图像预处理模块，对获取的图像进行灰度量化；

特征向量提取模块，用于计算灰度共生矩阵，并提取纹理特征向量，包括：灰度共生矩阵构建单元，选取距离差分值(a，b)，并沿0°,45°,90°,135°四个方向进行逐点滑动扫描，得到四个灰度共生矩阵，分别如下所示：

P_0°.d(a,b)＝|{[(k,l),(m,n)]∈D:k-m＝0,|l-n|＝d,f(k,l)＝a,f(m,n)＝b}|

P_45°.d(a,b)＝|{[(k,l),(m,n)]∈D:(k-m＝d,l-n＝-d)∨(k-m＝-d,l-n＝d),f(k,l)＝a,f(m,n)＝b}|

P_90°.d(a,b)＝|{[(k,l),(m,n)]∈D:|k-m|＝d,l-n＝0,f(k,l)＝a,f(m,n)＝b}|

P_135°.d(a,b)＝|{[(k,l),(m,n)]∈D:(k-m＝d,l-n＝d)∨(k-m＝-d,l-n＝-d),f(k,l)＝a,f(m,n)＝b}|

式中，(a,b)为选取的距离差分值，(k,l)为原始的像素坐标，(m,n)为偏移之后的像素坐标，d为原始像素点与偏移后像素点之间的距离，D为图像，f(k,l)为原始像素点的灰度值，f(m,n)为偏移后像素点的灰度值；和特征向量构建单元，用于构建纹理特征向量，选择四个灰度共生矩阵的能量、熵、相关性和对比度作为统计量，分别如下式表示，

能量：

熵：

相关性：

对比度：

式中，M(i,j)表示灰度共生矩阵的值；以及

特征分类模块，包括分类器构建单元，构建分类器，将纹理特征向量输入构建形成的分类器进行分类，输出分类结果0或1,0表示股骨头正常，1表示股骨头异常。

2.根据权利要求1所述的基于纹理特征分类的图像处理装置，其特征在于，所述分类器构建单元包括：

数据输入子单元，输入纹理特征向量数据集和分类标签，获取样本总数N和特征维数M；

条件设置子单元，根据样本总数设置随机森林中决策树的数目Num，设置叶子节点最小尺寸、停止分裂条件以及是否剪枝；

训练集形成子单元，从N个样本中有放回地抽样N次，形成一个训练集；

决策树形成子单元，对于每一个叶子节点，随机选取t个特征，且t小于M，计算t个特征中每个特征对应的信息量，选择其中一个特征作为分类依据，确定叶子节点的分裂方式，形成决策树；以及

分类器形成子单元，构造Num棵决策树，形成随机森林分类器。

3.根据权利要求2所述的基于纹理特征分类的图像处理装置，其特征在于，所述信息量包括基尼指数，基尼指数通过下式计算：

其中，p_r表示分到第r个类别的概率，R表示类别总数。

4.根据权利要求2所述的基于纹理特征分类的图像处理装置，其特征在于，所述条件设置子单元中，决策树的数目Num在[50,100]范围内。

5.根据权利要求2所述的基于纹理特征分类的图像处理装置，其特征在于，所述条件设置子单元中，叶子节点最小尺寸设置为1，停止分裂条件设置为决策树的高度为4或者每个叶子节点的样本数目小于5，是否剪枝设置为否。

6.根据权利要求2所述的基于纹理特征分类的图像处理装置，其特征在于，所述决策树形成子单元中，t的取值为或

7.根据权利要求1所述的基于纹理特征分类的图像处理装置，其特征在于，所述图像预处理模块中，获取的图像的灰度值为0～255，对获取的图像进行灰度降级，选择灰度降级为Q，则降级后的图像灰度值为：

Gray'(i,j)＝[Gray(i,j)/Q]

式中，[]表示向下取整，Gray(i,j)表示获取的图像的灰度值，Gray'(i,j)表示降级后的图像灰度值。