[发明专利]多时序图像处理方法、电子设备及存储介质

权利要求书

1.一种多时序图像处理方法，其特征在于，包括以下步骤：

1)多时序感兴趣区域分割：

对一个病人的一个时相的组织图像进行感兴趣区域分割，获得J个ROI图像；

2)感兴趣区域综合特征提取：

计算每个ROI图像的7个特征向量，包括：一阶统计矩特征向量F_fos、计算三维形状特征向量F_s3d、灰度共生矩阵特征向量F_glcm、灰度行程矩阵特征向量F_glrlm、灰度区域大小矩阵特征向量F_glszm、相邻灰度差分矩阵特征向量F_ngtdm及灰度相关矩阵特征向量F_gldm，将同一个ROI图像的上述7个特征向量按照行方向逐一拼接成，形成新的特征向量，记作F_i，i＝1,2，…,J，然后将所有ROI图像的F_i按照行方向逐一拼接，得到感兴趣区域的综合特征向量Z；

3)多时序图像特征提取：

对一个病人的m个时相的组织图像按照所述步骤1)和步骤2)的方法，分别提取其综合特征向量，记作Z_m；计算不同Z_m之间的差异矩阵Z_mm’，根据Z_m和Z_mm’计算一个病人的m个时相的组织图像的多时相图像特征向量D_f；

4)图像集处理：

按照所述步骤1)-3)，获得所有病人各自的多时相图像特征向量D_fx，x＝1,2，…,X，X表示病人总数；

对D_fx按照列方向逐一拼接，形成图像集的特征矩阵，记作M；特征矩阵M中的行向量代表同一个病人的多时相图像的特征值向量，特征矩阵M中的列向量代表不同病人的多时相图像中相同特征名的特征值向量；

5)将所述步骤4)得到的特征矩阵M进行特征筛选后通过分类器进行分类，获得图像处理结果。

2.根据权利要求1所述的多时序图像处理方法，其特征在于，所述步骤1)具体包括：

1-1)对一个病人的一个时相的组织图像进行组织分割，分割后组织区域的像素值保留，其余部位的像素置0，分割的图像记作I_lung；

1-2)灰度标准化：

a)在原图像中选择某一个已进行了组织分割的图像区域作为基准区域，计算其图像灰度均值，记作p_base；对组织区域的像素进行灰度偏置，偏置后的像素值p＝p_ori-p_base，偏置后的图像记作I_shift；其中，p_ori表示原图像的像素灰度；

b)设置图像阈值集合，记作τ_i，i＝1,2，…,J，由τ_i对I_shift进行阈值分割，高于阈值的像素保留原像素值，小于阈值的像素值置零，分割后的图像记作I_i-binary；

I_i-binary的非零像素区域为原始图像中的感兴趣区域，即一个多时序图像经过J个阈值分割处理后，将产生J个ROI图像，J个ROI图像为感兴趣区域，后续将在J个ROI图像上分别提取特征。