[发明专利]一种医学图像处理方法、医学图像识别方法及装置

权利要求书

1.一种医学图像处理方法、医学图像识别方法，其特征在于，所述方法包括：

获取医学图像，对医学图像进行图像灰度化、灰度拉伸以及灰度增强的预处理，得到预处理完成的医学图像；

利用扩散滤波方法对预处理完成的医学图像进行滤波降噪处理，得到降噪后的医学图像；

利用基于随机森林的图像特征点定位算法对医学图像进行特征点定位，得到医学图像中的特征点；

根据医学图像特征点位置，利用自适应分割算法对医学图像进行自适应分割处理，得到若干医学图像块；

将医学图像块输入到医学图像识别模型中，利用医学图像识别模型进行医学图像块中病灶信息的识别。

2.如权利要求1所述的一种医学图像处理方法、医学图像识别方法，其特征在于，所述对医学图像进行图像灰度化、灰度拉伸以及灰度增强的预处理，包括：

1)对医学图像中每一个像素的三个分量求最大值，并将该最大值设置为该像素点的灰度值，得到图像的灰度图，所述灰度化处理的公式为：

G(i，j)＝max{R(i，j)，G(i，j)，B(i，j)}

其中：

(i，j)为医学图像中的一个像素点；

R(i，j)，G(i，j)，B(i，j)分别为像素点(i，j)在R、G、B三个颜色通道中的值；

G(i，j)为像素点(i，j)的灰度值；

2)对于所述灰度图，利用分段线性变换的方式对图像灰度进行拉伸，所述灰度拉伸的公式为：

其中：

f(x，y)为灰度图；

MAX_f(x，y)，MINf_(x，y)分别为灰度图的最大灰度值和最小灰度值；

3)利用灰度增强公式对灰度拉伸后图像进行灰度增强处理，所述灰度增强的公式为：

其中：

x为灰度增强前的灰度值，y为灰度增强后的灰度值；

a，b为参数，a＝0，b＝100。

3.如权利要求2所述的一种医学图像处理方法、医学图像识别方法，其特征在于，所述利用扩散滤波方法对预处理完成的医学图像进行滤波降噪处理，包括：

利用扩散滤波方法对预处理完成的医学图像进行滤波降噪处理，所述扩散滤波方法公式为：

其中：

t表示滤波时刻，t为0则表示为初始医学图像；

div表示散度；

表示医学图像梯度；

k表示滤波参数。

4.如权利要求3所述的一种医学图像处理方法、医学图像识别方法，其特征在于，所述利用基于随机森林的图像特征点定位算法对医学图像进行特征点定位，包括：

1)从医学图像中随机选取若干采样点，对于每个采样点，计算其Haar特征：

2)在训练第一层随机森林模型时，输入值为采样点的外观特征三维坐标偏移量，后者的值定义为采样点与目标特征点之间的距离值；利用第一层随机森林模型处理每一张训练图像并生成每个特征点的偏移向量q＝[q_x，q_y]，则不同特征点的特征距离为

3)从所有特征点的距离图中联合提取特征点之间的上下文特征，所述上下文特征的提取流程为：以当前特征点像素的位置作为圆心，然后将其周边的区域均匀的用8条射线分割，分别取不同的半径值，在射线上取抽样点计算Haar特征，将当前像素以及周围3*3邻域内的Haar特征作为当前特征点像素的上下文特征；将图像的上下文特征作为第二层随机森林模型的输入，训练得到两层随机森林模型；

将数据库中所存储的待处理医学图像输入到两层的随机森林模型中，并输出图像中特征点的位置。