基于支持向量机的图像处理装置及方法制造方法及图纸

本发明专利技术公开了一种基于支持向量机的图像处理装置。该装置包括：图像块获取模块，用于获取图像块；特征提取模块，提取图像块特征，得到特征向量，包括：第一提取单元，第二提取单元，第三提取单元，以及第四提取单元；图像识别模块，基于邻近算法，从低级别到高级别，根据某一级别中是否存在大于该级别预先设置的阈值的置信分数识别该图像块是否正常；图像分类模块，基于支持向量机对图像分类；数据处理模块，对识别出的图像块数目和分类出的图像块数目进行处理，完成图像的识别和分类。本发明专利技术还公开了一种基于支持向量机的图像处理方法。本发明专利技术可以快速、准确的完成图像识别与分类，提高了识别和分类的准确性，可应用于病理组织图片处理。

Image Processing Device and Method Based on Support Vector Machine

The invention discloses an image processing device based on support vector machine. The device includes: image block acquisition module for acquiring image blocks; feature extraction module for extracting image block features and obtaining feature vectors, including: the first extraction unit, the second extraction unit, the third extraction unit, and the fourth extraction unit; image recognition module, based on neighborhood algorithm, from low level to high level. According to whether there is a confidence score greater than the pre-set threshold in a certain level to identify whether the image block is normal or not; image classification module, based on support vector machine to classify the image; data processing module, the number of recognized image blocks and the number of classified image blocks are processed to complete image recognition. And classification. The invention also discloses an image processing method based on support vector machine. The method can quickly and accurately complete image recognition and classification, improve the accuracy of recognition and classification, and can be applied to image processing of pathological tissue.

