申请/专利权人：燕山大学

申请日：2021-09-07

公开（公告）日：2024-04-09

公开（公告）号：CN113870194B

主分类号：G06T7/00

分类号：G06T7/00;G06T5/70;G06T5/40;G06V10/25;G06V10/764;G06V10/80;G06V10/82;G06N3/0464;G06N3/08;G06T7/13;G06T5/60

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2022.01.21#实质审查的生效;2021.12.31#公开

摘要：本发明提供一种深层特征和浅层LBP特征融合的乳腺肿瘤超声图像处理装置，其包括图像数据库建立单元、图像预处理单元、兴趣区域提取单元、深层特征提取单元、浅层LBP特征提取提取单元、特征融合单元以及分类单元。图像数据库建立单元、图像预处理单元、兴趣区域提取单元、深层特征提取单元、浅层LBP特征提取提取单元、特征融合单元以及分类单元相互通讯连接。本发明基于深度学习网络对图像的深度特征提取可以描述肿瘤图像的高层复杂特征，基于旋转不变局部二值模式的特征提取可以描述肿瘤图像的低层简单特征，特征融合可以组合这些信息以获得更多区分特征，能够有效提高分类性能。

主权项：1.一种深层特征和浅层LBP特征融合的乳腺肿瘤超声图像处理装置，其特征在于：其包括图像数据库建立单元、图像预处理单元、兴趣区域提取单元、深层特征提取单元、浅层LBP特征提取提取单元、特征融合单元以及分类单元；所述图像数据库建立单元用于建立乳腺肿瘤超声图像数据库，获取乳腺肿瘤结节图像；所述图像预处理单元用于对超声图像进行数据增强处理，同时对肿瘤图像分别进行直方均衡化增强和sobel算子边缘提取，将原始肿瘤图像、直方均衡化图像以及边缘提取图像进行融合；所述图像预处理单元进行图像预处理操作具体包括如下步骤：S11、对原始超声图像进行直方图均衡化以增强动态范围偏小的图像的对比度；S12、对原始超声图像进行Sobel算子运算，得到图像亮度函数的灰度之近似值以提供精确的边缘方向信息,Sobel算子用来检测图像边缘，Sobel算子提取计算公式为： 其中，A为原始图像，GX为x方向上的卷积，GY为y方向上的卷积；S13、将原始超声图像、直方均衡化图像和边缘提取图像进行融合；感兴趣区域提取单元用于提取图像的感兴趣区域，得到图像分析关注的重点，具体包括以下步骤：采用最大类间阈值分割算法和形态学处理的方法进行感兴趣区域的提取；提取超声图像的颜色信息并转换到lab空间的a分量；采用最大类间阈值分割算法实现图像的自动阈值分割，按照图像的灰度特性，将图像分为背景和目标两部分；将灰度图像转换为二值图像，运用形态学处理的方法得到图像的边界轮廓曲线和感兴趣区域；所述深层特征提取单元用于训练预训练的卷积神经网络模型，自动提取不同兴趣度和不同尺度的图像深度特征；所述浅层LBP特征提取单元用于提取旋转不变性局部二值模式特征作为图像的浅层纹理特征，其具体步骤为首先将LBP特征图像进行分块，将检测窗口划分为16*16的多个区域；其次将每个区域中的一个像素作为中心像素，将相邻的8个像素的灰度值与中心像素进行比较，若周围像素的灰度值大于中心像素的灰度值，则该中心像素的位置被标记为1，否则记为0，每个3*3邻域内的8个像素点经比较产生8位二进制数，即得到每一个16*16区域窗口中心像素点的LBP值；计算每块区域特征图像的直方图，并将直方图进行归一化；最后，将每块区域的直方图按空间顺序依次排列成一行，形成LBP特征向量；所述特征融合单元用于将深度特征和浅层特征融合得到最终的特征向量；所述分类单元用于将最终获得的特征输入SVM实现乳腺肿瘤超声图像的良性和恶性分类。

全文数据：

权利要求：

百度查询： 燕山大学 深层特征和浅层LBP特征融合的乳腺肿瘤超声图像处理装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD