技術(shù)特征：
1.一種基于塔形PCA的乳腺鉬靶X線圖像塊特征提取方法，包括如下步驟：(1)預(yù)處理：(1a)采用中值濾波的方法，對(duì)乳腺鉬靶X線攝影圖像進(jìn)行去噪處理；(1b)對(duì)去噪后的乳腺鉬靶X線攝影圖像進(jìn)行下5采樣，得到下采樣后的乳腺鉬靶X線圖像；(1c)對(duì)下采樣后的乳腺鉬靶X線圖像，從其上邊緣向下裁剪40行，從其下邊緣向上裁剪40行，從其左邊緣向右裁剪10列，從其右邊緣向左裁剪10列，得到剪裁后的乳腺鉬靶X線攝影圖像；(1d)采用最大類間方差法，對(duì)裁剪后的乳腺鉬靶X線圖像進(jìn)行二值化處理，獲得乳腺組織區(qū)域；(1e)設(shè)置滑動(dòng)窗窗口的大小為100×100個(gè)像素，在獲得的乳腺組織區(qū)域中按行的方向滑動(dòng)掃描，滑動(dòng)窗每次滑動(dòng)截取一個(gè)大小為100×100個(gè)像素乳腺鉬靶X線圖像塊；(2)構(gòu)成塔形結(jié)構(gòu)：(2a)將乳腺鉬靶X線圖像塊的第34行、第65行、第34列及第65列所圍成的正方形區(qū)域作為第一層圖像層；(2b)由第一層圖像層向上、下、左、右四個(gè)方向各延伸8個(gè)像素，將延伸的區(qū)域作為第二層圖像層；(2c)由第二層圖像層向上、下、左、右四個(gè)方向各延伸8個(gè)像素，將延伸的區(qū)域作為第三層圖像層；(2d)由第三層圖像層向上、下、左、右四個(gè)方向各延伸8個(gè)像素，將延伸的區(qū)域作為第四層圖像層；(2e)由第四層圖像層向上、下、左、右四個(gè)方向延伸至填充整個(gè)乳腺鉬靶X線圖像塊，將延伸的區(qū)域作為第五層圖像層；(3)獲得各圖像層的灰度特征向量：采用灰度特征提取方法，逐層提取乳腺鉬靶X線圖像塊的灰度特征，獲得乳腺鉬靶X線圖像塊各圖像層的灰度特征向量；(4)訓(xùn)練各圖像層灰度特征的特征空間：從乳腺影像數(shù)字?jǐn)?shù)據(jù)庫(kù)DDSM數(shù)據(jù)庫(kù)中，選取500幅乳腺腫塊圖像作為訓(xùn)練圖像，采用主成分分析PCA方法，訓(xùn)練得到各圖像層灰度特征的特征空間：(4a)按照步驟(2)的塔形結(jié)構(gòu)劃分方法，分別將500幅訓(xùn)練圖像中每幅訓(xùn)練圖像劃分為5層圖像層；(4b)采用灰度特征提取方法，逐層提取500幅訓(xùn)練圖像中每幅訓(xùn)練圖像各圖像層的灰度特征向量，將第一層所提取的500個(gè)灰度特征向量按列組成第一層灰度特征矩陣G1，將第二層所提取的500個(gè)灰度特征向量按列組成第二層灰度特征矩陣G2，將第三層所提取的500個(gè)灰度特征向量按列組成第三層灰度特征矩陣G3，將第四層所提取的500個(gè)灰度特征向量按列組成第四層灰度特征矩陣G4，將第五層所提取的500個(gè)灰度特征向量按列組成第五層灰度特征矩陣G5；(4c)采用主成分分析PCA方法，分別提取各層灰度特征矩陣的主成分，得到由20個(gè)主成分組成的第一層灰度特征的特征空間D1，由16個(gè)主成分組成的第二層灰度特征的特征空間D2，由8個(gè)主成分組成的第三層灰度特征的特征空間D3，由4個(gè