[发明专利]一种腰椎侧位图像快速分类方法

权利要求书

1.一种腰椎侧位图像快速分类方法，其特征在于，包括如下步骤：

S1：采集腰椎侧位图像，于腰椎侧位图像上选取感兴趣区域；

S2：获取纹理特征；

S3：特征选择后二次提取；

S4：进行分类器识别过程，得到分类结果。

2.根据权利要求1所述的一种腰椎侧位图像快速分类方法，其特征在于，所述步骤S3中特征选择后二次提取过程采用可控金字塔非线性增强算法，所述可控金字塔非线性增强算法具体包括如下步骤：

S31：采用四个方向的高频子带系数作为方向梯度估计局部对比度；

S32：根据多模式选择策略将图像划分成低对比度细节区域、可能的边缘区域和平滑区域；

S33：对可能的边缘区域进行边缘检测，得到目标修正边界；

S34：对不同区域的高频子带采用多模式非线性映射函数；

S35：将调整后的可控金字塔系数进行逆变换，执行图像重建步骤。

3.根据权利要求1所述的一种腰椎侧位图像快速分类方法，其特征在于，所述步骤S1于腰椎侧位图像上选取感兴趣区域之前先对腰椎侧位图像采用LI-MMSE算法执行去噪步骤S5。

4.根据权利要求3所述的一种腰椎侧位图像快速分类方法，其特征在于，所述去噪步骤S5具体包括如下步骤：

S51：对腰椎侧位图像进行双树复小波变换得到低频子带和高频子带；

S52：用窗口大小为N_k的局部方差估计噪声参数σ_n和σ_k；

S53：采用MMSE估计修正高频子带系数；

S54：对调整后的高频小波系数进行逆小波变换，执行图像重建步骤。

5.根据权利要求2或3所述的一种腰椎侧位图像快速分类方法，其特征在于，所述图像重建步骤具体为在每一级分解得到的低频子带和高频子带经由对比增强处理后相加得到处理后的图像。

6.根据权利要求1所述的一种腰椎侧位图像快速分类方法，其特征在于，分类器识别过程采用BP神经网络、回归树或SVM分类器中任一种或几种的组合。

7.根据权利要求1所述的一种腰椎侧位图像快速分类方法，其特征在于，采用灰度共生矩阵法获取纹理特征，所述纹理特征包括自相关系数、对比度、相关性、突出聚类、阴暗聚类、非相似性、能量、熵、同质度、最大概率、方差、和平均、和方差、和熵、差方差、差熵、相关信息度A、相关信息度B、归一化逆差以及归一化逆差距。

8.根据权利要求1所述的一种腰椎侧位图像快速分类方法，其特征在于，获取腰椎侧位图像上的T值，依照样本分区规则将腰椎侧位图像划分为骨量正常组、骨量减低组以及骨质疏松组，所述样本分区规则设置为当T＝-1条件成立时，腰椎侧位图像为骨量正常；当-1.0SDT-2.5条件成立时，腰椎侧位图像为骨量减低；当T＝-2.5条件成立时，腰椎侧位图像为骨质疏松。

9.根据权利要求8所述的一种腰椎侧位图像快速分类方法，其特征在于，所述腰椎侧位图像上的T值通过双能X线吸收检测仪测量得到。

10.根据权利要求3所述的一种腰椎侧位图像快速分类方法，其特征在于，所述感兴趣区域的像素值范围为腰椎侧位图像的最大像素值与腰椎侧位图像的最小像素值之差。