[发明专利]基于滑动窗融合的两次稀疏表示的图像处理方法

摘要

本发明公开了一种基于滑动窗融合的两次稀疏表示的图像处理方法，主要解决现有技术中乳腺肿块检测精确度低的问题，其实现步骤是(1)读入图像；(2)预处理；(3)提取训练集图像和目标图像的灰度特征；(4)第一次稀疏表示；(5)滑动窗融合；(6)区域生长；(7)提取ROI区域灰度特征；(8)第二次稀疏表示。本发明既可以提高乳腺肿块的检测率，精确的表示出乳腺肿块的方位信息，又可以降低乳腺肿块检测的假阳性率，提高了检测的精确度，本发明可用于从乳腺钼靶X线图像中快速地检测出可疑肿块区域，并且将可疑肿块区域标示出来。

主权项

一种基于滑动窗融合的两次稀疏表示的图像处理方法，包括如下步骤：(1)读入图像：(1a)从乳腺钼靶影像数字数据库DDSM中分别选取100幅有乳腺肿块的乳腺钼靶X线图像，100幅正常的乳腺钼靶X线图像，将所选取的200幅乳腺钼靶X线图像组成图像训练集；(1b)从乳腺钼靶影像数字数据库DDSM中选取234幅有乳腺肿块的乳腺钼靶X线图像作为目标图像；(2)预处理：(2a)采用中值滤波的方法，对乳腺钼靶X线图像进行去噪处理；(2b)对去噪后的乳腺钼靶X线图像进行下5采样；(2c)对下5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，将剪裁后剩余的乳腺钼靶X线图像组成裁剪后的乳腺钼靶X线图像；(2d)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；(2e)判断是否处理完所有的图像训练集和目标图像，如果是，执行步骤(3)，否则，执行步骤(2a)；(3)提取训练集图像和目标图像的灰度特征：(3a)设置滑动窗的大小为100×100个像素，相邻滑动窗的覆盖率为75％；(3b)在图像训练集中有乳腺肿块的乳腺钼靶X线图像的乳腺组织区域内，滑动窗按照从左到右从上到下的顺序进行滑动扫描，提取图像训练集中有乳腺肿块的乳腺钼靶X线图像的图像块的灰度特征向量；(3c)在图像训练集中正常的乳腺钼靶X线图像的乳腺组织区域内，滑动窗按按照从左到右从上到下的顺序行进行滑动扫描，提取图像训练集中正常的乳腺钼靶X线图像的图像块的灰度特征向量；(3d)将有乳腺肿块的乳腺钼靶X线图像的图像块的灰度特征向量，作为图像训练集字典的肿块特征向量，将正常的乳腺钼靶X线图像的图像块的灰度特征向量，作为图像训练集字典的正常特征向量；(3e)在目标图像的乳腺组织区域内，滑动窗按照从左到右从上到下的顺序行进行滑动扫描，提取目标图像的图像块的灰度特征向量，作为目标特征向量；(4)第一次稀疏表示：(4a)用图像训练集字典中每列的向量除以该向量的模值，得到归一化单位向量；(4b)将目标特征向量作为第一次迭代需要分解的向量；(4c)按照下式，计算第一次迭代需要分解的向量在图像训练集字典中每一个向量方向上的投影向量：g＝<R0,d>d其中，g表示第一次迭代需要分解的向量在图像训练集字典中的向量方向上的投影向量，R0表示第一次迭代需要分解的向量，d表示图像训练集字典中的向量，<R0,d>表示第一次迭代需要分解的向量与图像训练集字典中的向量的内积；(4d)比较图像训练集字典中所有向量方向的投影向量的大小，将其中最大的投影向量作为第一次迭代的最大投影向量；(4e)按照下式，计算第一次迭代需要分解的向量残差：R1＝R0‑h其中，R1表示第一次迭代需要分解的向量残差，R0表示第一次迭代需要分解的向量，h表示第一次迭代的最大投影向量；(4f)按照下式，计算第一次迭代需要分解的向量残差与图像训练集字典中任意向量的内积：p＝<R1,d>其中，p表示第一次迭代需要分解的向量残差与图像训练集字典中的向量的内积，R1第一次迭代需要分解的向量残差，d表示图像训练集字典中的向量；(4g)判断第一次迭代需要分解的向量残差与图像训练集字典中任意向量的内积是否小于0.1，如果是，执行步骤(4i)，否则，执行步骤(4h)；(4h)将每一次迭代需要分解的向量残差作为下一次迭代需要分解的向量，执行步骤(4c)；(4i)将每一次迭代的内积项按照迭代的次序进行排列，得到稀疏表示系数；(4j)按照下式，对图像训练集字典中的肿块特征向量和正常特征向量分别进行重构：f＝Dα其中，f表示图像训练集字典中肿块特征向量和正常特征向量的重构结果，D表示图像训练集字典中的肿块特征向量和正常特征向量，α表示稀疏表示系数；(4k)将肿块特征向量和正常特征向量的重构结果，分别与目标特征向量进行差值运算，获得肿块特征向量和正常特征向量的重构误差；(4l)比较肿块特征向量和正常特征向量的重构误差，将其中重构误差小的特征向量的类别，作为该目标图像的图像块类别，得到有肿块的目标图像的图像块和正常的目标图像的图像块；(4m)将有肿块的目标图像的图像块用100×100个像素的标记框进行标记；(5)滑动窗融合：(5a)按照下式，计算标记后的乳腺钼靶X线图像中任意两个标记框的欧氏距离：d=(x1-x2)2+(y1-y2)2]]>其中，d表示乳腺钼靶X线图像中两个标记框的欧式距离，x1表示第1个标记框左上点的横坐标，y1表示第1个标记框左上点的纵坐标，x2表示第2个标记框左上点的横坐标，y2表示第2个标记框左上点的纵坐标；(5b)将乳腺钼靶X线图像中任意的两个标记框的欧式距离小于107个像素的两个标记框，作为乳腺钼靶X线图像中需要合并的两个标记框；(5c)将乳腺钼靶X线图像中需要合并的两个标记框中最小的横坐标值，作为合并标记框左上角和左下角的横坐标值，将乳腺钼靶X线图像中需要合并的两个标记框中最大的横坐标值，作为合并标记框右上角和右下角的横坐标值，将乳腺钼靶X线图像中需要合并的两个标记框中最大的纵坐标值，作为合并标记框左上角和右上角的纵坐标值，将乳腺钼靶X线图像中需要合并的两个标记框中最小的纵坐标值作为合并标记框左下角和右下角的纵坐标值，得到合并标记框四个角的坐标；(6)区域生长：(6a)将合并标记框中灰度值最高的像素点，作为种子像素点；(6b)选出种子像素点周围邻域中与种子像素点的灰度差值小于3个像素的像素点，作为新的像素点；(6c)将新的像素点作为种子像素点按照步骤(6b)的方法，继续向四周生长；(6d)判断合并标记框中所有的像素点是否生长完，若是，则将所有的种子像素点组成感兴趣区域ROI，执行步骤(7)，否则，执行步骤(6c)；(7)提取ROI区域灰度特征：将感兴趣区域ROI作为目标图像，按照步骤(3)的方法，提取感兴趣区域ROI的灰度特征向量作为目标特征向量；(8)第二次稀疏表示：按照步骤(4)的方法，对目标特征向量进行第二次稀疏表示，得到最终结果。