)主成分組成的第四層灰度特征的特征空間D4，由2個(gè)主成分組成的第五層灰度特征的特征空間D5；(5)獲得各圖像層的主成分特征：(5a)用乳腺鉬靶X線圖像塊第一層圖像層的灰度特征向量左乘第一層灰度特征的特征空間D1的轉(zhuǎn)置，得到乳腺鉬靶X線圖像塊第一個(gè)圖像層的主成分特征，將第一個(gè)圖像層灰度特征維數(shù)降低至20維；(5b)用乳腺鉬靶X線圖像塊第二層圖像層的灰度特征向量左乘第二層灰度特征的特征空間D2的轉(zhuǎn)置，得到乳腺鉬靶X線圖像塊第二個(gè)圖像層的主成分特征，將第二個(gè)圖像層灰度特征維數(shù)降低至16維；(5c)用乳腺鉬靶X線圖像塊第三層圖像層的灰度特征向量左乘第三層灰度特征的特征空間D3的轉(zhuǎn)置，得到乳腺鉬靶X線圖像塊第三個(gè)圖像層的主成分特征，將第三個(gè)圖像層灰度特征維數(shù)降低至8維；(5d)用乳腺鉬靶X線圖像塊第四層圖像層的灰度特征向量左乘第四層灰度特征的特征空間D4的轉(zhuǎn)置，得到乳腺鉬靶X線圖像塊第四個(gè)圖像層的主成分特征，將第四個(gè)圖像層灰度特征維數(shù)降低至4維；(5e)用乳腺鉬靶X線圖像塊第五層圖像層的灰度特征向量左乘第五層灰度特征的特征空間D5的轉(zhuǎn)置，得到乳腺鉬靶X線圖像塊第五個(gè)圖像層的主成分特征，將第五個(gè)圖像層灰度特征維數(shù)降低至2維；(6)獲得基于塔形PCA的乳腺鉬靶X線圖像塊特征：將獲得的乳腺鉬靶X線圖像塊5個(gè)圖像層的主成分特征，按第一層至第五層的順序依次首尾相連，獲得基于塔形主成分分析PCA的乳腺鉬靶X線圖像塊特征向量。2.根據(jù)權(quán)利要求1所述的基于塔形PCA的乳腺鉬靶X線圖像塊特征提取方法，其特征在于，步驟(1a)所述的中值濾波方法的步驟如下：第一步，將中值濾波器的滑動(dòng)窗設(shè)置為3×3個(gè)像素的正方形窗；第二步，用正方形窗沿著乳腺鉬靶X線攝影圖像行的方向逐像素滑動(dòng)，在每一次滑動(dòng)期間內(nèi)，將正方形窗中的所有像素的灰度值，按照由小到大的順序進(jìn)行排序，選取排序結(jié)果的中間值，替代正方形窗中心位置像素的灰度值。3.根據(jù)權(quán)利要求1所述的基于塔形PCA的乳腺鉬靶X線圖像塊特征提取方法，其特征在于，步驟(1b)所述的下5采樣的步驟如下：第一步，將下采樣的采樣間隔設(shè)置為5；第二步，在去噪后的乳腺鉬靶X線攝影圖像中，每隔5個(gè)像素保留一個(gè)像素，將保留的所有像素構(gòu)成下采樣后的乳腺鉬靶X線圖像。4.根據(jù)權(quán)利要求1所述的基于塔形PCA的乳腺鉬靶X線圖像塊特征提取方法，其特征在于，步驟(1d)所述的最大類間方差法，按如下步驟進(jìn)行：第一步，對(duì)裁剪后的乳腺鉬靶X線圖像中所有像素的灰度值求平均值，得到裁剪后的乳腺鉬靶X線圖像的平均灰度值u；第二步，在裁剪后的乳腺鉬靶X線圖像中所有像素的灰度值中，選取最小值與最大值范圍之間的任意一個(gè)灰度值，作為目標(biāo)與背景的分割閾值t；第三步，按照下式，計(jì)算目標(biāo)與背景的類間方差：G＝w1×(u1-u)2+w2×(u2-u)2其中，G表