[发明专利]CT切片图像的自动分类方法和装置

权利要求书

1.CT切片图像的自动分类方法，其特征在于，包括以下步骤：

步骤1、使用最大类间方差算法计算出将输入的CT切片图像二维数组DCM_I进行背景区域与身体目标区域进行最佳分割的阈值V_TH，依据所述阈值V_TH将所述CT切片图像二维数组DCM_I进行二值化处理获得二值图像二维数组DCM_B，对所述二值图像二维数组DCM_B进行二值开运算处理获得轮廓图像二维数组DCM_C，从所述轮廓图像二维数组DCM_C提取包含所述身体目标区域的方框C_Box=[X_left, Y_top, X_right, Y_bottom]，所述X_left为所述方框C_BOX在X轴方向的左边界、所述Y_top为所述方框C_BOX在Y轴方向的上边界、所述X_right为所述方框C_BOX在所述X轴方向的右边界、所述Y_bottom为所述方框C_BOX在所述Y轴方向的下边界；

步骤2、将所述方框C_BOX分割为M*N个尺寸相同的子方框C_{subBOX(m, n)}= [X_left+(m-1)*W,Y_top+(n-1)*H, X_left+m*W, Y_top+n*H]，所述M为将所述方框C_BOX在所述X轴方向等分的数目，所述N为将方框C_BOX在所述Y轴方向等分的数目，所述m为所述子方框C_{subBOX(m, n)}在所述X轴方向的序号，所述m的取值范围为[1, M]，所述n为所述子方框C_{subBOX(m, n)}在所述Y轴方向的序号，所述n的取值范围为[1, N]，所述W为所述子方框C_{subBOX(m, n)}在所述X轴方向的宽度，所述W=(X_right-X_left )/M，所述H为所述子方框C_{subBOX(m, n)}在所述Y轴方向的高度，所述H=(Y_bottom -Y_top)/N；

步骤3、使用算子Sobel_X计算所述CT切片图像二维数组DCM_I的梯度分布二维数组DCM_{G_X}，所述算子Sobel_X =[-1 0 1, -2 0 2, -1 0 1]，使用算子Sobel_Y计算所述CT切片图像二维数组DCM_I的梯度分布二维数组DCM_{G_Y}，所述算子Sobel_Y =[-1 -2 -1, 0 0 0, 12 1]，使用算子Sobel_XY计算所述CT切片图像二维数组DCM_I的梯度分布二维数组DCM_{G_XY}，所述算子Sobel_XY =[0 1 2, -1 0 1, -2 -1 0]，使用算子Sobel_YX计算所述CT切片图像二维数组DCM_I的梯度分布二维数组DCM_{G_YX}，所述算子Sobel_YX =[-2 -1 0, -1 0 1, 0 1 2]，计算所述CT切片图像二维数组DCM_I的局部二值模式分布二维数组DCM_LBP；

步骤4、从所述梯度分布二维数组DCM_{G_X}计算对应所述子方框C_{subBOX(m, n)}所在位置[X_left+(m-1)*W, Y_top+(n-1)*H, X_left+m*W, Y_top+n*H]的梯度直方分布向量H_{G_X(m, n)}，从所述梯度分布二维数组DCM_{G_Y}计算对应所述子方框C_{subBOX(m, n)}所在位置[X_left+(m-1)*W, Y_top+(n-1)*H, X_left+m*W, Y_top+n*H]的梯度直方分布向量H_{G_Y(m, n)}，从所述梯度分布二维数组DCM_{G_XY}计算对应所述子方框C_{subBOX(m, n)}所在位置[X_left+(m-1)*W, Y_top+(n-1)*H, X_left+m*W, Y_top+n*H]的梯度直方分布向量H_{G_XY(m, n)}，从所述梯度分布二维数组DCM_{G_YX}计算对应所述子方框C_{subBOX(m, n)}所在位置[X_left+(m-1)*W, Y_top+(n-1)*H, X_left+m*W, Y_top+n*H]的梯度直方分布向量H_{G_YX(m, n)}，从局部二值模式分布二维数组DCM_LBP计算对应所述子方框C_{subBOX(m, n)}所在位置[X_left+(m-1)*W, Y_top+(n-1)*H, X_left+m*W, Y_top+n*H]的局部二值模式直方分布向量H_{LBP(m, n)}；

步骤5、通过公式H_{G_LBP}=concat([H_{G_X(m, n)}, H_{G_Y(m,n)}, H_{G_XY(m,n)}, H_{G_YX(m,n)}, H_LBP(m,n)])|_{m:1-M, n:1-N}将所述梯度直方分布向量H_{G_X(m, n)}、所述梯度直方分布向量H_{G_Y(m, n)}、所述梯度直方分布向量H_{G_XY(m, n)}、所述梯度直方分布向量H_{G_YX(m, n)}、所述局部二值模式直方分布向量H_{LBP(m, n)}进行向量合并，所述H_{G_LBP}为所述CT切片图像二维数组DCM_I的全局特征向量，所述concat为向量合并函数；

步骤6、通过公式argmin(dist(Ci, H_{G_LBP}))|_{Ci∈{C1,C2,…,CK}}计算与所述全局特征向量H_{G_LBP}距离最短的Ci 所对应的类别序号i_opt作为所述CT切片图像二维数组DCM_I 所属的类别，所述Ci为所述类别模板集{C1,C2,…,CK}内类别i的全局特征向量，所述K为所述类别的总数，所述全局特征向量H_{G_LBP}与所述类别i的全局特征向量Ci的距离计算公式dist(Ci,H_{G_LBP})=||Ci-H_{G_LBP}||²。