[发明专利]一种图像边缘近邻描述特征算子的提取方法

权利要求书

1.一种图像边缘近邻描述特征算子的提取方法，其特征在于包括以下步骤：

(1)分割训练集中每幅图像的病灶区域；

(2)对每幅图像的病灶区域的边缘进行采样，得到所有采样点特征形成的矩阵作为原始的高维特征空间；

(3)压缩原始的高维特征空间的维数，得到低维特征空间；

(4)在低维空间进行聚类，获得低维空间的聚类中心；

(5)对一幅新图像重复步骤(1)、(2)、(3)的操作，得到低维特征矩阵，将低维特征矩阵的每一列看作是一个样本，统计所有样本点落在每个聚类中心的个数，并将个数值排列作为一个向量，则所述向量即为所述新图像的边缘近邻描述特征算子。

2.根据权利要求1所述的图像边缘近邻描述特征算子的提取方法，其特征在于：所述步骤(1)中训练集由已知病灶类型的医学图像组成，已知病灶类型的医学图像的数量的取值范围为100至500幅。

3.根据权利要求1所述的图像边缘近邻描述特征算子的提取方法，其特征在于：所述步骤(2)中的采样点的选取过程为：对每幅图像的病灶边缘点均匀采样，选取n个采样本点，对每个采样本点分别沿垂直于边缘的方向向内和向外再各取m个像素点，从而每幅图像得到大小为(2m+1)*n个采样点并形成(2m+1)×n的矩阵，则整个训练集中得到大小为(2m+1)×n*i的矩阵，其中i为训练集中图像数量，作为原始的高维特征空间。

4.根据权利要求1所述的图像边缘近邻描述特征算子的提取方法，其特征在于：所述步骤(3)中将原始的特征向量维数采用主成分分析的方法由高维特征空间降至低维特征空间。

5.根据权利要求1所述的图像边缘近邻描述特征算子的提取方法，其特征在于：所述步骤(4)中将每幅图像的降维矩阵看作由该降维矩阵的列数个样本点所构成的数据集，利用C均值方法对该矩阵进行聚类。

6.根据权利要求1或5所述的图像边缘近邻描述特征算子的提取方法，其特征在于：所述聚类数取值为j，得到j个聚类中心，则统计出一个j维的向量作为边缘近邻描述特征算子，j的范围是16至64。