[发明专利]一种基于图片相似度计算的脑纤维视角自动选择方法

权利要求书

1.一种基于图片相似度计算的脑纤维视角自动选择方法，其特征在于，所述方法包括以下步骤：

1)导入纤维样本数据和待判定纤维数据，使用Paraview软件绘制成三维图像；

2)运行自动视角旋转脚本，分别绕不同方向轴、以不同角度大小来进行图像旋转，并记录每次旋转之后的一组对比图片；

3)通过使用直方图和尺度不变特征计算方法，计算每组图片的相似度，寻找差异最大的视角；

4)获取差异最大的视角之后，对图片进行聚类分析。由于纤维数据量较大，此处通过降维处理以损失一些次要信息的代价换取更加精简的数据，然后进行后续的聚类分析；

5)获得聚类结果之后，根据结果来对纤维数据进行抽象，对原始的纤维数据进行抽象简化，提取重要信息，从而达到分析纤维结构特征的目的。

2.根据权利要求1所述的一种基于图片相似度计算的脑纤维视角自动选择方法，其特征在于，所述步骤3)中，利用图片相似度计算来寻找与标准样本对比差异最大的视角，自动定位最有研究价值的三维空间视角，解决手动寻找最佳研究视角工作繁琐且无法定量的问题。

3.根据权利要求1或2所述的一种基于图片相似度计算的脑纤维视角自动选择方法，其特征在于，所述步骤3)的过程如下：

3.1)图像直方图包含丰富的图像信息，能够用来描述图像中颜色的全局分布，它统计了每一个强度值具有的像素个数，直方图为图像的灰度直方图，总体分布规则为“左黑右白”，左边代表暗部，右边代表亮部，而中间则代表过度区域，纵向上的高度代表像素密集程度，其越高则代表的就是分布在这个亮度上的像素越多；

3.2)尺度不变特征转换是一种用来描述与检测影响局部性特征的视觉算法，它在空间尺度中寻找相应的极值点，提取旋转不变量、位置、尺度。

4.根据权利要求1或2所述的一种基于图片相似度计算的脑纤维视角自动选择方法，其特征在于，所述步骤4)的过程如下：

4.1)数据预处理，假设有m条具有不同节点数量的纤维，为了能对其进行矩阵运算，需要将所有纤维的节点数量扩展或缩减成相同数量，系统将所有的纤维延展成相同的长度，但是需要保证添加的节点对现有的信息造成的影响要尽可能小；在扩展每一条纤维时，可按照纤维末端走向延长较小的长度，或者重复增加与末尾端点重合的点，这样在不会引入多余的信息的同时达到扩展数据长度的目的，经过处理后最终可得到n维样本集γ_n＝(x⁽¹⁾,x⁽²⁾,…,x^(m))，为列向量；

4.2)数据中心化，将坐标原点移动到样本数据的中心点，其公式为：

4.3)计算样本的协方差矩阵并进行特征值分解，协方差计算公式为：

4.4)得到特征值之后取出最大的Φ个特征值对应的特征向量，将其标准化组成特征向量矩阵W，对样本集中的每个数据进行z⁽ⁱ⁾＝W^Tx⁽ⁱ⁾转换即可得新的数据集，也可不指定Φ，按照如下公式及设定的比重阈值进行自动计算：