[发明专利]一种LTP与HOG特征融合的乳腺肿瘤检测系统与方法

权利要求书

1.一种LTP与HOG特征融合的乳腺肿瘤检测方法，其特征在于，包括：

获取采集的乳腺肿瘤图像，建立乳腺肿瘤图像训练样本库；

对样本图像进行自适应二值化处理以及二维离散Haar小波变换，得到4个样本子图像；

所述对样本图像进行自适应二值化处理，具体包括：

对样本图像进行自适应滤波处理，获得滤波样本图像，提高滤波样本图像中目标与背景的灰度对比度，具体步骤包括：

对滤波样本图像进行全局亮度调整，提高滤波样本图像中目标与背景的灰度对比度；

自适应选取邻域计算模板大小；

根据选取的邻域计算模板的大小将滤波样本图像的信息分成信息块；

采用全局与局部阈值结合的方法对每个信息块进行逐点二值化，获得二值样本图像；

从所述4个样本子图像中的低频部分子图像提取HOG特征；从水平方向部分子图、垂直方向部分子图像以及对角线方向部分子图像中提取LTP特征；

LTP特征在尺度方面将原始LBP的圆形邻域结构扩展为一个椭圆的局部结构；

所述从所述4个样本子图像中的低频部分子图像提取HOG特征，从水平方向部分子图、垂直方向部分子图像以及对角线方向部分子图像中提取LTP特征，具体包括：

采用公式：

从水平方向部分子图、垂直方向部分子图像以及对角线方向部分子图像中提取LTP特征；

其中，

p为周围邻域像素点个数，会产生3^p种模式，g_p为第p个邻域像素的灰度值；μ为局部区域像素均值，σ为标准差，Δl为局部纹理反差；

采用公式：

计算局部纹理反差Δl；

其中，sum₁为周边像素g_p中大于或等于中心像素的灰度值和，n₁为个数；sum₂为周边像素g_p中小于中心像素的灰度值和，n₂为个数；

将提取到的HOG特征与LTP特征进行归一化处理，形成HOG-LTP特征；

建立SVM模型；

将所述样本图像作为输入量，所述HOG-LTP特征作为期望输出量对SVM模型进行样本训练；

对待检测的乳腺肿瘤图像进行自适应二值化处理以及二维离散Haar小波变换，得到4个新的样本子图像；

计算得到待检测的乳腺肿瘤图像的HOG-LTP特征；

将计算得到的HOG-LTP特征输入训练后的SVM模型中，检测输入的乳腺肿瘤图像。

2.根据权利要求1所述的一种LTP与HOG特征融合的乳腺肿瘤检测方法，其特征在于，所述采集乳腺肿瘤图像，建立乳腺肿瘤图像训练样本库，具体包括：获取采集的乳腺肿瘤负样本与正样本比例保持在10:1左右；根据获取的乳腺肿瘤负样本与正样本建立乳腺肿瘤图像训练样本库。

3.根据权利要求1所述的一种LTP与HOG特征融合的乳腺肿瘤检测方法，其特征在于，所述对样本图像进行自适应二值化处理以及二维离散Haar小波变换，得到4个样本子图像，具体包括：对样本图像进行自适应二值化处理后，采用公式：

对样本图像进行二维离散Haar小波变换；

Haar小波函数是一个差分函数，可用解析的方法表示为：

等效的频域表示为：

其中，WTx(a,τ)是a和τ的函数，a是尺度因子，τ为平移因子，X(ω)、ψ(ω)分别是x(t)、ψ(t)的傅里叶变换，ψ(t)表示做位移τ后的基本小波函数，x(t)表示待分析信号。