[发明专利]基于纹理特征分类的图像处理装置及方法

摘要

本发明公开了一种基于纹理特征分类的图像处理装置包括：图像提取模块，用于获取仅包含股骨头的图像；图像预处理模块，对图像进行灰度量化；特征向量提取模块，用于计算灰度共生矩阵，并提取纹理特征向量；以及特征分类模块，包括分类器构建单元，构建分类器，将纹理特征向量输入构建形成的分类器进行分类，输出分类结果。本发明将医学图像中表述的抽象物理特征数字化，转变为特征向量的形式进行描述，提取图像中的纹理特征，并基于纹理特征进行分类，提高了对图像识别的正确率。本发明还公开了一种基于纹理特征分类的图像处理方法。

主权项

1.一种基于纹理特征分类的图像处理装置，其特征在于，包括：图像提取模块，用于获取仅包含股骨头的图像；图像预处理模块，对获取的图像进行灰度量化；特征向量提取模块，用于计算灰度共生矩阵，并提取纹理特征向量，包括：灰度共生矩阵构建单元，选取距离差分值(a，b)，并沿0°,45°,90°,135°四个方向进行逐点滑动扫描，得到四个灰度共生矩阵，分别如下所示：P0°.d(a,b)＝|{[(k,l),(m,n)]∈D:k‑m＝0,|l‑n|＝d,f(k,l)＝a,f(m,n)＝b}|P45°.d(a,b)＝|{[(k,l),(m,n)]∈D:(k‑m＝d,l‑n＝‑d)∨(k‑m＝‑d,l‑n＝d),f(k,l)＝a,f(m,n)＝b}|P90°.d(a,b)＝|{[(k,l),(m,n)]∈D:|k‑m|＝d,l‑n＝0,f(k,l)＝a,f(m,n)＝b}|P135°.d(a,b)＝|{[(k,l),(m,n)]∈D:(k‑m＝d,l‑n＝d)∨(k‑m＝‑d,l‑n＝‑d),f(k,l)＝a,f(m,n)＝b}|式中，(a,b)为选取的距离差分值，(k,l)为原始的像素坐标，(m,n)为偏移之后的像素坐标，d为原始像素点与偏移后像素点之间的距离，D为图像，f(k,l)为原始像素点的灰度值，f(m,n)为偏移后像素点的灰度值；和特征向量构建单元，用于构建纹理特征向量，选择四个灰度共生矩阵的能量、熵、相关性和对比度作为统计量，分别如下式表示，能量：熵：相关性：对比度：式中，M(i,j)表示灰度共生矩阵的值；以及特征分类模块，包括分类器构建单元，构建分类器，将纹理特征向量输入构建形成的分类器进行分类，输出分类结果0或1,0表示股骨头正常，1表示股骨头异常。