[发明专利]一种基于角点检测的医学图像处理方法

权利要求书

1.一种基于角点检测的医学图像处理方法，其特征是：

步骤一：选择待处理的医学图像，判断是否是灰度图像，如不是则转换为灰度图像，进行二值化、降噪预处理；

步骤二：对经过预处理的图像提取Harris角点，

首先分别计算每个像素点的积分尺度和微分尺度，计算微分掩膜，获得多尺度上图像的像素自相关矩阵，之后设置一个邻域范围，查询该邻域内的极值，并设定一个邻域极值的阈值，查找高于邻域极值阈值的点；

步骤三：在得到经过筛选的点之后，计算尺度归一化算子，检测每个点在某一个尺度响应值是否达到最大，若某一个值达到最大，则证明该点是要找的角点，获得提取的角点矩阵；

步骤四：通过步骤三，获得了图像的角点矩阵之后将获得的点在图像中绘制出来，之后将角点矩阵传给聚类算法，进行聚类处理；

步骤五：首先给出一个K值，将数据集分为K个类，按照Kmeans算法进行聚类处理，之后计算每个聚类的距离矢量，满足条件的两个类合为一个，并用相似度矩阵作为判别函数，相似度低于阈值的类，不再进行合并，所述判别函数是角点之间的相似度矩阵，相似度表示为：

其中||X||＝(X^TY)^1/2||Y||＝(Y^TY)^1/2，X(x,y)表示的是最近聚类中心相似程度，数值越大表示越相似。

2.根据权利要求1所述的基于角点检测的医学图像处理方法，其特征是所述提取Harris角点的主要步骤如下：

1)计算待处理图像的I(x,y)在X和Y两个方向的梯度Ix、Iy：计算出图像在x方向的梯度算子的模板，通过Ix＝filter2(fx,ori_im)计算得到两个方向的滤波；

2)两个方向的梯度由Ix2＝Ix^2，Iy2＝Iy^2得到，在此基础上计算图像两个方向梯度的乘积Ixy＝Ix*Iy；

3)使用高斯函数对和I_xy进行高斯加权，取σ＝1，生成7*7的高斯窗口，并通过高斯函数生成矩阵M的元素A、B和C，使用公式计算得到A、B、C

其中w是加权函数，为常数或高斯加权函数；

4)将第3)步生成的M带入下面公式中，计算得到每个像素点的Harris响应值R，并将小于阈值t的R值置为零，

R＝{R:detM-α(traceM)^2t}；

5)在3×3或5×5的邻域内进行非极大值抑制，其中得到的局部最大值点即为图像中的角点。