[發明專利]一種基于分類框架的圖像二值化方法

在審

• 申請號: 202111359981.5
• 申請日: 2021-11-17
• 公開（公告）號: CN114066850A
• 公開（公告）日: 2022-02-18
• 發明（設計）人: 馬飛;程榮花;孟靜;王升波;趙景秀;張元科;李穎;張雪婷
• 申請（專利權）人: 曲阜師范大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/136;G06T7/194;G06T5/30;G06N3/04;G06K9/62;G06V10/25;G06V10/774;G06V10/764;G06V10/82
• 代理公司: 濟南泉城專利商標事務所 37218
• 代理人: 李桂存

1.一種基于分類框架的圖像二值化方法，其特征在于，包括以下步驟：

步驟一：選取指定單純小區域子圖，所述單純小區域子圖為只包含器官區域的子圖或只包含背景區域的子圖，然后指定該子圖的標簽，在訓練樣本中，對每一幅OCT眼睛樣本圖像手工選取器官小區域和背景小區域，將僅包含器官區域的子圖即前景和僅包含背景區域的子圖分別存放在兩個對應的文件夾ROI和BackGround中；

步驟二：倍減區域拼接特征提取，采用N-鄰域目標區域和雙重區域提取特征的方法，分別從兩個文件夾中每個子圖像采用兩個階段的方式提取Gabor特征，第一階段采用N-鄰域目標區域對子圖像進行劃分并提取Gabor特征，第二階段對N-鄰域目標區域間隔選取像素點減小一半的尺寸，如果減半后為小數則向上取為整數，并提取特征，最后將兩次提取的Gabor特征拼接為一個高維特征向量；

步驟三：特征降維并學習映射子空間，利用主成分分析PCA技術對提取的Gabor特征進行降維，并得到特征映射子空間S；

步驟四：訓練支持向量機，獲得給定一個訓練集的最佳分離超平面，并對背景和前景進行分類；

步驟五：N-鄰域目標區域分類，根據N-鄰域目標區域的判斷結果對待測樣本圖像區域賦值；

步驟六：2-方向定長填充和形態學腐蝕算法處理，在得到初步的二值化圖像后，存在ROI區域內部孔洞和不連續等問題，采用2-方向定長填充和形態學腐蝕對二值化后的圖像進一步處理。

2.根據權利要求1所述的基于分類框架的圖像二值化方法，其特征在于，所述步驟二中提取的Gabor特征維度達到3000維。

3.根據權利要求1所述的基于分類框架的圖像二值化方法，其特征在于，采用倍減區域拼接特征提取的方式，分別提取N-鄰域目標區域特征，特別地，N-鄰域目標區域表示選取的區域像素位置相鄰，并且僅包含前景區域或背景區域的像素，N的取值由手工設置；對應的Gabor提取公式如下：

z＝2πi(μxcosθ+μysinθ), (2)

其中，σ表示Gabor模板的標準差，θ表示Gabor濾波的方向，μ表示采樣頻率；將提取的僅包含器官的拼接特征標記為1，將提取的僅包含背景的拼接特征標記為-1。

4.根據權利要求1所述的基于分類框架的圖像二值化方法，其特征在于，所述步驟三中特征映射子空間計算公式如下：

S＝F(X), (3)

其中，S表示訓練集中的投影子空間，F(X)是計算主成分分析PCA的函數。

5.根據權利要求4所述的基于分類框架的圖像二值化方法，其特征在于，所述步驟四具體步驟如下：給定一個訓練集D＝{(x₁,y₁),(x₂,y₂),...,(x_i,y_i),...},y_i∈{-1,+1}，x_i是第i個N-鄰域目標區域的特征，y_i是第i個N-鄰域目標區域的標簽，其關系可以表示如下：

y_i＝W^Tx_i+b, (4)

其中W＝(w₁；w₂；...；w_d)是決定了超平面方向的法向量，b是表示超平面與坐標原點之間距離的位移值；

利用訓練集D找到樣本和超平面之間最小的樣本，并將支持向量樣本與超平面之間的距離最大化，得到參數W和b；轉化為對偶問題，與(W，b)相關的目標可以寫成如下：

利用公式(5)將從訓練集中獲得最佳分離超平面，通過公式(6)對背景和前景進行分類，

如果yi＝1，則表示該N-鄰域目標區域被分類為ROI；否則，當前N-鄰域目標區域將被分類為背景。