基于融合Canny制造技术

本发明专利技术公开了一种基于融合Canny

【技术实现步骤摘要】
基于融合Canny
–
SIFT算法的MRI细微特征提取方法


[0001]本专利技术涉及一种基于融合Canny
–
SIFT算法的MRI细微特征提取方法，属于医学影像处理


技术介绍

[0002]核磁共振影像是反应患者病患处实际情况的图像，目前是医学疾病诊断中不可或缺组成部分，但核磁共振影像中存在内部器官之间关系复杂并且病理组织重叠，边界模糊，纹理信息不清晰等问题，然而影像中各组织之间的形态、轮廓、细微特征等信息又是判断该部位是否异常的重要依据，即使是临床经验丰富的医生，也需要花费大量的时间进行诊断，但现实中满足要求的医生存在数量短缺以及精力有限的情况，从而误诊或漏诊情况时有发生，可能对患者最佳治疗时间造成延误，故对MRI图像进行提取处理是很有必要的，有助于协助医生做出更为准确的诊断，以达到提高诊断速度和准确率的目的。
[0003]本专利技术设计主要针对于磁共振影像(MRI)中的细微特征难提取、易缺失问题，对Canny算法、SIFT算法、PSO算法优化BP神经网络进行了研究，提出了一种基于融合Canny
‑
SIFT算法的MRI细微特征提取算法，该算法首先解决因图像的灰度不均匀以及噪声信号繁杂导致图中纹理、细微特征信息不清晰问题，采用自动Gamma变换增加图像对比度，由泛洪填充和离散余弦变换构成的混合滤波器对背景和观察区域噪声做分别处理；针对重点观测区域细微特征提取不完整问题，根据实际诊断要求进行重要程度划分，通过特征匹配和拓扑关系推理获取重要区域的位置、面积等方面信息，同时完成自适应选取相应Sobel算子；最后通过阈值化分割和二值化处理获得输出图像；本系统包含输入模块、预处理模块、判断分类比对模块、阈值化分割模块、输出模块，共计五个主要模块。将医学影像输入后通过各个模块的处理，最终实现从复杂且特殊的医学影像到简单易懂的边缘检测图像。

