基于二次諧波圖像紋理分析的皮膚瘢痕診斷方法
【專利摘要】本發(fā)明涉及一種基于二次諧波圖像紋理分析的皮膚瘢痕診斷方法，包括以下步驟：將待處理的圖像分為訓(xùn)練集和測(cè)試集并轉(zhuǎn)化為灰度圖像；對(duì)灰度圖像使用LD-LBP編碼，得到LD-LBP碼圖和方差V1；對(duì)LD-LBP碼圖使用Haar小波變換，計(jì)算低頻子帶系數(shù)均值ULL、方差Var和能量比Er及水平子帶系數(shù)均值ULH；將V1、ULL、Var、Er和ULH組成特征向量并進(jìn)行高斯歸一化；將歸一化后的特征向量使用模糊K鄰近法；輸出測(cè)試集類別。本發(fā)明實(shí)現(xiàn)了對(duì)皮膚瘢痕的無(wú)損診斷，具有較好的識(shí)別效果和診斷能力，解決了現(xiàn)有技術(shù)診斷瘢痕的有損問(wèn)題，以幫助醫(yī)生判斷瘢痕種類并采取合理的治療方式。
【專利說(shuō)明】基于二次諧波圖像紋理分析的皮膚瘢痕診斷方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像處理、模式識(shí)別和生物醫(yī)學(xué)的交叉領(lǐng)域，涉及一種基于二次諧波圖像紋理分析的皮膚瘢痕診斷方法。
【背景技術(shù)】
[0002]瘢痕是各種創(chuàng)傷后引起的正常皮膚組織的外形和組織病理學(xué)改變的統(tǒng)稱。廣義上，瘢痕分為生理性(正常)和病理性(異常)瘢痕兩大類。正常瘢痕無(wú)痛癢癥狀和功能障礙，但由于具有不穩(wěn)定性，皮膚變色，且容易擴(kuò)大等特點(diǎn)，仍然需要進(jìn)行治療。異常瘢痕主要分為增生性瘢痕和瘢痕疙瘩，不僅影響美觀，影響正常組織修復(fù)，甚至發(fā)生癌變。不同的瘢痕需要采用不同的方式治療，有效的區(qū)分正常和異常瘢痕能夠幫助病人進(jìn)行合理的醫(yī)治。目前，對(duì)瘢痕的診斷方式主要是臨床檢查，這種方法涉及活組織切片，對(duì)病人的身體具有破壞作用。一種無(wú)損的診斷方法是至關(guān)重要的。同時(shí)，瘢痕組織中的膠原纖維在不同的瘢痕中具有不同的特征，對(duì)膠原成像和分析能夠?qū)︸：圻M(jìn)行區(qū)分，并能為皮膚科和整形外科帶來(lái)醫(yī)學(xué)上的新發(fā)展。
[0003]如今，二次諧波顯微成像技術(shù)作為一種無(wú)損工具已成功的應(yīng)用于膠原成像。它是一種理想的非侵入生物活體的成像方法，不產(chǎn)生光漂白和光致毒，生成具有較高成像分辨率的圖像等，并已廣泛的應(yīng)用于醫(yī)學(xué)領(lǐng)域，如角膜鞏膜、卵巢癌以及乳腺組織。然而，醫(yī)學(xué)圖像中包含大量病理相關(guān)的信息，這些信息不能憑借肉眼直觀的評(píng)估。隨著計(jì)算機(jī)技術(shù)在醫(yī)學(xué)領(lǐng)域的廣泛應(yīng)用發(fā)展，計(jì)算機(jī)輔助分析醫(yī)學(xué)顯微圖像可以減少人為錯(cuò)誤的影響，提高診斷的準(zhǔn)確性，節(jié)省人力和時(shí)間。通過(guò)紋理分析可以給出某一具體組織的特征并提取重要信息，從而輔助醫(yī)生進(jìn)行臨床診斷和疾病治療。