示裁剪后的乳腺鉬靶X線圖像目標(biāo)與背景的類間方差，w1表示裁剪后的乳腺鉬靶X線圖像中灰度值大于分割閾值t的目標(biāo)像素個(gè)數(shù)與乳腺鉬靶X線圖像總像素個(gè)數(shù)之比，u1表示裁剪后的乳腺鉬靶X線圖像目標(biāo)像素的平均灰度值，u表示裁剪后的乳腺鉬靶X線圖像的平均灰度值，w2表示裁剪后的乳腺鉬靶X線圖像中灰度值小于或等于分割閾值t的背景像素個(gè)數(shù)與乳腺鉬靶X線圖像總像素個(gè)數(shù)之比，u2表示裁剪后的乳腺鉬靶X線圖像背景像素的平均灰度值；第四步，遍歷目標(biāo)與背景的分割閾值t的所有取值，找尋類間方差G最大時(shí)，分割閾值t所對(duì)應(yīng)的取值，將該值作為最佳分割閾值；第五步，提取裁剪后的乳腺鉬靶X線圖像所有灰度值大于最佳分割閾值t的像素，構(gòu)成乳腺組織區(qū)域。5.根據(jù)權(quán)利要求1所述的基于塔形PCA的乳腺鉬靶X線圖像塊特征提取方法，其特征在于，步驟(3)、步驟(4b)所述的灰度特征提取方法的步驟如下：第一步，逐層提取乳腺鉬靶X線圖像塊的灰度特征；第二步，組合提取的各層灰度值，得到乳腺鉬靶X線圖像塊的灰度特征列向量。6.根據(jù)權(quán)利要求1所述的基于塔形PCA的乳腺鉬靶X線圖像塊特征提取方法，其特征在于，步驟(4c)所述的主成分分析PCA方法的步驟如下：第一步，按照下式，構(gòu)建第k層的灰度特征矩陣Gk：Gk＝[gk1,gk2,…gki,…gk500]其中，Gk表示第k層灰度特征矩陣，gki表示第i幅訓(xùn)練圖像在第k層的灰度特征列向量；第二步，按照下式，計(jì)算第k層的灰度特征向量平均值Ψk：其中，Ψk表示第k層的灰度特征向量平均值，i表示訓(xùn)練圖像的標(biāo)號(hào)，gki表示第i幅訓(xùn)練圖像在第k層的灰度特征列向量；第三步，按照下式，計(jì)算得到每一幅訓(xùn)練圖像在第k層的灰度特征列向量與第k層的灰度特征向量平均值的差值：dki＝gki-Ψk其中，dki表示第i幅訓(xùn)練圖像在第k層的灰度特征列向量與第k層的灰度特征向量平均值的差值，Ψk表示第k層的灰度特征向量平均值，i表示訓(xùn)練圖像的標(biāo)號(hào)，gki表示第i幅訓(xùn)練圖像在該層的灰度特征列向量；第四步，按照下式，構(gòu)建第k層的差值矩陣Ak：Ak＝[dk1,dk2,…dki,…dk500]其中，Ak表示第k層的差值矩陣，i表示訓(xùn)練圖像的標(biāo)號(hào)，dki表示第i幅訓(xùn)練圖像在第k層的灰度特征列向量與該層的灰度特征向量平均值的差值；第五步，按照下式，構(gòu)建第k層的協(xié)方差矩陣Ck：其中，Ck表示第k層的協(xié)方差矩陣，Ak表示第k層的差值矩陣，AkT表示第k層的差值矩陣Ak的轉(zhuǎn)置；第六步，計(jì)算第k層的協(xié)方差矩陣Ck的特征值λki和正交歸一化特征向量uki，選擇前pk個(gè)最大特征值對(duì)應(yīng)的特征向量，按照下式，得到第k層灰度特征的特征空間：其中，Dk表示第k層灰度特征的特征空間，表示前pk個(gè)最大特征值對(duì)應(yīng)的特征向量。