[发明专利]一种腰椎侧位图像快速分类方法

说明书

本发明提供一种腰椎侧位图像快速分类方法，包括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。本发明依照可控金字塔分解的非线性增强算法实现腰椎侧位图像的分解与重建，能够提高图像的空间分别率，对骨微结构等处于图像上低对比度的细节区域能够进行有效的图像增强，从而在图像呈现上的显示变得清晰，该算法具有近似平移不变性和更多的方向选择性，对于腰椎重叠边缘、骨微结构边缘的增强均得到有效改善。

技术领域

本发明涉及图像处理技术领域，具体涉及一种腰椎侧位图像快速分类方法。

背景技术

目前，胸腰椎骨折的发病率呈上升趋势，尤其是严重胸腰椎骨折合并脊髓损伤，已成为骨科临床研究的重点之一。随着脊柱生物力学的发展及影像学的进展，胸腰椎骨折的治疗出现了许多新理论和新技术，但对于分类系统的研究、手术指征的把握、直接或间接减压、固定节段的选择、融合或非融合治疗等问题仍存在争议。

由于影像学数据存在噪声、X曝光不当以及人体组织过厚等因素，腰椎细节结构被噪声湮没，边缘模糊、对比度低容易造成病变组织的漏诊和误诊，制约了影像学的发展与广泛使用。

骨微结构变化受到性别、年龄段差异等因素的影响，传统自适应反锐化掩膜算法采用局部方差作为参数来增强高频分量比重，从而有效地增强图像的边缘和细节，但是它存在对噪声敏感、不能有效地增强原图像中对比度较小的部分并且易出现伪影。

发明内容

有鉴于此，本发明要解决的问题是提供一种腰椎侧位图像快速分类方法。

为解决上述技术问题，本发明采用的技术方案是：一种腰椎侧位图像快速分类方法，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。

在本发明中，优选地，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。

在本发明中，优选地，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。

在本发明中，优选地，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。

在本发明中，优选地，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。