[发明专利]基于塔形PCA的乳腺钼靶X线图像块特征提取方法

摘要

本发明公开了一种基于塔形PCA的乳腺钼靶X线图像块特征提取方法，主要解决现有技术提取的特征中不包含肿块中间密度大边缘密度小这一特征的缺点。其实现步骤是(1)预处理；(2)构成塔形结构；(3)获得各图像层的灰度特征向量；(4)训练各图像层灰度特征的特征空间；(5)获得各图像层的主成分特征；(6)获得基于塔形PCA的乳腺钼靶X线图像块特征。本发明能使乳腺钼靶X线图像块的特征表示更为鲁棒，更为有效的表示图像特征，提高乳腺钼靶X线摄影图像中肿块区域检测的准确率，从而辅助放射科医生进行临床诊断。

主权项

一种基于塔形PCA的乳腺钼靶X线图像块特征提取方法，包括如下步骤：(1)预处理：(1a)采用中值滤波的方法，对乳腺钼靶X线摄影图像进行去噪处理；(1b)对去噪后的乳腺钼靶X线摄影图像进行下5采样，得到下采样后的乳腺钼靶X线图像；(1c)对下采样后的乳腺钼靶X线图像，从其上边缘向下裁剪40行，从其下边缘向上裁剪40行，从其左边缘向右裁剪10列，从其右边缘向左裁剪10列，得到剪裁后的乳腺钼靶X线摄影图像；(1d)采用最大类间方差法，对裁剪后的乳腺钼靶X线图像进行二值化处理，获得乳腺组织区域；(1e)设置滑动窗窗口的大小为100×100个像素，在获得的乳腺组织区域中按行的方向滑动扫描，滑动窗每次滑动截取一个大小为100×100个像素乳腺钼靶X线图像块；(2)构成塔形结构：(2a)将乳腺钼靶X线图像块的第34行、第65行、第34列及第65列所围成的正方形区域作为第一层图像层；(2b)由第一层图像层向上、下、左、右四个方向各延伸8个像素，将延伸的区域作为第二层图像层；(2c)由第二层图像层向上、下、左、右四个方向各延伸8个像素，将延伸的区域作为第三层图像层；(2d)由第三层图像层向上、下、左、右四个方向各延伸8个像素，将延伸的区域作为第四层图像层；(2e)由第四层图像层向上、下、左、右四个方向延伸至填充整个乳腺钼靶X线图像块，将延伸的区域作为第五层图像层；(3)获得各图像层的灰度特征向量：采用灰度特征提取方法，逐层提取乳腺钼靶X线图像块的灰度特征，获得乳腺钼靶X线图像块各图像层的灰度特征向量；(4)训练各图像层灰度特征的特征空间：从乳腺影像数字数据库DDSM数据库中，选取500幅乳腺肿块图像作为训练图像，采用主成分分析PCA方法，训练得到各图像层灰度特征的特征空间：(4a)按照步骤(2)的塔形结构划分方法，分别将500幅训练图像中每幅训练图像划分为5层图像层；(4b)采用灰度特征提取方法，逐层提取500幅训练图像中每幅训练图像各图像层的灰度特征向量，将第一层所提取的500个灰度特征向量按列组成第一层灰度特征矩阵G1，将第二层所提取的500个灰度特征向量按列组成第二层灰度特征矩阵G2，将第三层所提取的500个灰度特征向量按列组成第三层灰度特征矩阵G3，将第四层所提取的500个灰度特征向量按列组成第四层灰度特征矩阵G4，将第五层所提取的500个灰度特征向量按列组成第五层灰度特征矩阵G5；(4c)采用主成分分析PCA方法，分别提取各层灰度特征矩阵的主成分，得到由20个主成分组成的第一层灰度特征的特征空间D1，由16个主成分组成的第二层灰度特征的特征空间D2，由8个主成分组成的第三层灰度特征的特征空间D3，由4个主成分组成的第四层灰度特征的特征空间D4，由2个主成分组成的第五层灰度特征的特征空间D5；(5)获得各图像层的主成分特征：(5a)用乳腺钼靶X线图像块第一层图像层的灰度特征向量左乘第一层灰度特征的特征空间D1的转置，得到乳腺钼靶X线图像块第一个图像层的主成分特征，将第一个图像层灰度特征维数降低至20维；(5b)用乳腺钼靶X线图像块第二层图像层的灰度特征向量左乘第二层灰度特征的特征空间D2的转置，得到乳腺钼靶X线图像块第二个图像层的主成分特征，将第二个图像层灰度特征维数降低至16维；(5c)用乳腺钼靶X线图像块第三层图像层的灰度特征向量左乘第三层灰度特征的特征空间D3的转置，得到乳腺钼靶X线图像块第三个图像层的主成分特征，将第三个图像层灰度特征维数降低至8维；(5d)用乳腺钼靶X线图像块第四层图像层的灰度特征向量左乘第四层灰度特征的特征空间D4的转置，得到乳腺钼靶X线图像块第四个图像层的主成分特征，将第四个图像层灰度特征维数降低至4维；(5e)用乳腺钼靶X线图像块第五层图像层的灰度特征向量左乘第五层灰度特征的特征空间D5的转置，得到乳腺钼靶X线图像块第五个图像层的主成分特征，将第五个图像层灰度特征维数降低至2维；(6)获得基于塔形PCA的乳腺钼靶X线图像块特征：将获得的乳腺钼靶X线图像块5个图像层的主成分特征，按第一层至第五层的顺序依次首尾相连，获得基于塔形主成分分析PCA的乳腺钼靶X线图像块特征向量。