基于几何约束和空间像素强度的医学图像检索方法技术

本发明专利技术公开了基于几何约束和空间像素强度的医学图像检索方法，涉及医学图像处理技术领域，首先对脑瘤图像ROI进行膨胀增强，经膨胀以后的ROI融入了其边缘邻域的图像信息，能更好的对脑瘤图像的ROI进行描述。然后在几何约束的前提下提取ROI的空间像素强度特征，即在提取每个像素点像素强度特征的同时提取其周围与之具有一定几何关系的像素点的像素强度特征，共同来描述一个像素点信息。对提取到的空间像素强度特征进行K‑means聚类，生成VLAD模型。最后通过图像VLAD向量之间的距离来判断图像之间的相似性进行检索，可以有效地提高脑瘤图像检索的检索性能。

【技术实现步骤摘要】
基于几何约束和空间像素强度的医学图像检索方法
本专利技术涉及医学图像处理
，特别是涉及基于几何约束和空间像素强度的医学图像检索方法。
技术介绍
脑部肿瘤，也称颅内肿瘤，根据发病组织部位的不同可分为胶质细胞瘤、脑膜瘤、垂体瘤等种类，人体脑部肿瘤也是严重威胁人类健康的一类疾病。脑部肿瘤死亡率极高，而且随着生活节奏的加快和工作压力不断增大，脑部肿瘤的发病率也在不断提高。基于内容的医学图像检索对脑部肿瘤的诊疗也起到了较好的辅助作用，很多研究者致力于脑瘤图像检索的研究。Quellec等研究者在医学图像检索中使用了小波变换算法，杨贤栋等研究者对颜色相关图、颜色矩、灰度共生矩阵、金字塔小波变换和树型小波变换五种图像特征提取方法在脑瘤图像检索中的检索性能做了实验对比，结果显示小波变换的效果更好。HuangHK等研究者提出了一种划定脑瘤图像ROI，在ROI中提取图像的纹理、形状及灰度特征进行相似性度量的方法，该方法用到了脑瘤图像的全局特征。在此基础上HuangM等研究者针对脑瘤区域特异性提出了一种基于BoW模型的脑瘤图像检索方法，通过在对获取的ROI划分区域，在每个子区域上提取图像的像素强度特征，建立视觉词袋的方式对查询图像和数据库图像进行相似性度量。但是在人体脑瘤图像区域可提取的有价值的关键点较少，在脑瘤图像中SIFT特征用到的梯度信息没有脑瘤图像中像素强度信息丰富，因此用SIFT特征表述脑瘤图像信息时辨别能力欠佳。
技术实现思路
本专利技术实施例提供了基于几何约束和空间像素强度的医学图像检索方法，可以解决现有技术中存在的问题。本专利技术提供了基于几何约束和空间像素强度的医学图像检索方法，该方法包括以下步骤：步骤1，读取数据库图像；步骤2，依据设定的图像膨胀结构参数p，创建结构元素对读取的数据库图像进行膨胀处理；步骤3，依据设定的几何约束参数n提取经过膨胀处理的数据库图像的空间像素强度特征，并用d维向量表示；步骤4，依据设定的聚类中心个数k，对提取的空间像素强度特征进行K-means聚类，生成k个聚类中心；步骤5，为每幅数据库图像生成VLAD码本：根据步骤4生成的k个聚类中心将数据库图像中的所有空间像素强度特征划分为k类，将属于所有同一个聚类中心的特征与该聚类中心做差后将差值累加得到d维残差向量，将k个d残差向量整合为k×d维矩阵，即为VLAD码本；步骤6，输入查询图像；步骤7，依据参数p，创建结构元素对查询图像进行膨胀处理；步骤8，依据几何约束参数n提取经过膨胀处理的查询图像的空间像素强度特征，并用d维向量表示；步骤9，为查询图像生成VLAD码本：根据步骤4生成的k个聚类中心将查询图像中的所有空间像素强度特征划分为k类，将属于所有同一个聚类中心的特征与该聚类中心做差后将差值累加得到d维残差向量，将k个d维残差向量整合为k×d维矩阵，即为VLAD码本；步骤10，根据步骤5和9生成的VLAD码本对查询图像和数据库图像进行相似性度量，并输出检索结果。本专利技术实施例中的基于几何约束和空间像素强度的医学图像检索方法，引入了局部特征聚合描述子VLAD模型来量化脑瘤图像。