[发明专利]一种射线图像标记信息检测方法及系统

权利要求书

1.一种射线图像标记信息检测方法，其特征在于，包括以下步骤：

S1、对原始图像进行灰度化、滤波降噪、边缘检测、区域填充、去除干扰点和积分投影操作，获得标记区域块；

S2、对步骤S1获得的标记区域块进行数据增强和数据归一化处理，构建标记区域块数据集；

S3、搭建卷积神经网络分类器，将处理图像数据的卷积神经网络作为分类器的主通道，添加标记区域块自身信息作为辅助通道，在第一个全连接层前将特征与卷积神经网络主通道提取的特征进行融合得到新的特征集合；最后通过Softmax函数，获得输出类别的概率信息，具体为：

在卷积池化层和全连接层之间增加数据归一池化层，用于将全连接层的输入数据归一化为标准尺寸；构建标记区域块自身信息通道为辅助通道，在标记区域块图像作为输入进入网络的同时，标记区域块自身特征信息以特征向量的形式通过辅助通道直接传递到全连接层前，在第一个全连接层之前，将标记区域块图像自身特征信息与卷积神经网络主通道提取到的特征进行融合，得到新的特征集合，对图像特征进行强化；卷积神经网络最后通过Softmax函数，获得输出类别的概率信息P(Y＝Y_i)，实现标记区域块的分类；

S4、将步骤S2构建的标记区域块数据集分为训练集和测试集；将训练集的标记区域块图像数据和标记区域块位置尺寸信息作为步骤S3搭建的卷积神经网络分类器的输入，训练卷积神经网络分类器，将测试集作为训练好的卷积神经网络分类器的输入，输出标记区域块所属类别的结果；

S5、根据步骤S4标记区域块的分类结果进行聚合或区分：对不同类的标记块进行类别区分，对相同类的标记块进行区域聚合，得到最终的射线图像标记信息检测结果，具体为：标记区域块被分类之后，当标记块被分成不同类别时，则将标记块视为不同的类别，进行区分；标记区域块被分类之后，当标记块被分成相同的类别时，如果定位信息处于相同的行，进行聚合；如果处于不同的行，不进行聚合；根据标记区域块聚合规则，获得射线图像标记信息的最终检测结果。

2.根据权利要求1所述的方法，其特征在于，步骤S1具体为：

S101、读入射线图像并将其灰度化，得到灰度图像f(x,y)；利用双边滤波函数对灰度图像进行去噪平滑处理，得到去噪后的图像I(x,y)；采用Canny边缘检测算子对去噪后的灰度图像进行边缘检测，获得包含边缘信息的二值图像；

S102、采用数学形态学中的膨胀运算，对边缘进行连接，得到具有连续边界的图像后，在图像内部确认一点，设为初始种子点B₀，然后以B₀为基准进行循环膨胀，得到区域填充后的二值化图像，删除二值化图像中的白色干扰点，得到去除干扰点的填充图像；

S103、采用水平积分投影，对二值化图像上的标记信息进行水平位置定位；采用垂直积分投影，对二值化图像上的标记信息进行竖直位置定位，在积分投影中，搜索满足条件的峰值，去除宽度小于标记字符高度的峰，根据峰间间隔小于字符高度的空隙进行合并，得到标记信息在原始射线图像的位置信息，形成标记区域块。

3.根据权利要求1所述的方法，其特征在于，步骤S2具体为：

S201、对射线图像进行处理，制作标记区域块数据集所需的图像信息；

S202、对原始射线图像进行旋转180°、水平翻转和竖直翻转等方式的处理，增加样本图像数量，根据步骤S201扩充标记区域块数据集；

S203、对标记区域块图像进行尺寸归一化预处理，高归一化为64，宽按比例归一化为64的整数倍，规范标记区域块数据集的样本标准。

4.根据权利要求1所述的方法，其特征在于，步骤S3中，卷积神经网络分类器主通道前半部分结构包括三个卷积层+卷积层+池化层的结构，卷积层通道数依次为16、16、32、32、64、64，卷积核滤波器大小均为3×3；每层卷积操作后都采用ReLU函数作为激活函数；采用最大池化策略，池化窗口大小为2×2，步幅为2；卷积神经网络分类器后半部分结构是两个全连接层+Dropout的结构，Dropout的比率取为0.5。