[發明專利]用于檢測人乳頭瘤狀病毒感染性病變的圖像識別方法

有效

• 申請號: 202010671310.1
• 申請日: 2020-07-13
• 公開（公告）號: CN111832574B
• 公開（公告）日: 2023-06-30
• 發明（設計）人: 孫蓬明;陳建翠;柳培忠;阮冠宇;顧培婷;董濱華;杜永兆
• 申請（專利權）人: 福建省婦幼保健院
• 主分類號: G06V10/75
• 分類號: G06V10/75;G06V10/20;G06V10/30;G06V10/44;G06V10/46;G06V10/762;G06T7/11;G06N3/006;G06N7/02
• 代理公司: 福州市眾韜專利代理事務所(普通合伙) 35220
• 代理人: 黃秀婷;陳智雄

1.一種用于檢測人乳頭瘤狀病毒感染性病變的圖像識別方法，其特征在于，包括以下步驟：

步驟1、采集病變樣本圖像；

步驟2、對所述病變樣本圖像進行預處理；

步驟3、采用粒子群模糊C均值法將預處理后的所述病變樣本圖像分割為多個區域，包括以下步驟：

步驟31、初始化粒子群并設置參數；所述粒子群由d個粒子組成，任一所述粒子由所述病變樣本圖像的像素灰度值集合中隨機抽取c個聚類中心樣本組成；設置優秀粒子數為k，模糊因子為m，收斂精度為ε，迭代次數上限T以及迭代次數t的初始值；

步驟32、計算每個粒子的隸屬度矩陣U＝{u_ij，0i≤n,0j≤c}，其中，c為每個粒子中的聚類中心樣本數目，n為所述病變樣本圖像的像素點個數，i、j為整數，u_ij表示所述病變樣本圖像的第i個像素點屬于當前粒子第j個聚類中心樣本的隸屬度值，計算方式為：x_i表示所述病變樣本圖像的第i個像素點的灰度值，v_j表示當前粒子中第j個聚類中心樣本的灰度值，v_k表示當前粒子中第k個聚類中心樣本的灰度值，m為模糊因子；

步驟33、計算每個粒子的適應度，計算公式為：

其中，c為每個粒子中的聚類中心樣本數目，n為所述病變樣本圖像的像素點個數，m為模糊因子，x_i表示所述病變樣本圖像的第i個像素點的灰度值，u_ij表示所述病變樣本圖像的第i個像素點屬于當前粒子第j個聚類中心樣本的隸屬度值，v_j表示當前粒子中第j個聚類中心樣本的灰度值；

步驟34、更新每個粒子的個體最優位置pbest_i并從所有粒子的個體最優位置中選取最優位置作為所述粒子群的全局最優位置p_g；所述每個粒子的個體最優位置pbest_i更新公式為：

其中，t為當前迭代次數，X_i為第i個粒子的位置，f為適應度值計算函數；

步驟35、將所述粒子群中所有的粒子按照適應度值從高到低排序，從前k個粒子中隨機抽取一個粒子作為優秀粒子，根據優秀粒子更新所有粒子的位置，計算公式為：

其中，X_i為第i個粒子的位置，α為收縮膨脹因子，計算方式為t為當前迭代次數，T為迭代次數上限值，EP表示所述優秀粒子的最優位置，p_i表示第i個粒子的吸引子，計算公式為p_i＝a*pbest_i+(1-a)*gbest，其中a是大于0且小于1的一個隨機數，d為大于0且小于1的一個隨機數；

步驟36、若相鄰兩次迭代隸屬度矩陣的誤差值小于收斂精度ε或者當前迭代次數t大于迭代次數上限值T，則執行步驟38，否則，跳至步驟37繼續執行；

步驟37、設置t＝t+1，跳至步驟32繼續執行；

步驟38、從所述粒子群中選取最佳粒子，計算所述病變樣本圖像中每個像素點到所述最佳粒子中每個聚類中心樣本的隸屬度，根據最大隸屬度原則，確定所述病變樣本圖像中每個像素點的歸屬，輸出最終的圖像分割結果；

步驟4、通過特征點檢測器構造所述病變樣本圖像分割區域的病變特征，包括以下步驟：

步驟41、采用FAST特征點檢測器從所述病變樣本圖像分割區域檢測出特征點；

步驟42、計算所述特征點的方向向量，包括以下步驟：

步驟421、計算所述病變樣本圖像分割區域的灰度質心坐標，計算公式為：

其中，τ_pq為所述病變樣本圖像分割區域的矩，計算公式為：其中(x,y)表示所述病變樣本圖像分割區域每個像素點的坐標，I(x,y)表示像素點的灰度值，p、q的取值為0或1；

步驟422、計算所述病變樣本圖像分割區域的圖像中心指向所述灰度質心的方向向量值，計算公式為：θ＝atan2(τ₀₁,τ₁₀)；

步驟43、利用BRISK采樣方式從所述特征點周圍進行像素點采樣；

步驟44、使用特征點的所述方向向量對采樣的像素點進行調整，調整公式為：

其中，n為采樣像素點的個數，x為采樣像素點的橫坐標，y為采樣像素點的縱坐標，σ為高斯平滑的標準差，θ為所述病變樣本圖像分割區域的圖像中心指向所述灰度質心的方向向量；

步驟45、根據調整后的像素點構造每個所述特征點的描述子，得到所述病變樣本圖像分割區域的病變特征；

步驟5、采用雙向匹配法對待檢測圖像區域進行病變識別,包括以下步驟：

步驟511、通過特征點檢測器構造所述待檢測圖像區域A的病變特征；

步驟512、從病變樣本圖像庫中選取一張未匹配過的病變樣本圖像分割區域B；

步驟513、為所述待檢測圖像區域A和所述病變樣本圖像分割區域B建立極線約束；

步驟514、從所述待檢測圖像區域A中取一個未匹配過的特征點P1；

步驟515、計算P1點與所述病變樣本圖像分割區域B在對應極線上所有特征點的距離，找出距離最小的特征點P2；

步驟516、若P1與P2的距離大于預設閾值，則跳至步驟514繼續執行，否則執行步驟517；

步驟517、若是距離小于匹配值，則計算P2點與所述待檢測圖像區域A在對應極線上所有特征點的距離，找出距離最小的特征點P3；

步驟518、判斷若P1與P3為同一特征點，則執行步驟519，否則執行步驟520；

步驟519、標記特征點P1雙向匹配成功，跳至步驟521繼續執行；

步驟520、標記特征點P1雙向匹配不成功，跳至步驟521繼續執行；

步驟521、判斷若所述待檢測圖像區域A的所有特征點匹配完成，則執行步驟522，否則跳至步驟514繼續執行；

步驟522、判斷若所述待檢測圖像區域A的所有的特征點都匹配成功，跳轉至步驟525繼續執行，否則執行步驟523；

步驟523、判斷若病變樣本圖像庫中所有的病變樣本圖像區域均已經匹配完成，則執行步驟524，否則，跳轉至步驟512繼續執行；

步驟524、標識所述待檢測圖像區域A為無病變區域，跳轉至步驟526繼續執行；

步驟525、標識所述待檢測圖像區域A為病變區域；

步驟526、輸出所述待檢測圖像區域A的病變識別結果。