[0004]紋理是圖像的重要特征，為圖像識(shí)別提供大量的信息。紋理特征是一種不依賴于顏色或亮度，反映圖像中同質(zhì)現(xiàn)象的視覺特征。紋理特征的提取就是將區(qū)域特征進(jìn)行量化，以不同的特征值表示一個(gè)區(qū)域的紋理特征，從而對(duì)圖像區(qū)分。紋理特征提取在醫(yī)學(xué)圖像研究中有著良好的應(yīng)用前景，但是由于紋理的復(fù)雜性，迄今還不存在各類醫(yī)學(xué)圖像適用的紋理提取方法。從而根據(jù)各類不同特點(diǎn)的醫(yī)學(xué)圖像，尋求最優(yōu)的紋理特征與參數(shù)是當(dāng)前研究的重點(diǎn)和難點(diǎn)。因此，本發(fā)明根據(jù)瘢痕組織的主要細(xì)胞外間質(zhì)成分——膠原纖維的病理特點(diǎn)，針對(duì)其二次諧波圖像的紋理特征進(jìn)行分析，實(shí)現(xiàn)對(duì)正常和異常瘢痕的無(wú)損診斷。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于針對(duì)現(xiàn)有技術(shù)的不足和缺陷，提供一種基于二次諧波圖像紋理分析的皮膚瘢痕診斷方法，該方法有利于實(shí)現(xiàn)對(duì)皮膚瘢痕的無(wú)損診斷。
[0006]為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案是:一種基于二次諧波圖像紋理分析的皮膚瘢痕診斷方法，包括如下步驟:
(1)將待處理的瘢痕的膠原二次諧波圖像隨機(jī)分為訓(xùn)練集和測(cè)試集；
(2)將訓(xùn)練集和測(cè)試集中待處理的瘢痕的膠原二次諧波圖像轉(zhuǎn)化為灰度圖像；(3)使用LD-LBP方法對(duì)灰度圖像進(jìn)行均勻度特征提取，生成LD-LBP碼圖，并計(jì)算 LD-LBP方差^ ;所述LD-LBP方法是改進(jìn)的LBP方法，通過(guò)在LBP方法基礎(chǔ)上增加對(duì)每個(gè)像 素點(diǎn)與其周圍像素點(diǎn)灰度值的局部差異幅度值編碼得到；
(4)使用Haar小波變換對(duì)步驟（3)得到的LD-LBP碼圖進(jìn)行方向性、粗糙度特征提 取，計(jì)算分解后的低頻子帶系數(shù)的均值方差Kar和能量比盡，以及水平子帶系數(shù)的均值(5)將步驟（3)得到的LD-LBP方差&，步驟（4)得到的低頻子帶系數(shù)的均值、方差 Kar和能量比盡，以及水平子帶系數(shù)的均值組成瘢痕圖像紋理的特征向量7，即
【權(quán)利要求】
1.一種基于二次諧波圖像紋理分析的皮膚瘢痕診斷方法，其特征在于，包括如下步驟: (1)將待處理的瘢痕的膠原二次諧波圖像隨機(jī)分為訓(xùn)練集和測(cè)試集； (2)將訓(xùn)練集和測(cè)試集中待處理的瘢痕的膠原二次諧波圖像轉(zhuǎn)化為灰度圖像； (3)使用LD-LBP方法對(duì)灰度圖像進(jìn)行均勻度特征提取，生成LD-LBP碼圖，并計(jì)算LD-LBP方差V1 ;所述LD-LBP方法是改進(jìn)的LBP方法，通過(guò)在LBP方法基礎(chǔ)上增加對(duì)每個(gè)像素點(diǎn)與其周圍像素點(diǎn)灰度值的局部差異幅度值編碼得到； (4)使用Haar小波變換對(duì)步驟(3)得到的LD-LBP碼圖進(jìn)行方向性、粗糙度特征提取，計(jì)算分解后的低頻子帶系數(shù)的均值Gz、方差Kar和能量比盡，以及水平子帶系數(shù)的均值Ulh' (5)將步驟(3)得到的LD-LBP方差K1，步驟(4)得到的低頻子帶系數(shù)的均值Vzz、方差Kar和能量比盡，以及水平子帶系數(shù)的均值組成瘢痕圖像紋理的特征向量Λ即T1=P1,ULL, Var, Er, ULff]； (6)對(duì)步驟(5)得到的瘢痕圖像紋理的特征向量T進(jìn)行高斯歸一化； (7)對(duì)訓(xùn)練集和測(cè)試集中歸一化后的特征向量T使用模糊K鄰近法進(jìn)行處理； (8)判斷并輸出測(cè)試集中各個(gè)瘢痕圖像的類別G，其中左e[1，2]，C1為正常瘢痕圖像，G為異常瘢痕圖像。
2.根據(jù)權(quán)利要求1所述的基于二次諧波圖像紋理分析的皮膚瘢痕診斷方法，其特征在于，所述步驟(3)中，使用LD-LBP方法對(duì)灰度圖像進(jìn)行均勻度特征提取，包括以下步驟: (301)分別以灰度圖像中除邊緣像素點(diǎn)外的各個(gè)像素點(diǎn)為中心像素點(diǎn)，以中心像素點(diǎn)及其周圍8個(gè)像素點(diǎn)構(gòu)造3X3鄰域，分別計(jì)算各個(gè)鄰域內(nèi)的中心像素點(diǎn)A與周圍8個(gè)像素點(diǎn)gp ip=0, 1，…，7)的灰度值的局部差異即Cjs _ Sf Se ； (302)計(jì)算各個(gè)局部差異?對(duì)應(yīng)的局部差異幅度值5；，即
3.根據(jù)權(quán)利要求1所述的基于二次諧波圖像紋理分析的皮膚瘢痕診斷方法，其特征在于，所述步驟(4)中，使用Haar小波變換對(duì)LD-LBP碼圖進(jìn)行方向性、粗糙度特征提取，包括以下步驟: (401)對(duì)LD-LBP碼圖使用Haar小波變換，進(jìn)行一層小波分解，分別得到低頻子帶LL、水平子帶LH、垂直子帶HL以及對(duì)角子帶HH ； (402)根據(jù)瘢痕圖像紋理的方向性分布，對(duì)低頻子帶LL和水平子帶LH進(jìn)一步分析:利用均值公式
4.根據(jù)權(quán)利要求1所述的基于二次諧波圖像紋理分析的皮膚瘢痕診斷方法，其特征在于，所述步驟出)中，高斯歸一化，包括以下步驟: (601)設(shè)原始特征向量為[f1,f2,...,fn]，計(jì)算均值
5.根據(jù)權(quán)利要求1所述的基于二次諧波圖像紋理分析的皮膚瘢痕診斷方法，其特征在于，所述模糊K鄰近法，其中K是近鄰數(shù)，根據(jù)具體的瘢痕圖像數(shù)目確定。
6.根據(jù)權(quán)利要求5所述的基于二次諧波圖像紋理分析的皮膚瘢痕診斷方法，其特征在于，所述模糊K鄰近法，通過(guò)找出在訓(xùn)練集中與待分類樣本K個(gè)近鄰的類隸屬度以及距離權(quán)重來(lái)確定待分類樣本屬于每一類別的可能性，最終得到每個(gè)樣本屬于各個(gè)類別的可能性，并取類隸屬度值大的類別為待分類樣本的類別。
【文檔編號(hào)】G06K9/46GK103632154SQ201310683259
【公開日】2014年3月12日 申請(qǐng)日期:2013年12月16日 優(yōu)先權(quán)日:2013年12月16日
【發(fā)明者】陳冠楠, 劉垚, 朱小欽, 陳榮, 黃祖芳, 胡恒陽(yáng), 蔡堅(jiān)勇, 吳怡, 林居強(qiáng), 馮尚源 申請(qǐng)人:福建師范大學(xué)