[发明专利]一种白内障病理图像分数域属性显著图提取方法

权利要求书

1.一种白内障病理图像分数域属性显著图提取方法，其特征在于，包括以下步骤：

步骤1：对输入的白内障病理图像进行水平方向和竖直方向上的最优阶分数域S变换，得到水平方向最优阶分数域S变换结果和竖直方向最优阶分数域S变换结果；

步骤2：对水平方向分数域和竖直方向分数域进行Teager主能量属性和频率衰减属性的提取，得到水平方向Teager主能量属性图和频率衰减属性图、竖直方向Teager主能量属性图和频率衰减属性图；

步骤3：将水平方向Teager主能量属性图和频率衰减属性图、竖直方向Teager主能量属性图和频率衰减属性图进行归一化处理，得到属性显著图。

步骤1具体包括如下步骤：

步骤1.1：初始化水平方向行变量x和竖直方向列变量y，具体地：

初始化水平方向行变量x＝ir，取值范围为[ir，ar]，

初始化竖直方向行变量y＝ic，取值范围为[ic，ac]，

其中，ir表示最小行，ar表示最大行，ic表示最小列，ac表示最大列；

步骤1.2：提取白内障病理图像第x行信号h(x)和第y列信号v(y)；

步骤1.3：计算第x行信号h(x)和第y列信号v(y)在0.5阶次和1阶次下的分数域傅里叶变换(FRFT)，得到分数阶信号S_0.5(u)和S₁(u)，FRFT的变换公式如下：

其中，s(t)为第x行信号h(x)和第y列信号v(y)，a为FRFT的分数阶阶次，u为分数域变量，H_a(u，t)为FRFT的变换核，θ为旋转角，θ＝aπ/2；

步骤1.4：根据步骤1.3得到的S_a(u)，计算归一化一阶原点矩μ₀和μ₁、归一化二阶原点矩v₀、v₁、v_0.5、混合二阶矩m₀和归一化二阶中心矩c₀和c₁，

步骤1.5：根据步骤1.4的混合二阶矩m₀、归一化二阶中心矩c₀和c₁求得a阶次的解a₁和a₂，并计算输入信号a₁阶次和a₂阶次的FRFT，得到分数阶信号和a的求解公式为：

其中，m₀为S_a(u)0阶次的混合二阶矩，N为变量，取值为{0，1，2，3，4}，c₀和c₁为S_a(u)0阶次和1阶次的归一化二阶中心距，a的取值范围为[0，2]，并且要满足

步骤1.6：根据步骤1.5求得的和计算其最大模值和

步骤1.7：比较和的大小，如果最优阶否则，

步骤1.8：根据步骤1.7求得的OptOrder，计算最优阶次下的频率域高斯窗函数G_a(u，f)，并计算行信号和列信号的傅里叶频谱其中最优阶次下的频率域高斯窗函数的计算公式为：

其中，u为分数域变量，f为频率变量，op+1为FRFT的阶次，op为步骤1.7求得最优阶，θ为旋转角，θ＝(0p+1)π/2；

步骤1.9：对步骤1.8求得的G_a(u，f)和的乘积进行反傅里叶变换，得到最优阶分数域S变换的结果OFrST_a(t，f)；

步骤2具体包括如下步骤：

步骤2.1：根据步骤1.9求得在频率为f时的最优阶分数域S变换的结果OFrST_a(t，f)，计算出TK能量，其计算公式如下：

rel(t，f)＝r(OFrST_a(t，f))²-r(OFrST_a(t-1，f))*r(OFrST_a(t+1，f))

ima(t，f)＝im(OFrST_a(t，f))²-im(OFrST_a(t-1，f))*im(OFrST_a(t+1，f))

TK(t，f)＝rel(t，f)+ima(t，f)

其中，r(·)表示取实部，im(·)表示取虚部，rel(t，f)表示实部TK能量，ima(t，f)表示虚部TK能量，TK(t，f)表示TK能量；

步骤2.2：根据步骤2.1求得的TK能量，计算Teager主能量，其计算公式为：

其中，TN(t)表示Teager主能量，TK(t，f)为步骤2.1求得的TK能量，f表示频率变量；

步骤2.3：根据步骤1.9求得在频率为f时的最优阶分数域S变换的结果OFrST_a(t，f)，计算出频率衰减梯度，其计算公式如下：

fa(t_i)＝d(M，N)

其中，fa(t_i)表示t_i位置的频率衰减数值，E(t_i)表示位置的总能量，M表示能量为E(t_i)0.65倍的点，N表示能量为E(t_i)0.85倍的点，d(·)表示梯度运算；

步骤2.4：执行步骤2.3后，判断水平方向行变量和竖直方向列变量的值是否循环遍历了所有值，若没有，则将水平方向行变量和竖直方向列变量自增后，继续执行步骤1.2到步骤2.3，否则跳出循环后跳至步骤2.5；

步骤2.5：循环遍历所有水平方向行变量和竖直方向列变量的值后，得到水平方向Teager属性图和频率衰减属性图、竖直方向Teager属性图和频率衰减属性图，计算公式如下：

TKN_h(x，y)＝{TN_i，i∈[ir，ar]}

TKN_v(x，y)＝{TN_j，j∈[ic，ac]}

FAG_h(x，y)＝{fa_i，i∈[ir，ar]}

FAG_v(x，y)＝{fa_j，j∈[ic，ac]}

其中，TKN_h(x，y)和FAG_h(x，y)表示水平方向Teager主能量属性图和频率衰减属性图，TKN_v(x，y)和FAG_v(x，y)表示竖直方向Teager主能量属性图和频率衰减属性图，TN_i表示步骤2.2所求的第x行一维信号h的Teager主能量，TN_j表示步骤2.2所求的第y列一维信号v的Teager主能量，fa_i表示步骤2.3所求的第x行一维信号h的频率衰减属性，fa_j表示步骤2.3所求的第y列一维信号v的频率衰减属性，ir表示最小行，ar表示最大行，ic表示最小列，ac表示最大列。