[发明专利]一种基于Circular LBP和颜色空间转换算法的黑色素瘤识别方法

说明书

本发明涉及一种基于Circular LBP和颜色空间转换算法的黑色素瘤识别方法，包括：将获取的皮肤RGB图像进行灰度处理得到灰度图像Y；利用Circular LBP算子提取出灰度图像Y中黑色素瘤的图像特征，得到亮度图像L；通过灰度图像Y和亮度图像L对皮肤RGB图像进行按亮度比例增强得到YL图像；将YL图像的RGB颜色空间图像映射至L*a*b*颜色空间；提取L*a*b*颜色空间的图像中a*b*通道的特征向量使用k‑means++算法对图像进行分类，生成原图尺寸的二值化图像，完成黑色素瘤的识别分割。与现有技术相比，本发明具有计算速度快，识别精度高等优点。

技术领域

本发明涉及医疗机器人控制领域，尤其是涉及一种基于Circular LBP和颜色空间转换算法的黑色素瘤识别方法。

背景技术

皮肤表面黑色素瘤识别在医疗机器人控制、皮肤癌诊断、黑色素瘤切除手术等领域具有特定的需求，静脉穿刺机器人在对患者进行注射操作时，需要控制注射器在无黑色素瘤覆盖的皮肤区域进行注射，避免引发病人的伤口感染等后续并发症并提高静脉穿刺的准确率。但是现有的黑色素瘤识别方法多依赖于深度学习方法，简单地依靠数据集训练得到的模型进行识别，难以克服光照变化的影响且计算速度较慢，识别精度还有待提高。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于CircularLBP和颜色空间转换算法的黑色素瘤识别方法，用于提高对黑色素瘤区域的识别精度。

本发明的目的可以通过以下技术方案来实现：

一种基于Circular LBP和颜色空间转换算法的黑色素瘤识别方法，包括以下步骤：

S1、将获取的皮肤RGB图像进行灰度处理得到灰度图像Y；

S2、利用Circular LBP算子提取出灰度图像Y中黑色素瘤的图像特征，得到亮度图像L；

S3、通过灰度图像Y和亮度图像L对皮肤RGB图像进行按亮度比例增强得到YL图像；

S4、将YL图像的RGB颜色空间图像映射至L*a*b*颜色空间；

S5、提取L*a*b*颜色空间的图像中a*b*通道的特征向量使用k-means++算法对图像进行分类，生成原图尺寸的二值化图像，完成黑色素瘤的识别分割。

进一步地，所述步骤S2具体包括：

S21、利用Circular LBP算子计算每个像素的LBP值；

S22、根据黑色素瘤区域反映在图像LBP值中的特征，对特征进行提取，黑色素瘤的特征为LBP值属于0族或1族；

S23、利用高斯滤波器进行平滑处理。

进一步地，所述步骤S21中，Circular LBP算子计算的表达式为：

其中，LBP(x_c,y_c)为中心像素的LBP值，p表示领域像素取点的数量，signal为函数符号，i_p为邻域像素的灰度值，i_c是中心像素的灰度值。

进一步地，所述步骤S22中，对特征进行提取具体步骤为：将LBP∈{0,2ⁿ}的像素点灰度值设为0，其他像素点灰度值设为1，得到初步亮度图像。

进一步地，还包括步骤S20：

对每个像素按照Circular LBP算子的要求在邻域像素上取采样点，确定所划定的圆周半径r及圆周上的取点数量P，由此确定某一像素点的邻域；