技术实现思路

[0004]本专利技术的目的在于提供了一种基于融合Canny
–
SIFT算法的MRI细微特征提取方法，该专利技术解决了从医学核磁共振影像中细微特征信息难提取、边界信息不完整的技术问题，完成从MR影像入手到获取边缘检测图生成的全过程。
[0005]本专利技术的技术方案是：
[0006]一种基于融合Canny
–
SIFT算法的MRI细微特征提取方法，包括输入模块、预处理模块、判断分类比对模块、阈值化分割模块和输出模块；
[0007]所述输入模块汇总了整个系统所用的数据和影像，所述输入模块为整个专利技术系统的数据源；
[0008]所述预处理模块包括图像格式转换，图像亮度均衡化和混合滤波器，所述预处理模块对输入模块所导入的影像做初步处理；
[0009]所述判断分类比对模块对预处理模块的处理图进行操作，根据诊断的实际需求来进行区域划分；
[0010]所述阈值化分割模块根据提取区域的不同自动选取相应不同方向的算子，通过分区域、分方向算子的方式达到及不过多增加整体运行时间的同时提升感兴趣区域细微特征提取能力，阈值的选取通过PSO算法优化BP神经网络方式获得系统所需的高低两阈值；
[0011]所述输出模块在阈值化分割模块处理完成后进行二值化处理，原图像中像素点的灰度值设置为0或，整张图像呈现明显的黑白效果，边界轮廓线条更加清晰明显；
[0012]作为优选方案，所述预处理模块在图像去噪时将图像自动分为背景区域和人体观察区域。
[0013]所述判断分类比对模块是对预处理模块所提及的人体观察区域进行更进一步的划分，分为感兴趣区域(ROI)和非感兴趣区域，感兴趣区域为病人的患病处也可为两相邻组织的连接处。
[0014]作为优选方案，所述阈值化分割模块通过PSO算法优化BP神经网络方式获得阈值化所需的最优的高低两阈值，在方向算子的选择时与判断分类比对模块所提及的区域的不同选取相应的算子。
[0015]作为优选方案，所述输出模块是将阈值化分割模块处理完成后的图像进一步处理得出的，所执行的操作为二值化处理，原图像中的像素值范围从0到变为0或。
[0016]作为优选方案，一种基于融合Canny
–
SIFT算法的MRI细微特征提取方法包括如下步骤：
[0017]步骤一：用户首先将获得的MRI医学影像导入至输入模块内，输入模块对导入的影像进行格式转换以及转为灰度图像操作。
[0018]步骤二：对步骤一完成的灰度图像进行自动Gamma变换以及噪声去除，将原本灰暗且明暗对比较大的图像转换为亮度较为均衡的灰度图，在去噪时将图像分区域进行针对性去除。
[0019]步骤三：对步骤二完成的图像内部进行更为细化的划分，将重点观测区域划分为感兴趣区域其他区域划分为非感兴趣区域，通过特征匹配和拓扑关系推理从而精确获得重点观测区域的位置信息，并将位置信息进行保存。
[0020]步骤四：通过获取到的位置信息完成自适应选取提取算子，其中重点观测区域选用精准度更高的五阶矩阵算子，而其他区域选用三阶矩阵算子，其中阈值的高低两阈值使用PSO算法优化BP神经网络方式获得。
[0021]步骤五：将步骤四完成的边缘检测图像进行二值化处理，使得边缘线条更加清晰、明显，将图像保存为常见的图片格式例如：.PNG、.JPG。
[0022]本专利技术的有益效果是：
[0023]1.本专利技术基于融合Canny
–
SIFT算法的MRI细微特征提取方法，该算法可解决细微特征难提取、提取不完全问题。该方法提高了整体边缘检测精度、降低了漏检率和误检率、自动化程度较高；
[0024]2.本专利技术在处理核磁共振影像时，考虑到医学影像文件格式的特殊性首先在输入模块时就采取了文件格式转换，转换为我们日常常见的图像例如.PNG、.JPG文件格式，以便于后续的图像处理并且最终处理完成的最终图像也是常见图像格式便于传阅和观察。在图像处理的过程中多次使用分区域分部位的方式来完成图像去噪和ROI部位定位，通过该方式可以使得重点观测部位的边缘检测的精细化程度提高的同时并不会过多的增减整体的
处理时间，使得该系统的运行时所需实验平台环境较低、代码运行速度较快。
[0025]3.实验证明，本专利技术适用于绝大多数的核磁共振影像的特征提取，通过本方法进行预处理、阈值化分割、二值化处理后均可获得清晰边界完整、细微特征处明显的处理图。
[0026]4.本专利技术为绝大多数的核磁共振影像均可完成从图像内部灰暗、边界信息不完成却且文件格式特殊的医学影像到最终边界轮廓信息完整且图像格式常见的转换，并且最终处理图与最初的原始图像仍保持有较高的结构相似性。作为本专利技术提出的方法可解决细微特征难提取、提取不完全问题。该方法提高了整体边缘检测精度、降低了漏检率和误检率、自动化程度较高，并且本文算法应用范围较广，对于CT、X光等其他医学图像均可使用，可通过相关调节参数获得优秀的检测结果。
附图说明
[0027]图1为本专利技术的整体流程展本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于融合Canny
–
SIFT算法的MRI细微特征提取方法，其特征在于：包括输入模块(1)、预处理模块(2)、判断分类比对模块(3)、阈值化分割模块(4)和输出模块(5)；所述输入模块(1)汇总了整个系统所用的数据和影像，所述输入模块(1)为整个发明系统的数据源；所述预处理模块(2)包括图像格式转换，图像亮度均衡化和混合滤波器，所述预处理模块(2)对输入模块所导入的影像做初步处理；所述判断分类比对模块(3)对预处理模块(2)的处理图进行操作，根据诊断的实际需求来进行区域划分；所述阈值化分割模块(4)根据提取区域的不同自动选取相应不同方向的算子，通过分区域、分方向算子的方式达到及不过多增加整体运行时间的同时提升感兴趣区域细微特征提取能力，阈值的选取通过PSO算法优化BP神经网络方式获得系统所需的高低两阈值；所述输出模块(5)在阈值化分割模块(4)处理完成后进行二值化处理，原图像中像素点的灰度值设置为0或255，整张图像呈现明显的黑白效果，边界轮廓线条更加清晰明显。2.根据权利要求1所述的一种基于融合Canny
–
SIFT算法的MRI细微特征提取方法，其特征在于，所述预处理模块(2)在图像去噪时将图像自动分为背景区域和人体观察区域。3.根据权利要求1所述的一种基于融合Canny
–
SIFT算法的MRI细微特征提取方法，其特征在于，所述判断分类比对模块(3)是对预处理模块(2)所提及的人体观察区域进行更进一步的划分，分为感兴趣区域(ROI)和非感兴趣区域，感兴趣区域为病人的患病处也可为两相邻组织的连接处。4.根据权利要求1所述的一种基于融合Canny
–
...

【专利技术属性】
技术研发人员：刘浩宇，刘孝保，经承成，王远强，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：