[發明專利]基于模糊邏輯和ANFIS的宮頸癌圖像區域分割方法

有效

• 申請號: 202110897279.8
• 申請日: 2021-08-05
• 公開（公告）號: CN113538409B
• 公開（公告）日: 2023-05-16
• 發明（設計）人: 史慶武;殷守林;陳玨曉;李航;滕琳
• 申請（專利權）人: 佳木斯大學;沈陽師范大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/12;G06T7/13;G06T7/136;G06N3/0464;G06N3/08;G06V10/82;G06V10/764;G06V10/44
• 代理公司: 哈爾濱華夏松花江知識產權代理有限公司 23213
• 代理人: 楊曉輝

1.基于模糊邏輯和ANFIS的宮頸癌圖像區域分割方法，其特征在于，該方法包括以下步驟：

S1、利用模糊邏輯對宮頸圖像進行邊緣檢測，并對檢測到的邊緣進行像素級圖像融合；

S1中利用模糊邏輯對宮頸圖像進行邊緣檢測，并對檢測到的邊緣進行像素級圖像融合的過程為：

S1-1、獲取模糊邏輯閾值，具體為：

首先將RGB宮頸圖像轉換為灰度圖像，然后計算該灰度圖像的直方圖，并將計算的直方圖模式的平均值作為閾值；

S1-2、利用2×2掩碼窗口遍歷宮頸圖像，迭代檢測出圖像中的邊緣特征，生成初步邊緣特征的宮頸圖像；

宮頸圖像根據模糊邏輯閾值生成二值圖像，宮頸圖像中所有像素按下述規則進行二值判斷：大于或等于該閾值的像素值為0，小于該閾值的像素值為1；

對該二值圖像應用模糊邏輯來檢測邊緣特征，邏輯一、當掩碼窗口中的所有像素值為0時檢測結果為0；邏輯二、當掩碼窗口中的所有像素值為1時檢測結果為1；邏輯三、不屬于前兩種邏輯的檢測結果為邊緣特征；

S1-3、在S1-2生成的初步邊緣特征的宮頸圖像上，利用2×2掩碼窗口再次遍歷，在第二次重復迭代的過程中生成進一步細化邊緣特征的宮頸圖像；

S1-4、使用像素級圖像融合技術將S1-2和S1-3兩次的邊緣特征融合在一起，從而生成增強的宮頸圖像；

S2、對融合后的宮頸圖像進行環形對稱Gabor變換；

S3、從Gabor變換后的圖像中提取紋理特征；

S4、采用自適應神經模糊系統ANFIS分類方法對S3提取的紋理特征進行分類，輸出類別包括正常宮頸圖像和異常宮頸圖像兩類；

S5、利用形態學操作對異常宮頸圖像中的腫瘤區域分割出來。

2.根據權利要求1所述基于模糊邏輯和ANFIS的宮頸癌圖像區域分割方法，其特征在于，S3中從Gabor變換后的圖像中提取紋理特征的過程為：

分別采用局部導數模式LDP、離散小波變換DWT、灰度共生矩陣法GLCM和Laws能量法對Gabor變換后的圖像中提取紋理特征，生成各自的紋理特征映射圖，然后將四個紋理特征映射圖疊加，獲取最終的紋理特征。

3.根據權利要求1所述基于模糊邏輯和ANFIS的宮頸癌圖像區域分割方法，其特征在于，S4中采用自適應神經模糊系統ANFIS分類方法對S3提取的紋理特征進行分類的過程為：

自適應神經模糊系統ANFIS設置5個內部層；

第一層包括四個模糊集A1、A2、B1、B2，自適應節點為：

其中a_i，b_i和c_i為第一層中第i個自適應節點的前提參數，x,y為兩個輸入參數；

第二層包括兩個固定節點，執行相乘函數產生該層的輸出，該層輸出函數為：

layer2?out＝μ_Ai(x)·μ_Bi(y)；i＝1,2；

第三層包括兩個固定節點，遵循觸發強度，根據給定的方程產生輸出，該層輸出函數為：

式中w_i為第二層的輸出；

第四層包括兩個自適應節點，該層輸出函數為：

其中，p_i，q_i，r_i是第四層第i個自適應節點的觸發強度參數；

第五層為輸出層，該層輸出函數為：

其中f_i是對應第四層對應自適應節點的權重，

第五層輸出結果為f，f為低值表示檢測宮頸圖像屬于正常宮頸圖像類別，f為高值表示檢測宮頸圖像屬于異常宮頸圖像類別。

4.根據權利要求1所述基于模糊邏輯和ANFIS的宮頸癌圖像區域分割方法，其特征在于，S5中利用形態學操作對異常宮頸圖像中的腫瘤區域分割出來的過程為：

利用擴張功能對異常宮頸圖像處理生成擴張圖像；

利用侵蝕函數對異常宮頸圖像處理生成腐蝕圖像；

將腐蝕圖像從擴張圖像中減去，分割出腫瘤區域。