[发明专利]一种基于自适应权重的肺结节CT图像重排序方法

说明书

本发明一种基于自适应权重的肺结节CT图像重排序方法，属于肺结节CT图像检索技术领域；所要解决的技术问题为：提供基于自适应权重的肺结节CT图像重排序方法的改进；解决上述技术问题采用的技术方案为：图像数据集获取；图像预处理：将待检索肺部CT图像和图像库中肺部CT图像进行图像预处理，截取以RIO为中心的最小外接矩形图像，得到待检索的肺结节CT图像和图像库中的肺结节CT图像；图像特征提取：将经过预处理后的肺结节CT图像输入CNN网络进行深度特征提取；不同哈希码位的自适应权重计算；相似性度量：将待检索肺结节CT图像与图像库中的肺结节CT图像根据汉明距离进行排序，得到相似性最大的肺结节CT图像；本发明应用于肺结节图像检索。

技术领域

本发明一种基于自适应权重的肺结节CT图像重排序方法，属于肺结节CT图像检索技术领域。

背景技术

在肺结节CT图像检索中，在图像库中检索出图像的排名越靠前，则该图像与待检索图像越相似。在图像检索的现有众多方法中，哈希算法广为应用。通过使用哈希算法将待检索图像和图像库中的图像进行哈希映射，将图像特征映射为固定位哈希码，随后将待检索图像的哈希码与图像库中图像的哈希码进行相似性度量比较。最后按相似度从大到小进行排序，给出最为相似的肺结节CT图像。

但是，目前现有的图像重排序算法包括贪心算法、QsRank、超图等都有其算法局限性。贪心算法依附于首选种子图像与待检索图像是否最为相近，如果种子图像的选取不合适会直接导致排序结果的不准确。QsRank算法仅对PCA主成分分析哈希算法有效，而对其他的哈希算法的准确率并没有显著的提高，不具备鲁棒性。超图算法考虑了不同图像之间的亲和关系使得计算量大大增加。

因此，提出了一种基于自适应权重的肺结节CT图像重排序方法，通过加入自适应权重，使得各维特征向量对于图像特征的贡献度得到体现。

发明内容

本发明为了克服现有技术中存在的不足，所要解决的技术问题为：提供一种基于自适应权重的肺结节CT图像重排序方法的改进。

为了解决上述技术问题，本发明采用的技术方案为：一种基于自适应权重的肺结节CT图像重排序方法，包括如下步骤：

步骤一：图像数据集获取：所述图像数据集包括待检索肺部CT图像和图像库中肺部CT图像；

步骤二：图像预处理：将待检索肺部CT图像和图像库中肺部CT图像进行图像预处理，截取以RIO为中心的最小外接矩形图像，得到待检索的肺结节CT图像和图像库中的肺结节CT图像；

步骤三：图像特征提取：将经过预处理后的肺结节CT图像输入CNN网络进行深度特征提取；

步骤四：不同哈希码位的自适应权重计算；

步骤五：相似性度量：将待检索肺结节CT图像与图像库中的肺结节CT图像根据汉明距离进行排序，得到相似性最大的肺结节CT图像。

所述步骤一中图像库中的肺部CT图像具体采用公开的LIDC数据库中的肺部CT图像。

所述步骤三中在对肺结节CT图像进行深度特征提取时，通过PCA对特征矩阵中进行主成分分析。

所述步骤四中对不同哈希码位的自适应权重具体为：

步骤4.1：假设待检索的肺结节CT图像特征为C_q＝[C₁,C₂,...,C_n]，映射后的哈希特征为H_q＝[h₁,h₂,...,h_n]，其中n代表哈希码位；