【技术实现步骤摘要】
基于支持向量机的图像处理装置及方法
本专利技术涉及图像处理
，特别是涉及一种基于支持向量机的图像处理装置及方法。
技术介绍
随着多媒体等技术的发展，图像资源日益丰富，而且，相对于文本资源，图像中包含的信息往往能够为用户提供更多的数据量，因此，对图像进行分析管理，成为目前研究的一个热点。目前，在对图像分析管理的过程中，经常需要对图像分类，即根据图像信息中所反映的不同特征，把图像划分为相应的类别。目前医疗领域在对图像识别分类时，主要通过经验丰富的组织病理学家对微观视野下的病理切片进行识别、分类及评估，而该种对图像的识别与分类方式，在某些情况下存在各种干扰，会造成图像识别不准确，降低图像分类的准确性。因此，提高图像处理速度、提高图像处理的准确率已经成为当今发展趋势。
技术实现思路
基于上述缺陷，本专利技术的目的在于提供一种基于支持向量机的图像处理装置，该装置通过各模块之间配合进行图片处理，可提高图像识别和分类的准确性。本专利技术的另一目的在于提供一种基于支持向量机的图像处理方法。上述目的是通过以下技术方案实现的：根据本专利技术的一个方面，本专利技术提供的一种基于支持向量机的图像处理装置，包括：图像块获取模块，用于获取图像块；特征提取模块，用于提取图像块的特征，得到图像块特征向量；所述特征提取模块包括：第一提取单元，用于图像识别时，对图像块进行局部二进制式特征提取；第二提取单元，用于图像识别时，对图像块进行灰度共生矩阵特征提取；第三提取单元，用于图像分类时，对图像块进行分形特征提取；第四提取单元，用于图像分类时，对图像块进行方向梯度直方图特征提取；图像识别模块，将图像块特征向量输入，基于邻近算法，从低级别到高级别进行图像块识别，识别时，根据某一级别中是否存在大于该级别预先设置的阈值的置信分数来识别该图像块是否正常；图像分类模块，根据支持向量机对图像块进行分类；数据处理模块，包括：第一处理单元，对图像识别模块识别出的图像块数目进行处理完成图像的识别，以及第二处理单元，对图像分类模块分类出的图像块数目进行处理完成图像的分类。优选地，所述图像块获取模块，包括：第一图像块获取单元，用于获取进行图像识别时的图像块，在所述第一图像块获取单元中，根据图像块的分辨率对图像块进行分级处理，得到分级采样后图像块；第二图像块获取单元，局域无重叠方式获取图像分类时的图像块。更优选地，所述图像块获取模块，包括背景图像块标记单元，根据图像块的红黄蓝三通道值均大于200的像素数目所占总像素数目的比例来标记。优选地，所述特征提取模块还包括归一化处理单元，所述第一提取单元和所述第二提取单元提取特征后做归一化处理再进行连接，得到用于图像识别时的图像块特征向量。其中，归一化处理针对提取到的一张图像块的特征[f1,f2,……，fN]，其中N表示提取出的特征的维数，归一化后的各维的值其中，mini是数据集里面的第i维的最小值，maxi就是数据集里面第i维的最大值。优选地，所述图像识别模块中，最低级别预先设置的阈值为0.9，每升高一个级别阈值减少0.1。更优选地，所述图像识别模块进行识别时，若在一个级别，存在大于该级别预先设置的阈值的置信分数，则为有效识别图像块，标记该图像块类别；若在一个级别，不能以大于该级别预先设置的阈值的置信分数识别该图像块，则到该级别的下一级别进行特征提取及识别，若没有下一级别，则标签未确定；若在最高级，仍不能以大于该级别预先设置的阈值的置信分数识别该图像块，则该图像块为无效识别图像块。优选地，所述第一处理单元中，如果某一类别的有效识别图像块数目在总图像块数目中所占比例大于50％，则该图片就识别为该类别。更优选地，所述第二处理单元，是根据在某一类中判别图像块数目是否达到了该类相应级别且是最大的，来确定图片是否分类到该类别。优选地，还包括参数选取模块，参数选取模块，用于确定图像识别模块和图像分类模块中的参数。根据本专利技术的另一个方面，本专利技术提供的一种采用上述基于支持向量机的图像处理装置进行图像处理的方法，包括：图像识别和图像分类，其中，图像识别包括以下步骤：获取图像块，对其进行分级采样；在各级别下分别进行局部二进制模式特征和灰度共生矩阵特征的提取；对提取后特征并做归一化处理，连接后得到图像块特征向量；针对每一个图像块特征向量，从低级别到高级别，基于邻近算法进行图像识别；图像分类包括以下步骤：对图片采取无重叠方式获取图像块；输入图像块，提取分形特征和方向梯度直方图特征；基于支持向量机进行分类，其中支持向量机的核函数为径向基函数；再基于投票机制得到图片分类结果。有益效果：本专利技术特征提取模块中第一提取单元和第二提取单元对分级采样后的图像块进行局部二进制模式特征(LBP特征)提取特征和灰度共生矩阵特征(Haralick特征)提取，得到的特征向量再通过图像识别模块基于邻近算法，也就是K近邻算法(KNearestNeighbors，KNN)，从低级别到高级别进行图像的识别，提高了图像识别的准确性；第三提取单元和第四提取单元对经无重叠方式获取的图像块进行分形特征(HOG特征)提取和方向梯度直方图特征(HOG特征)提取，后基于支持向量机(SupportVectorMachine，SVM)，进行图像分类，分类效果好，提高了图像分类的准确性。本专利技术的图像处理装置及方法可以快速、准确的完成图像的识别与分类，将本专利技术应用于相关组织病理图片处理时，可为病理学家提供大量提供相关症状类型、相关症状分级信息等大量信息，在临床医疗上有很大的实用价值。实验结果表明，本专利技术对单个图像块的分类准确率可以达到95.27％；正常类的准确率可达91.12％，炎症类的准确率在68.07％，目标症状类的准确率为56.59％。附图说明图1是本专利技术基于支持向量机的图像处理装置的结构示意图；图2是本专利技术装置在进行图像处理时的图像识别示意图；图3是本专利技术装置在进行图像处理时的图像分类示意图；图4是本专利技术装置在进行图像处理时的训练集特征提取流程示意图；图5是本专利技术装置在进行图像处理后的初步效果示意图。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：其中，图1示意性地示出了本专利技术基于支持向量机的图像处理装置的结构示意图；图2示意性地示出了采用本专利技术图像处理装置进行图像识别的过程；图3示意性地示出了采用本专利技术图像处理装置进行图像分类的过程；图4示意性地示出了采用本专利技术图像处理装置进行训练集样本特征提取流程图；图5示意性地示出了采用本专利技术图像处理装置进行图像处理后的初步效果图，其中，右下角小图是系统用于显示病理组织图片缩略图的，而大图则是表示可以对病理组织图片进行显示，包括针对特定部位进行放大显示以便看清细节、并可方便标注出病变的部位。如图1所示，本专利技术提供的一种基于支持向量机的图像处理装置，包括：图像块获取模块100，用于获取图像块，包括训练集图像块和样本集图像块；特征提取模块200，用于提取图像块的特征，得到图像块特征向量；所述特征提取模块200包括：第一提取单元210，用于图像识别时，对分级采样后的图像块进行局部二进制式特征提取；第二提取单元220，用于图像识别时，对分级采样后的图像块进行灰度共生矩阵特征提取；第三提取单元230，用于图像分类时，对经无本文档来自技高网...

