[发明专利]一种基于多分类模型的图像分类装置及分类方法

说明书

本发明公开了一种基于多分类模型的图像分类装置与分类方法，装置包括：图像预处理模块，用于获取待分析样本的核磁共振T1加权图像，并进行预处理；特征提取模块，用于对预处理后的图像进行特征提取，提取出影像学特征；特征融合模块，用于将提取出的影像学特征进行融合，形成特征空间；特征筛选模块，用于从特征空间中筛选出具有判别能力的特征，并构建多分类模型；检测分析模块，用于利用多分类模型对待分析样本的图像测试数据进行分析，输出分类结果。本发明通过采用不同分割区域模板对大脑图像进行特征提取，将这些不同的特征融合在一起，构建多分类模型，将图像分成不同的目标类别，有利于对图像进行准确分类，实现更高效且快速的图像处理。

技术领域

本发明涉及图像处理领域，尤其涉及的是一种基于多分类模型的图像分类装置及分类方法。

背景技术

随着科技的不断发展，图像处理技术的发展也越来越迅速，应用领域也越来越广泛。尤其是在医学领域，图像处理技术同样被应用在很多方面，例如可以帮助医护人员得到更加清晰的医学图像、提高医护人员的工作效率等等。

但是现有技术中对于医学图像的处理难以达到理想的效果，并且很多情况下对于医学图像的处理过程中容易出现过拟合的现象，影响图像处理的结果。虽然现有技术中为了解决过拟合的问题，会给特征空间加上稀疏的约束来表示少数有效的特征，但是这种方法进只能帮助筛选出有效特征，并不能模拟出特征空间的复杂关系，无法建立高效的特征选择模型，无法对图像进行高效且准确的分类。

因此，现有技术还有待于改进和发展。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于多分类模型的图像分类装置及分类方法，旨在解决现有技术在对图像分类处理中，无法建立高效的特征选择模型，从而无法对图像进行准确分类等问题。

本发明解决技术问题所采用的技术方案如下：

一种基于多分类模型的图像分类装置，其中，所述装置包括：

图像预处理模块，用于获取待分析样本的核磁共振T1加权图像，并进行预处理；

特征提取模块，用于利用不同的分割区域模板对预处理后的图像进行特征提取，提取出影像学特征；

特征融合模块，用于将提取出的影像学特征进行融合，形成特征空间；

特征筛选模块，用于将所述特征空间与自适应稀疏学习特征选择方法结合，从所述特征空间中筛选出具有判别能力的特征，并构建多分类模型；

检测分析模块，用于利用所述多分类模型对待分析样本的图像测试数据进行分析，输出分类结果。

所述基于多分类模型的图像分类装置，其中，所述图像预处理模块包括：

图像获取单元，用于采用核磁共振成像技术获取待分析样本的核磁共振T1加权像；

图像处理单元，用于利用统计图分割工具对所述核磁共振T1加权像进行标准化以及分割处理；

图像提取单元，用于从分割后的图像中分别提取出特征元素的图像。

所述基于多分类模型的图像分类装置，其中，所述特征提取模块包括：

特征提取单元，用于利用多个不同的分割区域模板分别对经过分割处理后的图像进行特征提取；

计算分析单元，用于计算分割区域中的各特征元素体积所对应的值，并作为特征融合时的特征向量。

所述基于多分类模型的图像分类装置，其中，所述特征筛选模块中的自适应稀疏学习特征选择方法为线性判别分析法以及局部保留投影法。

所述基于多分类模型的图像分类装置，其中，所述特征筛选模块包括：