一种增强纹理特征提取的方法及其在黑色棘皮症的应用技术

本发明专利技术涉及一种增强纹理特征提取的方法及其在黑色棘皮症的应用，通过将输入图像转换为灰度图像，对灰度图像进行同态高斯滤波得到高斯滤波图像，对灰度图像进行Gabor滤波得到Gabor滤波图像；对高斯滤波图像与Gabor滤波图像进行归一化滤波，得到归一化滤波图像；对归一化滤波图像进行二值化处理，得到二值化图像；对二值化图像通过基于轮廓曲长大小的检测，通过检测之后，输出结果。本发明专利技术优化了在细小纹理处的检测效果和提出了减少误差的方法，主要使用了同态高斯滤波和Gabor滤波相结合的方法，对图像进行图像增强和纹理检测。最后在图像特征提取出来的基础上对纹理进行进一步的剔除处理，极大的减少纹理的误检率。极大的减少纹理的误检率。极大的减少纹理的误检率。

【技术实现步骤摘要】
一种增强纹理特征提取的方法及其在黑色棘皮症的应用


[0001]本专利技术涉及一种增强纹理特征提取的方法及其在黑色棘皮症的应用，属于图像纹理特征提取


技术介绍

[0002]目前对黑棘皮症的诊断方法主要有：基于皮肤镜的检查技术；基于不同色素性皮损的皮肤荧光诊断的方法；利用深度学习的卷积神经网络从皮肤镜图像数据集中检测的方法。基于皮肤镜的检查技术的方法，主要靠肉眼识别，太过依赖有经验的医生。基于不同色素性皮损的皮肤荧光诊断的方法，因为设备所采用的双光子激发黑色素荧光只能用在四肢，不能用在头部或其他部位，有很大的局限性。利用深度学习的卷积神经网络从皮肤镜图像数据集中检测的方法，检测率很高，但需要非常大的数据集，运行速度很慢。
[0003]AndreEsteva在nature上发表的论文利用深度学习的卷积神经网络从皮肤镜图像数据集中检测出黑色素瘤，识别准确率高达94％，但作者使用了一个非常大的数据集，包含120000张皮肤镜图像，数据集未公开。图像预处理、图像分割、图像特征选择和特征提取及图像分类识别等方面是当前皮肤病病例图研究的主要方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种增强纹理特征提取的方法，其特征在于包括以下步骤：步骤S1、将输入图像转换为灰度图像；步骤S2、对灰度图像进行同态高斯滤波得到高斯滤波图像，对灰度图像进行Gabor滤波得到Gabor滤波图像；步骤S3、对高斯滤波图像与Gabor滤波图像进行归一化滤波，得到归一化滤波图像；步骤S4、对归一化滤波图像进行二值化处理，得到二值化图像；步骤S5、对二值化图像通过基于轮廓曲长大小的检测，通过检测之后，输出结果。2.根据权利要求1所述的一种增强纹理特征提取的方法，其特征在于：对灰度图像进行同态高斯滤波得到高斯滤波图像，高斯滤波图像表示为f
t
(u，v)，对灰度图像进行Gabor滤波得到Gabor滤波图像，Gabor滤波图像表示为f
g
(u，v)；f
′
t
(u，v)＝f
t
(u，v)
‑
min
(u，v)
f
t
(u，v)，f
′
g
(u，v)＝f
g
(u，v)
‑
min
(u，v)
f
g
(u，v)，min
(u，v)
f
g
(u，v)为f
g
(u，v)的最小值，max
(u，v)
f
′
t
(u，v)为f
′
t
(u，v)的最大值，GF(u，v)表示为归一化滤波...

【专利技术属性】
技术研发人员：高飞，谢龙珠，张蕾，叶旸，蔡灵美，李娜，黄海波，
申请(专利权)人：合肥学院，
类型：发明
国别省市：