[发明专利]一种图像特征识别方法

说明书

本发明提供了一种图像特征识别方法，包括提供图像数据集，对所述图像数据集中的每个图像进行形态学处理，并将形态学处理后的图像和原图像结合；将结合后的图像根据已知的标签使用矩形框标出设定特征的位置；将所述图像数据集中的图像随机分为训练集和验证集；利用深度残差网络标记所述设定特征点的位置并对所述训练集进行学习训练，以得到神经网络；利用所述神经网络对所述验证集中的图像进行试验，直到所述神经网络达到控制要求。本发明使用残差网络有效地提高了图像中设定特征位置识别的准确度，并且未对图像的轮廓进行分割处理，可以有效地保留了图像中的所有特征，取得良好的实验结果。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像特征识别方法。

背景技术

在肺部肺结节的检测过程中，影像学医师在根据图像影像来诊断肺部疾病的过程中，通常情况下根据自身多年的诊断经验对图像中的肺结节进行定性分析，会出现不同的影像学医师得到有分歧的诊断结果，以至于在诊断结果上存在很大的主观性。因此研究人员通过计算机辅助技术与医学图像相结合，提高图像中肺结节的检出率。将计算机视觉技术与X光图像相结合，可以减少因为医务人员的个体差异对肺部肺结节判断的差异性。

通过使用机器学习、深度学习以及图像处理技术对图像进行处理，从而降低医务人员在读取图像时的主观随意性，因此使用计算机辅助诊断技术以及计算机算法对图像肺结节进行识别检测具有很大的研究意义。传统的肺结节定位方法主要为通过滑动窗口的方法将图像分为大小相同的几块并进行斑点检测，其在一定程度上造成图像某些肺结节影像的特征丢失。同时使用传统检测方法识别肺结节位置时，使实验得到的假阳性肺结节个数较多。

发明内容

本发明的目的在于提供一种图像特征识别方法，以解决现有的图像处理方法无法准确识别图像中设定特征、误识别几率大的问题。

为了达到上述目的，本发明提供了一种图像特征识别方法，包括：

提供图像数据集，对所述图像数据集中的每个图像进行形态学处理，并将形态学处理后的图像和原图像结合；

将结合后的图像根据已知的标签使用矩形框标出设定特征的位置；

将所述图像数据集中的图像随机分为训练集和验证集；

利用深度残差网络标记所述设定特征点的位置并对所述训练集进行学习训练，以得到神经网络；

利用所述神经网络对所述验证集中的图像进行试验，直到所述神经网络达到控制要求。

可选的，对所述图像数据集中的每个图像进行形态学处理的步骤包括：

设置两个框架结构元素，选择5*5的椭圆形核结构与8*8的椭圆形核结构；

利用8*8椭圆形核结构对每个图像进行形态学膨胀，以去除图像边缘的细节；

利用5*5椭圆形核结构对每个图像再次进行形态学膨胀，以对图像的边缘轮廓进行增强。

可选的，所述矩形框的尺寸与所述设定特征面积的大小正相关。

可选的，在进行学习训练时，当所述训练集的损失值介于0.009～0.004之间时得到所述神经网络。

可选的，所述深度残差网络包括恒等残差块及卷积残差块。