首先对脑瘤图像ROI进行膨胀增强，经膨胀以后的ROI融入了其边缘邻域的图像信息，能更好的对脑瘤图像的ROI进行描述。然后在几何约束的前提下提取ROI的空间像素强度特征，即在提取每个像素点像素强度特征的同时提取其周围与之具有一定几何关系的像素点的像素强度特征，共同来描述一个像素点信息。对提取到的空间像素强度特征进行K-means聚类，生成VLAD模型。最后通过图像VLAD向量之间的距离来判断图像之间的相似性进行检索，可以有效地提高脑瘤图像检索的检索性能。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例中基于几何约束和空间像素强度的医学图像检索方法的流程图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。参照图1，本专利技术实施例提供了基于几何约束和空间像素强度的医学图像检索方法，该方法包括以下步骤：步骤1，读取数据库图像。步骤2，依据设定的图像膨胀结构参数p，创建结构元素对读取的图像进行膨胀处理，本实施例中使用的结构元素为圆盘。步骤3，依据设定的几何约束参数n提取经过膨胀处理的图像的空间像素强度特征，并用d维向量表示。步骤4，依据设定的聚类中心个数k，对提取的空间像素强度特征进行K-means聚类，生成k个聚类中心。步骤5，为数据库中的每幅图像生成VLAD码本：根据步骤4生成的k个聚类中心将图像中的所有空间像素强度特征划分为k类，将属于所有同一个聚类中心的特征与该聚类中心做差后将差值累加得到d维残差向量，将k个d残差向量整合为k×d维矩阵，即为VLAD码本。步骤6，输入查询图像。步骤7，依据参数p，创建结构元素对输入的查询图像进行膨胀处理。步骤8，依据几何约束参数n提取经过膨胀处理的查询图像的空间像素强度特征，并用d维向量表示。步骤9，为查询图像生成VLAD码本：根据步骤4生成的k个聚类中心将查询图像中的所有空间像素强度特征划分为k类，将属于所有同一个聚类中心的特征与该聚类中心做差后将差值累加得到d维残差向量，将k个d维残差向量整合为k×d维矩阵，即为VLAD码本。步骤10，根据步骤5和9生成的VLAD码本对查询图像和数据库图像进行相似性度量，并输出检索结果。其中，步骤2和7中膨胀处理的方法为：以结构元素的中心点作为锚点，将结构元素的锚点定位在图像的第一个像素位置开始扫描图像。将结构元素所覆盖图像区域中像素的强度最大值替换图像中锚点位置像素的强度值，将结构元素在图像上平移处理图像下一个像素点直至结构元素扫描整幅图像。步骤3和8中空间像素强度特征提取方法为：用邻域内的像素点强度值与中心像素点强度值组成空间像素强度特征向量来共同描述中心像素点。步骤5和9中生成VLAD码本的方法为：子步骤101，数据库中图像的空间像素强度特征用向量x表示，向量维度为d，k个聚类中心中第i个聚类中心用ci表示，聚类中心集合用Cl表示；子步骤102，查询图像和每幅数据库图像提取的特征被分为了k类，每幅数据库图像图像中属于聚类中心ci的特征子集表示为：子步骤103，对每个特征子集中所有特征点与该特征子集的聚类中心做差，然后累加所有差值生成d维的残差向量vi，表示为：子步骤104，将对所有聚类中心计算出来的残差向量整合为一个k×d维的向量V，表达式为：子步骤105，对向量V进行PCA降维处理；子步骤106，对降维处理的向量V进行L2归一化处理：经过以上步骤，就得到了VLAD码本。步骤10具体包括以下方法：将查询图像的VLAD码本Vq与数据库图像的VLAD码本Vd计算欧氏距离：dist(Vq,Vd)＝||Vq-Vd||2(5)根据求得的查询图像与所本文档来自技高网...

