一种图像定位方法、装置、计算机及存储介质制造方法及图纸

本发明专利技术实施例公开了一种图像定位方法、装置、计算机及存储介质，其中方法包括：获取医学图像，并确定所述医学图像的各像素点的特征信息；根据所述特征信息和随机概率提升森林分类器对所述各像素点进行分类，并计算所述各像素点属于目标位置的概率；将满足预设概率条件的像素点的位置信息确定为所述目标位置的定位结果。本发明专利技术实施例解决了现有技术中图像定位精确度低、鲁棒性差的问题，提高了图像定位的精度与鲁棒性。

An image positioning method, device, computer and storage medium

The embodiment of the invention discloses an image positioning method, apparatus, and computer storage medium, wherein the method comprises: acquiring medical images, and determine the characteristic information of each pixel in the image; according to the characteristics of information and enhance the probability of random forest classifier to classify the pixels, and calculate the probability the pixel belongs to the target position; will meet the position information of pixel default probability condition to determine the positioning results of the target location. The embodiment of the invention solves the problem of low accuracy and poor robustness of the image positioning in the existing technology, and improves the accuracy and robustness of the image location.

【技术实现步骤摘要】
一种图像定位方法、装置、计算机及存储介质
本专利技术实施例涉及图像定位技术，尤其涉及一种图像定位方法、装置、计算机及存储介质。
技术介绍
随着图像处理技术的不断发展，图像处理技术广泛应用于医学图像、机器人视觉、航空航天以及通信等领域。在医学领域通过各种医学图像辅助医生获取病人的病情，例如医学图像包括CT图像、磁共振图像和超声图像等。在医学图像的后处理中，对医学图像中单个或者多个目标的定位是图像分割以及图像配准等处理应用的前提步骤，具有重要的临床应用价值，但是由于医学图像的成像质量易受各种因素的影响，例如成像过程中的噪声、病人的病理、位置、姿态动作或者所服用的造影剂等均会影响医学图像的成像质量，增加图像目标定位的难度。近年来，以机器学习为代表的人工智能技术得到不断的发展，并逐渐应用于医学图像的目标定位中。目前，以单一树模型为基础进行分类学习，学习模型鲁棒性差，定位精度低。
技术实现思路
本专利技术实施例提供一种图像定位方法、装置、计算机及存储介质，以实现提高图像定位的鲁棒性。第一方面，本专利技术实施例提供了一种图像定位方法，该方法包括：获取医学图像，并确定所述医学图像的各像素点的特征信息；根据所述特征信息和随机概率提升森林分类器对所述各像素点进行分类，并计算所述各像素点属于目标位置的概率；将满足预设概率条件的像素点的位置信息确定为所述目标位置的定位结果。进一步的，在根据随机概率提升树森林分类器对所述各像素点进行分类之前，还包括：确定满足目标位置对应的灰度值范围的像素点。进一步的，计算所述各像素点属于目标位置的概率，包括：计算所述各像素点在随机概率提升森林中各概率提升树根节点的概率，确定为所述各像素点在所述概率提升树根节点中属于目标位置的概率，其中，所述各像素点在各概率提升树根节点的概率等于所述概率提升树的子树根节点的概率和其对应根节点的权重乘积之和；将所述随机概率提升森林中各概率提升树根节点的概率的平均值确定为所述各像素点的概率。进一步的，在获取医学图像之前，还包括：获取至少两个训练样本集，根据所述训练样本集训练随机概率提升森林分类器。进一步的，根据所述训练样本集训练随机概率提升森林分类器，包括：将所述训练样本根据所述随机概率提升森林分类器进行分类，将分类结果与所述训练样本集的金标准进行比对，确定所述随机概率提升森林的训练误差；若所述随机概率提升森林的训练误差大于预设误差阈值，则在误分类样本所在的位置区域增加样本采集数量，更新所述训练样本集；根据更新后的训练样本集训练所述随机概率提升森林分类器。在根据所述训练样本集训练随机概率提升森林分类器之后，还包括：根据随机概率提升森林中除当前概率提升树之外的其他概率提升树的训练样本集测试所述当前概率提升树分类器，获取测试结果；根据所述测试结果更新所述当前概率提升树的训练结果。进一步的，所述医学图像包括：血管造影图像或心脏造影图像；相应的，所述目标位置包括血管种子点或主动脉瓣。第二方面，本专利技术实施例还提供了一种图像定位装置，该装置包括：图像获取模块，用于获取医学图像，并确定所述医学图像的各像素点的特征信息；概率确定模块，根据所述特征信息和随机概率提升森林分类器对所述各像素点进行分类，并计算所述各像素点属于目标位置的概率；定位结果确定模块，用于将满足预设概率条件的像素点的位置信息确定为所述目标位置的定位结果。进一步的，所述装置还包括：像素点确定模块，用于在根据随机概率提升森林分类器对所述各像素点进行分类之前，确定满足目标位置对应的灰度值范围的像素点。进一步的，测试模块具体用于：计算所述各像素点在随机概率提升森林中各概率提升树根节点的概率，确定为所述各像素点在概率提升树根节点中属于目标位置的概率，其中，所述各像素点在各概率提升树根节点的概率等于所述概率提升树的子树根节点的概率和其对应根节点的权重乘积之和；将所述随机概率提升森林种各预设概率提升树根节点的概率的平均值确定为所述各像素点的概率。进一步的，所述装置还包括：概率提升树训练模块，用于在获取医学图像之前，获取至少两个训练样本集，根据所述训练样本集训练随机概率提升森林分类器。进一步的，所述装置还包括：训练误差确定模块，用于在根据所述训练样本集训练随机概率提升森林分类器之后，将所述训练样本根据所述随机概率提升森林分类器进行分类，将分类结果与所述训练样本进行比对，确定各训练样本在概率提升树中的训练误差；样本集更新模块，用于若所述训练样本的训练误差大于预设误差阈值，则增加所述样本所在位置区域的样本采集数量，更新所述训练样本集；分类器循环训练模块，根据更新后的训练样本集训练随机概率提升森林分类器。进一步的，所述装置还包括：随机概率提升森林测试模块，用于在根据所述训练样本集训练随机概率提升森林分类器之后，根据随机概率提升森林中除当前概率提升树之外的其他概率提升树的训练样本集测试所述当前概率提升树的分类器，获取测试结果；训练结果更新模块，用于根据所述测试结果更新所述当前概率提升树的训练结果。进一步的，所述医学图像包括：血管造影图像或心脏造影图像；相应的，所述目标位置包括血管种子点或主动脉瓣。第三方面，本专利技术实施例还提供了一种计算机，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时可用于执行权利要求1-7任一所述的方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时可用于执行权利要求1-7任一所述的方法。本专利技术实施例通过将待定位图像的特征信息输入随机概率提升森林，确定各像素点属于目标位置的概率，根据预设概率条件，确定为目标位置的定位结果，通过随机概率提升森林替代了传统分类树，同时避免了单一分类树可能存在误差的情况，解决了现有技术中图像定位精确度低、鲁棒性差的问题，提高了图像定位的精度与鲁棒性。附图说明图1是本专利技术实施例一提供的一种图像定位方法的流程图；图2是本专利技术实施例二提供的一种图像定位方法的流程图；图3是本专利技术实施例三提供的一种图像定位装置的结构示意图；图4是本专利技术实施例四提供的一种计算机的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。实施例一图1为本专利技术实施例一提供的一种图像定位方法的流程图，本实施例可适用于对图像进行准确定位的情况，该方法可以由本专利技术实施例提供的图像定位装置来执行，该装置可采用软件和/或硬件的方式实现。参见图1，该方法具体包括：S110、获取医学图像，并确定医学图像的各像素点的特征信息。其中，医学图像可以是由医学成像设备采集的医学图像。示例性的，医学图像可以是MRI(MagneticResonanceImaging，磁共振技术)图像、CT(ComputedTomography，电子计算机X射线断层扫描技术)图像、或者超声图像等。本实施例中，医学图像为灰度图像，若采集的图像为彩色图像，则将该彩色图像转换为灰度图像。其中，医学图像的特征信息指的是通过各像素点的像素灰度值、像素灰度梯度或者各像素灰度值之间的关系表本文档来自技高网...