【技术保护点】
1.一种基于支持向量机的图像处理装置，其特征在于，包括：图像块获取模块，用于获取图像块；特征提取模块，用于提取图像块的特征，得到图像块特征向量；所述特征提取模块包括：第一提取单元，用于图像识别时，对图像块进行局部二进制式特征提取；第二提取单元，用于图像识别时，对图像块进行灰度共生矩阵特征提取；第三提取单元，用于图像分类时，对图像块进行分形特征提取；第四提取单元，用于图像分类时，对图像块进行方向梯度直方图特征提取；图像识别模块，将图像块特征向量输入，基于邻近算法，从低级别到高级别进行图像块识别，识别时，根据某一级别中是否存在大于该级别预先设置的阈值的置信分数来识别该图像块是否正常；图像分类模块，基于支持向量机对图像块进行分类；数据处理模块，包括：第一处理单元，对图像识别模块识别出的图像块数目进行处理完成图像的识别，以及第二处理单元，对图像分类模块分类出的图像块数目进行处理完成图像的分类。

【技术特征摘要】
1.一种基于支持向量机的图像处理装置，其特征在于，包括：图像块获取模块，用于获取图像块；特征提取模块，用于提取图像块的特征，得到图像块特征向量；所述特征提取模块包括：第一提取单元，用于图像识别时，对图像块进行局部二进制式特征提取；第二提取单元，用于图像识别时，对图像块进行灰度共生矩阵特征提取；第三提取单元，用于图像分类时，对图像块进行分形特征提取；第四提取单元，用于图像分类时，对图像块进行方向梯度直方图特征提取；图像识别模块，将图像块特征向量输入，基于邻近算法，从低级别到高级别进行图像块识别，识别时，根据某一级别中是否存在大于该级别预先设置的阈值的置信分数来识别该图像块是否正常；图像分类模块，基于支持向量机对图像块进行分类；数据处理模块，包括：第一处理单元，对图像识别模块识别出的图像块数目进行处理完成图像的识别，以及第二处理单元，对图像分类模块分类出的图像块数目进行处理完成图像的分类。2.如权利要求1所述的基于支持向量机的图像处理装置，其特征在于，所述图像块获取模块，包括：第一图像块获取单元，用于获取进行图像识别时的图像块，在所述第一图像块获取单元中，根据图像块的分辨率对图像块进行分级处理，得到分级采样后图像块；第二图像块获取单元，基于无重叠方式获取图像分类时的图像块。3.如权利要求2所述的基于支持向量机的图像处理装置，其特征在于，所述图像块获取模块，包括背景图像块标记单元，根据图像块的红黄蓝三通道值均大于200的像素数目所占总像素数目的比例来标记。4.如权利要求1所述的基于支持向量机的图像处理装置，其特征在于，所述特征提取模块，还包括归一化处理单元，所述第一提取单元和所述第二提取单元提取特征后做归一化处理再进行连接，得到图像块的特征向量，其中，归一化处理针对提取到的一张图像块的特征[f1,f2,……，fN]，其中N表示提取出的特征的维数，归一化后的各维的值为：其中，mini是数据集里面的第i维的最小值，ma...

【专利技术属性】
技术研发人员：闾海荣，高伟，江瑞，张学工，李林，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京,11