一种基于标签块和像素空间加权的二值化分割方法技术

本发明专利技术提供了一种基于标签块和像素空间加权的二值化分割方法，属于计算机图像处理领域。在训练阶段，首先从训练样本中人工选取背景和目标子图，然后利用标签块的方式分别对提取的特征标记为目标和背景，形成矩阵特征进行学习。计算每个元素在当前块中的像素空间权重。最后，利用标签块的特征训练因子幂指数类条件概率分类模型。对待测样本进行二值分割测试时，利用块的形式对测试集中的图像进行遍历，通过训练后的分类模型，计算得到每个块的二值分割值，最后将图像每一块进行二值分割处理。本发明专利技术能够将小鼠OCT眼睛图像中的目标提取出来，取得了较好的效果。取得了较好的效果。取得了较好的效果。

【技术实现步骤摘要】
一种基于标签块和像素空间加权的二值化分割方法


[0001]本专利技术涉及一种基于标签块和像素空间加权的二值化分割方法，属于计算机图像处理


技术介绍

[0002]二值化是OCT分析活体视网膜图像的基础技术之一。近年来，大量的研究主要集中在OCT图像的定量分析，包括生物医学图像去噪、图像重建和疾病分割。利用二值化方法对医学图像的ROI进行了分割，为图像分析和图像理解提供了依据。
[0003]图像分割方法主要有两类：传统的基于统计的模型和深度学习方法。阈值二值化算法广泛应用于图像二值化。其基本思想是基于统计或学习算法从局部区域或全局图像中获取阈值。OTSU和MinError是全局阈值的典型统计算法。基于学习的阈值方法可以获得对整个图像的自适应阈值，可以获得更好的图像二值化性能。当前现有技术中主要针对普通光照下的二值分割，在一定程度上取得了较好的图像二值分割性能。然而，图像存在一些局限性，如低强度和低对比度。

技术实现思路

[0004]本专利技术目的是提供了一种基于标签块和像素空间加权的二值化分割方法，解决了小样本和低本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于标签块和像素空间加权的二值化分割方法，其特征在于，包括以下步骤：步骤一：处理原始图像，分为训练样本和测试样本，选取训练样本中目标子图像和背景背景子图像，子图像的大小必须大于标签块的大小，将训练样本的目标子图像和背景子图像分别放在不同的文件夹中；步骤二：特征提取并构建标签块；分别从存放目标子图像和背景子图像的文件夹中用标签块进行遍历，形成特征矩阵，将提取的目标子图像特征标签块记为a，提取的背景子图像特征标签块记为步骤三：利用训练样本训练像素空间加权的因子幂指数分类模型，所述模型如下：其中，表示一个子图像的特征向量，d表示每个标签块的特征向量维数，j∈{1,d}；Ck表示类的数量，k＝{1,2}，为因子幂指数类条件概率函数；P(Y＝C
k
)表示类先验概率，其计算公式如下：其中，为对应类的样本数量，N表示训练样本标签块个数；所述因子幂指数类条件概率公式如下：其中，D表示一个常数，^表示幂指数运算，λ表示一个可以微调的参数，取值范围为[0,1]，m
j
表示所有标签块对应维度的像素的均值，表示像素空间权重函数；所述空间权重函数公式如下：其中，B为一个常数，R(.,r)表示对待运...

【专利技术属性】
技术研发人员：马飞，王升波，李颖，孟静，赵景秀，张元科，程荣花，
申请(专利权)人：曲阜师范大学，
类型：发明
国别省市：