[发明专利]一种基于图像处理的脊椎特征识别方法

权利要求书

1.一种基于图像处理的脊椎特征识别方法，其特征在于，包括：

获取全脊柱侧位影像图，对全脊柱侧位影像图进行语义分割得到全脊椎影像图；

利用sobel算子检测全脊椎影像图，得到全脊椎影像图的梯度边缘像素点；

对全脊椎影像图进行分频滤波，得到全脊椎影像图的高频像素点和低频像素点；

利用梯度边缘像素点确定出高频像素点中的脊椎边缘高频像素点和非脊椎边缘高频像素点；

分别将脊椎边缘高频像素点、非脊椎边缘高频像素点、低频像素点对应的灰度级作为脊椎边缘高频像素点灰度级、非脊椎边缘高频像素点灰度级、低频像素点灰度级；

根据脊椎边缘高频像素点灰度级、非脊椎边缘高频像素点灰度级、低频像素点灰度级在全脊椎影像图中出现的频率得到灰度直方图；

获取灰度直方图中所有低频像素点灰度级的平均频率和每个脊椎边缘高频像素点灰度级的频率；

根据所有低频像素点灰度级的平均频率和每个脊椎边缘高频像素点灰度级的频率得到所有低频像素点灰度级和每个脊椎边缘高频像素点灰度级的权重比；

所述所有低频像素点灰度级和每个脊椎边缘高频像素点灰度级的权重比的获取方法为：

计算灰度直方图中的所有低频像素点灰度级的平均频率；

根据所有低频像素点灰度级的平均频率得到所有低频像素点灰度级的熵的平均值；

获取每个脊椎边缘高频像素点灰度级的频率；

将每个脊椎边缘高频像素点灰度级的频率与所有低频像素点灰度级的熵的平均值的比值作为低频像素点灰度级与每个脊椎边缘高频像素点灰度级的权重比；

根据所有低频像素点灰度级和每个脊椎边缘高频像素点灰度级的权重比确定出低频像素点灰度级、脊椎边缘高频像素点灰度级、非脊椎边缘高频像素点灰度级的权重；

所述确定出低频像素点灰度级、脊椎边缘高频像素点灰度级、非脊椎边缘高频像素点灰度级的权重的方法为：

根据低频像素点灰度级与每个脊椎边缘高频像素点灰度级的权重比计算出脊椎边缘高频像素点灰度级的权重均值；

将脊椎边缘高频像素点灰度级的权重均值与所有非脊椎边缘高频像素点灰度级权重的比例设为；

根据低频像素点灰度级和每个脊椎边缘高频像素点灰度级的权重比、脊椎边缘高频像素点灰度级的权重均值与所有非脊椎边缘高频像素点灰度级的权重比例得到低频像素点灰度级、脊椎边缘高频像素点灰度级、非脊椎边缘高频像素点灰度级的比例关系；

根据低频像素点灰度级、脊椎边缘高频像素点灰度级、非脊椎边缘高频像素点灰度级的比例关系进行权重分配；

根据低频像素点灰度级、脊椎边缘高频像素点灰度级、非脊椎边缘高频像素点灰度级的权重构建累加映射函数，利用累加映射函数对全脊椎影像图进行直方图均衡化，得到处理后的全脊椎影像图；

所述累加映射函数如下：

式中，为脊椎边缘高频像素点灰度级的权重，为非脊椎边缘高频像素点灰度级的权重，为低频像素点灰度级的权重，为直方图均衡化后的图像的灰度累积分布函数， 表示第个灰度级时原图像与均衡化图像的映射函数，表示在原图像中第个灰度级出现的频率，为像素点总个数，为原始图像灰度级，为原始图像中的灰度级数量，为归一化后的灰度级，，, ，分别表示原图中灰度级为，，，的像素点的个数。

2.根据权利要求1所述的一种基于图像处理的脊椎特征识别方法，其特征在于，所述确定出高频像素点中的脊椎边缘高频像素点和非脊椎边缘高频像素点的方法为：

将全脊椎影像图的梯度边缘像素点作为高频像素点中的脊椎边缘高频像素点；

高频像素点中除了脊椎边缘高频像素点之外的其他像素点为非脊椎边缘高频像素点。