[发明专利]一种基于超声图像低秩分析的甲状腺病灶图像识别方法

摘要

本发明提供一种基于超声图像低秩分析的甲状腺病灶图像识别方法，包括了三个步骤：基于超像素层次化分割的图像块状特征提取与描述，以超像素为单位、多尺度层次化提取图像特征，借助超像素去除图像的冗余信息，降低后续图像处理任务的复杂度，兼顾全局和局部信息的获取；基于特征空间低秩重构误差分析的甲状腺识别，根据图像结构信息的低秩性，通过优化最低秩的方式求解测试数据与词典之间的相似度，计算重构误差，结合graph-cut分割算法识别甲状腺区域；基于局部低秩分解的甲状腺病灶检测，采用低秩分解的方法，将数据矩阵分为具有低秩性的矩阵和具有稀疏性的误差矩阵两部分，计算稀疏误差，进行显著性检测，确定病灶区域。

主权项

一种基于超声图像低秩分析的甲状腺病灶图像识别方法，其特征在于包括以下三个步骤：步骤(一)，采用聚类的方法，以位置相近、特征相似的像素聚为一类，将超声图像划分为若干个子区域组成超像素；按照每个超像素包含像素数量的大小，进行若干层次的超像素分割；以超像素为单位，提取超声图像的方向梯度直方图HOG特征和局部二值模式LBP特征，对于一个超像素，将其HOG特征与LBP特征串联，即得到一个列向量，用于表示该超像素的特征；超声图像分为训练图像和测试图像两类，训练图像含有医生标注信息，供训练词典时使用；测试图像不含医生标注信息，供测试方法的效果使用；步骤(二)，对于通过步骤(一)得到的训练图像特征，结合医生标定的甲状腺区域图像位置，将甲状腺区域图像位置的超像素的块状特征组成词典；对于通过步骤(一)得到的训练图像特征，利用图像特征数据之间的相关性和全局结构信息，通过低秩重构误差分析的方法，将与词典相似的图像特征数据重构出来，计算重构误差；使用graph‑cut算法对测试图像进行分割处理，结合graph‑cut分割结果，标定出甲状腺的位置区域，供步骤(三)使用；步骤(三)通过步骤(一)计算得到甲状腺位置区域图像特征，将所有特征并联为一个矩阵，使用低秩分解的方法对该矩阵进行低秩分解，得到一个具有低秩性的矩阵和一个具有稀疏性的误差矩阵；计算误差矩阵中各列向量的范数，得到稀疏误差；设定一个阈值，根据误差矩阵，计算每个超像素的稀疏误差，稀疏误差大于该阈值的超像素即认为是病灶区域。