【技术实现步骤摘要】
一种基于分类框架的图像二值化方法
[0001]本专利技术属于计算机图像处理
,尤其涉及一种基于分类框架的图像二值化方法。
技术介绍
[0002]二值化是光学相干层析成像(OCT)图像分析中的一项基本任务,它已广泛应用于面积的简单量化和更复杂的血管分析。近年来,大量研究集中于视网膜血管和脉络膜毛细血管八角图像的定量分析。OCT能够以微米分辨率获得活体组织的图像,已成功应用于医学诊断,如诊断性眼科和其他人体内脏。OCT是一种非侵入性成像技术。
[0003]机器学习方法在生物医学图像处理中得到了长足的发展。这些方法已广泛应用于生物医学图像重建、图像去噪和疾病分类。二值化方法可分为全局阈值和局部阈值两类。
[0004]1)基于全局阈值的方法简单有效,适用于差异较大的像素点,包括大津法(Otsu)和迭代二值化等方法;2)基于局部阈值方法可以获得样本子图像的最佳阈值,包括Niblack和k
‑
means等方法。
[0005]全局阈值方法,如Otsu,是一种有效的二值化阈值图像的方法,但不适用于光照对比度较低以及光照不均匀的图像。当图像的对比度很低时,将很难直接区分目标和背景区域,该类方法二值化效果较差。
[0006]对于低强度、光照不均匀以及复杂场景的图像处理需要有效的二值化阈值方法。
[0007]综上所述,现有技术存在的问题如下:
[0008]1)直接将现有的方法,全局阈值二值化和局部阈值二值化方法直接应用于低对比的OCT眼睛图像中,获得的二值化效果不理想 ...
【技术保护点】
【技术特征摘要】
1.一种基于分类框架的图像二值化方法,其特征在于,包括以下步骤:步骤一:选取指定单纯小区域子图,所述单纯小区域子图为只包含器官区域的子图或只包含背景区域的子图,然后指定该子图的标签,在训练样本中,对每一幅OCT眼睛样本图像手工选取器官小区域和背景小区域,将仅包含器官区域的子图即前景和仅包含背景区域的子图分别存放在两个对应的文件夹ROI和BackGround中;步骤二:倍减区域拼接特征提取,采用N
‑
邻域目标区域和双重区域提取特征的方法,分别从两个文件夹中每个子图像采用两个阶段的方式提取Gabor特征,第一阶段采用N
‑
邻域目标区域对子图像进行划分并提取Gabor特征,第二阶段对N
‑
邻域目标区域间隔选取像素点减小一半的尺寸,如果减半后为小数则向上取为整数,并提取特征,最后将两次提取的Gabor特征拼接为一个高维特征向量;步骤三:特征降维并学习映射子空间,利用主成分分析PCA技术对提取的Gabor特征进行降维,并得到特征映射子空间S;步骤四:训练支持向量机,获得给定一个训练集的最佳分离超平面,并对背景和前景进行分类;步骤五:N
‑
邻域目标区域分类,根据N
‑
邻域目标区域的判断结果对待测样本图像区域赋值;步骤六:2
‑
方向定长填充和形态学腐蚀算法处理,在得到初步的二值化图像后,存在ROI区域内部孔洞和不连续等问题,采用2
‑
方向定长填充和形态学腐蚀对二值化后的图像进一步处理。2.根据权利要求1所述的基于分类框架的图像二值化方法,其特征在于,所述步骤二中提取的Gabor特征维度达到3000维。3.根据权利要求1所述的基于分类框架的图像二值化方法,其特征在于,采用倍减区域拼接特征提取的方式,分别提取N
‑
邻域目标区域特征,特别地,N
‑
邻域目标区域表示选取的区域像素位置相邻,并且仅包含前景区域或背景区域的像素,N的取值由手工设置;对应的Gabor提取公式如下:z=2πi(μxcosθ+μysinθ),
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)其中,σ表示Gabor模板的标准差,θ表示Gabor滤波的方向,μ表示采样频率;将提取的仅包含器官的拼接特征标记为1,将提取的仅包含背景的拼接特征标记为
‑
1。4.根据权利要求1所述的基于分类框架的图像二值化方法,其特征在于,所述步骤三中特征映射子空间计算公式如下:S=F(X),
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)其中,S表示训练集中的投影子空间,F(X)是计算主成分分析PCA的函数。5...
【专利技术属性】
技术研发人员:马飞,程荣花,孟静,王升波,赵景秀,张元科,李颖,张雪婷,
申请(专利权)人:曲阜师范大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。