【技术保护点】
1.基于几何约束和空间像素强度的医学图像检索方法，其特征在于，该方法包括以下步骤：步骤1，读取数据库图像；步骤2，依据设定的图像膨胀结构参数p，创建结构元素对读取的数据库图像进行膨胀处理；步骤3，依据设定的几何约束参数n提取经过膨胀处理的数据库图像的空间像素强度特征，并用d维向量表示；步骤4，依据设定的聚类中心个数k，对提取的空间像素强度特征进行K‑means聚类，生成k个聚类中心；步骤5，为每幅数据库图像生成VLAD码本：根据步骤4生成的k个聚类中心将数据库图像中的所有空间像素强度特征划分为k类，将属于所有同一个聚类中心的特征与该聚类中心做差后将差值累加得到d维残差向量，将k个d残差向量整合为k×d维矩阵，即为VLAD码本；步骤6，输入查询图像；步骤7，依据参数p，创建结构元素对查询图像进行膨胀处理；步骤8，依据几何约束参数n提取经过膨胀处理的查询图像的空间像素强度特征，并用d维向量表示；步骤9，为查询图像生成VLAD码本：根据步骤4生成的k个聚类中心将查询图像中的所有空间像素强度特征划分为k类，将属于所有同一个聚类中心的特征与该聚类中心做差后将差值累加得到d维残差向量，将k个d维残差向量整合为k×d维矩阵，即为VLAD码本；步骤10，根据步骤5和9生成的VLAD码本对查询图像和数据库图像进行相似性度量，并输出检索结果。...

【技术特征摘要】
1.基于几何约束和空间像素强度的医学图像检索方法，其特征在于，该方法包括以下步骤：步骤1，读取数据库图像；步骤2，依据设定的图像膨胀结构参数p，创建结构元素对读取的数据库图像进行膨胀处理；步骤3，依据设定的几何约束参数n提取经过膨胀处理的数据库图像的空间像素强度特征，并用d维向量表示；步骤4，依据设定的聚类中心个数k，对提取的空间像素强度特征进行K-means聚类，生成k个聚类中心；步骤5，为每幅数据库图像生成VLAD码本：根据步骤4生成的k个聚类中心将数据库图像中的所有空间像素强度特征划分为k类，将属于所有同一个聚类中心的特征与该聚类中心做差后将差值累加得到d维残差向量，将k个d残差向量整合为k×d维矩阵，即为VLAD码本；步骤6，输入查询图像；步骤7，依据参数p，创建结构元素对查询图像进行膨胀处理；步骤8，依据几何约束参数n提取经过膨胀处理的查询图像的空间像素强度特征，并用d维向量表示；步骤9，为查询图像生成VLAD码本：根据步骤4生成的k个聚类中心将查询图像中的所有空间像素强度特征划分为k类，将属于所有同一个聚类中心的特征与该聚类中心做差后将差值累加得到d维残差向量，将k个d维残差向量整合为k×d维矩阵，即为VLAD码本；步骤10，根据步骤5和9生成的VLAD码本对查询图像和数据库图像进行相似性度量，并输出检索结果。2.如权利要求1所述的基于几何约束和空间像素强度的医学图像检索方法，其特征在于，步骤2和7中膨胀处理的方法为：以结构元素的中心点作为锚点，将结构元素的锚点定位在图像的第一个像素位置开始扫描图像，将结构元素所覆盖图像区域中像...

【专利技术属性】
技术研发人员：李清亮，于繁华，耿庆田，赵东，姚亦飞，孙明玉，朱金龙，
申请(专利权)人：长春师范大学，
类型：发明
国别省市：吉林,22