[发明专利]CT切片图像的自动分类方法和装置

摘要

本发明公开了一种CT切片图像的自动分类方法和装置，从CT切片图像之中提取身体轮廓方框，再分割为不同的子方框，整合不同子方框内的梯度和LBP特征统计信息生成对应CT切片图像的全局特征向量，通过与模板集进行对比计算从而获得最终的分类结果，从而实现以较小的计算量，较低的计算复杂度，快速的实现对CT切片图像的分类，并能满足实时处理的要求，并且降低了对软硬件的性能的要求，可以节约成本，降低了开发的难度，符合对高速化大规模数据处理模式的要求。

主权项

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 0,1 2 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、通过公式计算与所述全局特征向量H_{G_LBP}距离最短的C_i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C_i为所述类别模板集{C₁,C₂,…,C_K}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C_i的距离计算公式dist(C_i,H_{G_LBP})＝||Ci‑H_{G_LBP}||²。