一种数字病理全切片图像检索方法技术

本发明专利技术公开了一种数字病理全切片图像检索方法，具体包括以下步骤：步骤1：图像预备处理，步骤2：提取图像特征步骤3：构建视觉词典，步骤4：统计数据，生成码书，步骤5：引入TF‑IDF权值，步骤6：生成查询图像生成同样的加权特征值，步骤7：比较加权算法特征值，本发明专利技术涉及图像检索技术领域。该数字病理全切片图像检索方法，通过提取图像特征，可以将图片的尺度不变特征变换，生成更多的特征点，扩充了图像检索的维度，方便在后期机器对病理图片进行检索时，可以更快更精确的搜索到相对应的图片，通过图像预备处理，图片在被搜索前经过分割、扩充等处理操作，图像可以在后期被更加顺畅的操作，提高了搜索速度。

【技术实现步骤摘要】
一种数字病理全切片图像检索方法
本专利技术涉及图像检索
，具体为一种数字病理全切片图像检索方法。
技术介绍
病理切片制作时将部分有病变的组织或脏器经过各种化学品和埋藏法的处理，使之固定硬化，在切片机上切成薄片，粘附在玻片上，染以各种颜色，供在显微镜下检查，以观察病理变化，作出病理诊断，为临床诊断和治疗提供帮助。取材组织愈新鲜愈好，人体组织一般在离体后，动物组织在处死后迅速固定，以保证原有的形态学结构。有关图像检索的研究，主要是基于文本的图像检索技术，利用文本描述的方式描述图像的特征，如绘画作品的作者、年代、流派、尺寸等。从20世纪70年代开始，有关图像检索的研究就已开始，当时主要是基于文本的图像检索技术，利用文本描述的方式描述图像的特征，如绘画作品的作者、年代、流派、尺寸等。到90年代以后，出现了对图像的内容语义，如图像的颜色、纹理、布局等进行分析和检索的图像检索技术，即基于内容的图像检索技术。CBIR属于基于内容检索的一种，CBR中还包括对动态视频、音频等其它形式多媒体信息的检索技术。现在很多医疗患者在做检查时，需要对部本文档来自技高网...

【技术保护点】
1.一种数字病理全切片图像检索方法，其特征在于：具体包括以下步骤：/n步骤1：图像预备处理：图片在正式被检索前，需要对图片局部特征提取，通过分割、密集或随机采集、关键点或稳定区域、显著区域等方式使图像形成不同的零散图片，并获得各零散图片处的特征；/n步骤2：提取图像特征：提取图像的SIFT特征，首先是构造DoG尺度空间，在SIFT中使用不同参数的高斯模糊来表示不同的尺度空间，删除不稳定的极值点，确定特征点的主方向，生成特征点的描述；/n步骤3：构建视觉词典：将所有图像的所有SIFT特征点放在一起，进行聚类，得出的聚类中心便是视觉词汇，所有视觉词汇的集合便是视觉词典，聚类中心的大小可以设置，本申...

【技术特征摘要】
1.一种数字病理全切片图像检索方法，其特征在于：具体包括以下步骤：
步骤1：图像预备处理：图片在正式被检索前，需要对图片局部特征提取，通过分割、密集或随机采集、关键点或稳定区域、显著区域等方式使图像形成不同的零散图片，并获得各零散图片处的特征；
步骤2：提取图像特征：提取图像的SIFT特征，首先是构造DoG尺度空间，在SIFT中使用不同参数的高斯模糊来表示不同的尺度空间，删除不稳定的极值点，确定特征点的主方向，生成特征点的描述；
步骤3：构建视觉词典：将所有图像的所有SIFT特征点放在一起，进行聚类，得出的聚类中心便是视觉词汇，所有视觉词汇的集合便是视觉词典，聚类中心的大小可以设置，本申请采用K-Means聚类算法；
步骤4：统计数据，生成码书：生成码书就是构造算法特征，计算每幅图像的视觉词数量，统计出词频矩阵；
步骤5：引入TF-IDF权值：计算TF值和IDF值进而得到TF-IDF矩阵，并对其进行L2归一化；
步骤6：生成查询图像生成同样的加权特征值：自动生成查询图像后生成同样的加权特征值；
步骤7：比较加权算法特征值：使用汉明距离，比较查询图像与数据库里的图像。


2.根据权利要求1所述的一种数字病理全切片图像检索方法，其特征在于：所述步骤1中，零散图...

【专利技术属性】
技术研发人员：曹小伍，雷铭轩，
申请(专利权)人：杭州憶盛医疗科技有限公司，
类型：发明
国别省市：浙江;33