【技术保护点】
一种图像定位方法，其特征在于，包括：获取医学图像，并确定所述医学图像中各像素点的特征信息；根据所述特征信息和随机概率提升森林分类器对所述各像素点进行分类，并计算所述各像素点属于目标位置的概率；将满足预设概率条件的像素点的位置信息确定为所述目标位置的定位结果。

【技术特征摘要】
1.一种图像定位方法，其特征在于，包括：获取医学图像，并确定所述医学图像中各像素点的特征信息；根据所述特征信息和随机概率提升森林分类器对所述各像素点进行分类，并计算所述各像素点属于目标位置的概率；将满足预设概率条件的像素点的位置信息确定为所述目标位置的定位结果。2.根据权利要求1所述的方法，其特征在于，在根据随机概率提升森林分类器对所述各像素点进行分类之前，还包括：确定满足目标位置对应的灰度值范围的像素点。3.根据权利要求1所述的方法，其特征在于，计算所述各像素点属于目标位置的概率，包括：计算所述各像素点在随机概率提升森林中的每一棵概率提升树的根节点的概率，确定为所述各像素点在所述概率提升树根节点中属于目标位置的概率，其中，所述各像素点在各概率提升树根节点的概率等于所述概率提升树的子树根节点的概率和其对应根节点的权重乘积之和；将所述随机概率提升森林中各概率提升树根节点的概率的平均值确定为所述各像素点属于目标位置的概率。4.根据权利要求1所述的方法，其特征在于，在获取医学图像之前，还包括：获取至少两个训练样本集，根据所述训练样本集训练随机概率提升森林分类器。5.根据权利要求4所述的方法，其特征在于，根据所述训练样本集训练随机概率提升森林分类器，包括：将所述训练样本根据所述随机概率提升森林分类器进行分类，将分类结果与所述训练样本集的金标准进行比对，确定所述随机概率提升森林的训练误...

【专利技术属性】
技术研发人员：刘钦，
申请(专利权)人：上海联影医疗科技有限公司，
类型：发明
国别省市：上海,31