一种多尺度多特征的心电图医学图像融合及分类方法技术

本发明专利技术请求保护一种多尺度多特征的心电图医学图像融合及分类方法，其包括以下步骤：步骤1：获取数据库中所有的心电图医学图像，进行包括去除所述心电图医学图像中的基线和高频噪声在内的预处理步骤；步骤2、在多尺度分解过程中，进行平滑处理，进行多尺度分解，获得平滑图像和细节图像；对于平滑图像S采用信息熵进行加权融合得到融合平滑图像，而对于细节图像采用多特征进行融合得到融合细节图像FS；步骤3：利用像素级上的简单运算对融合后的平滑图像FD和细节图像FS进行基于ADMM重构得到融合图像F；输出最终的融合图像F；步骤4：并采用Adaboos分类器融合图像F进行分类。本发明专利技术可以降低复杂度、提高融合图像的质量、提高分类精确度。

【技术实现步骤摘要】
一种多尺度多特征的心电图医学图像融合及分类方法
本专利技术属于医疗图像处理
，特别涉及一种多尺度多特征的心电图医学图像融合及分类方法。
技术介绍
现有心电图医学图像融合技术主要对两种不同模态的医学图像，根据医学图像模态的不同，医学图像融合系统可以分为三种类型：解剖医学图像与解剖医学图像融合、解剖医学图像与功能医学图像融合以及功能医学图像与功能医学图像融合。MRI-PET和MRI-SPECT医学图像融合系统属于解剖医学图像与功能医学图像融合，该系统的输入图像是灰度和伪彩色。飞利浦公司推出的MRI-PET组合一体化套件将商用的MRI成像扫描仪和具有特殊屏蔽的PET结合起来，得到的图像对癌症转移的诊断及术前分期具有重要的临床价值。由于像素级多尺度融合方法在不同尺度图像上直接对图像的像素值进行处理，能最大限度地保留输入图像的像素信息和提高融合图像的质量。因此，像素级多尺度方法在医学图像融合领域成为一个研究热点。目前，国内外主要从图像分解与重构方法和图像融合规则方法两个方面出发，提出新的像素级多尺度融合方法。在图像分解与重构方法方面，基于频域的图像融合方法利用傅里叶变换和傅里叶逆变换对图本文档来自技高网...

【技术保护点】
1.一种多尺度多特征的心电图医学图像融合及分类方法，其特征在于，包括以下步骤：步骤1：获取数据库中所有的心电图医学图像，进行包括去除所述心电图医学图像中的基线和高频噪声在内的预处理步骤，并将其分为灰度解剖心电图医学图像和伪彩色功能心电图医学图像，分别标记为

【技术特征摘要】
1.一种多尺度多特征的心电图医学图像融合及分类方法，其特征在于，包括以下步骤：步骤1：获取数据库中所有的心电图医学图像，进行包括去除所述心电图医学图像中的基线和高频噪声在内的预处理步骤，并将其分为灰度解剖心电图医学图像和伪彩色功能心电图医学图像，分别标记为和步骤2、在多尺度分解过程中，通过改变传播滤波器中高斯卷积核的大小，对对步骤1的两幅源图像和进行平滑处理，使用平滑处理对图像和进行多尺度分解，获得平滑图像和细节图像；对于平滑图像S采用信息熵进行加权融合得到融合平滑图像，而对于细节图像采用多特征进行融合得到融合细节图像Fs；传播滤波器的原型为：Sp＝1/Zp∑t∈N(p)wp,t×It，其中，Sp为平滑后的图像，Zp为归一化因子，N(p)为以p为中心像素点的邻域，i表示像素点序列号，It为在坐标位置t的图像像素值，wp,t为传播滤波器权值；其中，传播滤波器权值的第一项表示利用与像素p和像素t邻接的像素之间的距离和高斯卷积核σa的高斯函数；传播滤波器权值的第二项表示利用与像素p邻接的所有像素距离和高斯卷积核σr的高斯函数；步骤3：利用像素级上的简单运算对融合后的平滑图像FD和细节图像FS进行基于ADMM重构得到融合图像F；输出最终的融合图像F；步骤4：并采用Adaboos分类器融合图像F进行分类，分类步骤包括：通过第一训练集训练所述Adaboost分类器训练时需要用到的SVM分类器；使用训练出的SVM分类器提取第二训练集的样本特征；根据提取出的第二训练集的样本特征训练Adaboost分类器。2.根据权利要求1所述的多尺度多特征的心电图医学图像融合及分类方法，其特征在于，所述步骤3对于平滑图像S采用信息熵进行融合得到平滑图像FD采用的是香农提出的信息熵进行权值计算，其中信息熵函数主要利用像素值的概率分布来进行权重的排序...

【专利技术属性】
技术研发人员：李垒，
申请(专利权)人：重庆知遨科技有限公司，
类型：发明
国别省市：重庆,50