[发明专利]基于二维集合经验模式分解的医学MR图像特征提取方法

摘要

一种基于二维集合经验模式分解的医学MR图像特征提取方法：步骤一，进行初始化；步骤二，向原始信号中加入白噪声序列；步骤三，通过筛分提取第i个BIMF分量；步骤四，加入不同的白噪声序列重复步骤三；步骤五，更新余量；步骤六，若极值点个数小于给定阈值或分解达到指定层数时算法停止，否则转到步骤二进行下层分解；步骤七，将BIMF的集成平均值作为最终的分解结果；步骤八，对得到的BIMF分解结果进行Hilbert变换，构建解析信号，得到所有BIMF图像的局部特征信息，同时对第一个BIMF图像进行相位一致性的边缘特征提取；最后综合分析图像的所有特征信息。本发明通过提高MR图像处理的精确度，从而提高诊断正确性。

主权项

一种基于二维集合经验模式分解的医学MR图像特征提取方法，其特征在于，对于二维图像信号I(x,y)进行如下处理：步骤一，初始化r₀(x,y)＝I(x,y)，定义求解BIMF分量次数的控制变量为i，并且首次求解BIMF分量的i＝1；步骤二，向原始信号中加入白噪声序列；步骤三，通过筛分提取第i个BIMF分量，具体操作如下：(1)初始化：h₀(x,y)＝r_i‑1(x,y)，定义对应求解第i个BIMF分量时的筛选控制变量为j，并且首次求解第i个BIMF分量的j＝1；(2)利用极值点选择算法找出h_j‑1(x,y)中所有的极大值点与极小值点；(3)使用曲面插值算法分别对(2)中的极大值点和极小值点进行插值，得到上包络面e_max(x,y)和下包络面e_min(x,y)；(4)计算上下包络面的均值m_j‑1(x,y)＝[e_max(x,y)]+e_min(x,y)]/2；(5)得到筛选函数h_j(x,y)＝h_j‑1(x,y)‑m_j‑1(x,y)；(6)判断：当h_j(x,y)满足筛分停止条件，则BIMF_i(x,y)＝h_j(x,y)；否则j＝j+1，转到(2)；步骤四，加入不同的白噪声序列重复步骤三；步骤五，更新余量r_i(x,y)＝r_i‑1(x,y)‑BIMF_i(x,y)；步骤六，如果r_i(x,y)的极值点个数小于给定的阈值或分解达到指定层数时则算法停止；否则，转到步骤二继续进行下一层的分解；步骤七，将每次得到的对应BIMF分量的集成平均值作为最终的分解结果；步骤八，对得到的BIMF分解结果进行Hilbert变换，构建解析信号，得到所有BIMF图像的局部特征信息，同时对第一个BIMF图像进行相位一致性的边缘特征提取得到图像的边缘特征信息；步骤九，综合分析图像的所有特征信息，完成图像特征提取。