[发明专利]一种基于多特征融合的皮肤病临床图像分类方法

说明书

本发明公开了一种基于多特征融合的皮肤病临床图像分类方法。对皮肤病临床图像数据集进行预处理；提取图像的特征；将图像特征进行并行融合，获得融合特征；建立SVM分类器并利用SVM分类器进行分类。本发明分类中能获得更多特征信息，提高了分类精度，减少了冗余信息，通过对特征的融合突破了单一特征的表述局限性，取得了优异分类效果。

技术领域

本发明属于图像处理领域，具体涉及一种基于多特征融合的皮肤病临床图像分类方法。

背景技术

近年来皮肤病的种类和发病率不断增长，皮肤病发展成皮肤癌的病例越来越多，后果非常严重，其中很大比例的病例是由于没有早期发现治疗而导致病情发生癌变。目前，计算机辅助诊断的研究课题大多是在乳腺和胸部肺结节性病变等方面，少部分研究CT虚拟结肠内镜、脑肿瘤MR、肝脏疾病CT等病例，很少有研究皮肤病领域图像的分类，现存的研究方法也较不成熟，皮肤病辅助分类领域的研究有待进一步加强，皮肤病的早期诊断是预防皮肤病癌变的有效手段。

皮肤癌是人类常见的癌症之一，而黑色素瘤是当下最常见的三大恶性肿瘤之一。由于黑色素瘤和黑痣、脂溢性角化病在外观上及其相似，所以依靠人眼直接判断较为困难。皮肤癌的诊断一般需要经过临床检查和皮肤镜(皮表透光显微镜)观察方能确诊，检查过程较为复杂和繁琐，所以通过临床图像对皮肤病进行预测和分类的计算机辅助诊断系统就显得尤为重要。如果仅需用手机拍摄一个清晰的皮肤表层图像(皮肤病临床图像)就可以对其进行预测，提醒患者及时就医，通过专业的医疗手段进一步确诊病情，则提高皮肤癌的防治效率。

发明内容

本发明所要解决的技术问题是现有技术下对皮肤病临床图像分类精度不高的问题，提供一种基于多特征融合的皮肤病临床图像分类方法，用以提高皮肤病临床图像的分类精度。

为解决上述问题，本发明是通过以下技术方案实现的：

步骤一，对皮肤病临床图像数据集进行预处理；

步骤二，提取图像的特征；

步骤三，将图像特征进行并行融合，获得融合特征；

步骤四，建立SVM分类器并利用SVM分类器进行分类。

所述的皮肤病临床图像数据集是预先通过采集图像搜集构建组成。

所述步骤一中，对皮肤病临床图像数据集进行预处理的步骤具体包括依次进行的图像去噪、图像增强和毛发消除的处理步骤：

图像去噪：利用高斯滤波的方式对皮肤病临床图像数据集中进行图像去噪，用一个大小为N*N的模板依次扫描图像的每一个像素点，N为模板的宽度/高度，用模板内所有像素的加权平均灰度值替代模板中心像素点的灰度值；

图像增强：将图像去噪后的图像转换为YUV色彩空间并利用灰度直方图均衡算法对图像的像素值进行重新分配，再将图像转换为RGB图像，用以增强图像的对比度；

毛发消除：利用双线性插值法对图像增强后的图像进行毛发消除处理。

所述步骤二中，图像的特征具体包括颜色特征、形状特征和纹理特征。

所述的颜色特征是通过颜色直方图的颜色特征：统计图像像素点的颜色分布，记录固定颜色范围内像素的数量，分析像素点在不同固定颜色范围内占有的比例作为颜色特征，用以描述图像的颜色信息。

所述的形状特征是基于边界的形状特征，使用链码方法获得。

所述的纹理特征是结构型纹理特征，使用LBP局部二值模式纹理特征获得。

所述步骤三中，图像特征并行融合具体步骤包括：

采用以下方式先融合三个特征中任两个特征，再将融合后的特征与第三个特征采用以下方式再融合，得到最后的特征作为融合特征：