[发明专利]一种肺炎图像处理方法、系统及存储介质

说明书

本发明公开了一种肺炎图像处理方法、系统及存储介质，对待处理的肺炎图像进行滤波重建和特征增强后，再与原始的肺炎图像进行融合，保留了原始肺炎图像和特征增强后的图像的特征，利于后续的神经网络学习。通过InceptionV3网络的验证，采用本发明的方法对肺炎图像进行处理，获得的肺炎图像与未处理的肺炎图像以及仅使用Retinex算法处理的肺炎图像相比，在准确性和特异性上均有提高。

技术领域

本发明涉及图像处理技术领域，特别涉及一种肺炎图像处理方法、系统及存储介质。

背景技术

在新冠肺炎肆虐的情况下，国内该领域的研究学者对肺炎X光图像的快速识别提出了不同的方法。但由于长期依赖卷积神经网络自身提取的特征进行深度学习训练，众多学者将目光锁定在了卷积神经网络优化上。对X光图像预处理依旧停留在简单的去噪、增强等操作。

传统的去噪、滤波、直方图均衡化等方法获得的X光图像在人类视觉上虽然得到了特征强化，更易判断出病症，但由于正常肺部图像与患病肺部图像区别并不明显，传统预处理方法导致的原细小特征的缺失，并不利于神经网络学习。

发明内容

本发明实施例提供了一种肺炎图像处理方法、系统及存储介质，用以解决现有技术中传统预处理方法导致细小特征损失，不利于神经网络学习的问题。

一方面，本发明实施例提供了一种肺炎图像处理方法，包括：

将待处理的肺炎图像进行滤波重建，获得重建图像；

将重建图像进行特征增强，获得增强图像；

将待处理的肺炎图像和增强图像进行特征融合，获得融合图像。

在一种可能的实现方式中，将待处理的肺炎图像进行滤波重建，获得重建图像，可以包括：构建边缘中心化矩阵；使用边缘中心化矩阵对待处理的肺炎图像进行卷积处理，获得重建图像。

在一种可能的实现方式中，边缘中心化矩阵可以为三阶矩阵，其中心数值为0.00，边缘数据均为0.125。

在一种可能的实现方式中，将重建图像进行特征增强，获得增强图像，可以包括：采用单尺度Retinex算法对重建出现进行特征增强，获得增强图像。

在一种可能的实现方式中，采用单尺度Retinex算法对重建图像进行特征增强，获得增强图像，可以包括：将重建图像分解为入射图像和反射图像；降低入射图像对重建图像的影响，获得重建图像的反射属性，获得增强图像。

在一种可能的实现方式中，将待处理的肺炎图像和增强图像进行特征融合，获得融合图像，可以包括：将待处理的肺炎图像和增强图像的权重比例均设置为0.50，将阈值设置为0.00；采用设置的权重比例和阈值对待处理的肺炎图像和增强图像进行特征融合，获得融合图像。

另一方面，本发明实施例提供了一种肺炎图像处理系统，包括：

重建模块，用于将待处理的肺炎图像进行滤波重建，获得重建图像；

增强模块，用于将重建图像进行特征增强，获得增强图像；

融合模块，用于将待处理的肺炎图像和增强图像进行特征融合，获得融合图像。

另一方面，本发明实施例提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中存储器存储有可被至少一个处理器执行的计算机指令，计算机指令被至少一个处理器执行，以使至少一个处理器执行上述的方法。

另一方面，本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质中存储有多条计算机指令，多条计算机指令用于使计算机执行上述的方法。

另一方面，本发明实施例提供了一种计算机程序产品，计算机程序被处理器执行时实现上述的方法。