一种用于低对比度的目标点识别方法及系统技术方案

本发明专利技术公开了一种用于低对比度的目标点识别方法及系统，涉及图像处理技术领域。该方法包括：获取待识别图像的步骤；通过差分高斯滤波增强待识别图像的步骤；通过自适应阈值对增强后的待识别图像中的所有像素点进行处理，确定候选目标点的步骤；通过动态聚类方法对全部候选目标点进行聚类的步骤。本发明专利技术适用于低对比度的小尺度目标点识别，通过差分高斯滤波增强预设尺度范围内的目标点，使用自适应的阈值策略对目标点进行检测，然后对目标点进行聚类，能够快速地实现低对比度的小尺度目标点识别，识别准确率高，且实现过程简单方便，应用前景广阔。景广阔。景广阔。

【技术实现步骤摘要】
一种用于低对比度的目标点识别方法及系统


[0001]本专利技术涉及图像处理
，尤其涉及一种用于低对比度的目标点识别方法及系统。

技术介绍

[0002]图像处理技术在各个领域的应用越来越多，目前，可以使用图像处理技术实现图像检测、参数预测、图像识别等目的。
[0003]然而，对于目标物与背景之间的对比度较低的图像，目标物与背景难以区分，尤其是识别小尺度的点状目标，目前的识别方法效果较差，识别的准确率较低。

技术实现思路

[0004]本专利技术所要解决的技术问题是针对现有技术的不足，提供一种用于低对比度的目标点识别方法及系统。
[0005]本专利技术解决上述技术问题的技术方案如下：
[0006]一种用于低对比度的目标点识别方法，包括：
[0007]获取待识别图像的步骤；
[0008]通过差分高斯滤波增强所述待识别图像的步骤；
[0009]通过自适应阈值对增强后的所述待识别图像中的所有像素点进行处理，确定候选目标点的步骤；
[0010]通过动态聚类方法对全部所述候选目标点进行聚类的步骤。
[0011]本专利技术解决上述技术问题的另一种技术方案如下：
[0012]一种用于低对比度的目标点识别系统，包括：采集设备、处理设备和显示设备，其中：
[0013]所述采集设备用于获取待识别图像；
[0014]所述处理设备用于通过差分高斯滤波增强所述待识别图像；并通过自适应阈值对增强后的所述待识别图像中的所有像素点进行处理，确定候选目标点；并通过动态聚类方法对全部所述候选目标点进行聚类；
[0015]所述显示设备用于显示所述待识别图像的识别结果。
[0016]本专利技术的有益效果是：本专利技术提供的目标点识别方法及系统，适用于低对比度的小尺度目标点识别，通过差分高斯滤波增强预设尺度范围内的目标点，使用自适应的阈值策略对目标点进行检测，然后对目标点进行聚类，能够快速地实现低对比度的小尺度目标点识别，识别准确率高，且实现过程简单方便，应用前景广阔。
[0017]本专利技术附加的方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术实践了解到。
附图说明
[0018]图1为本专利技术目标点识别方法的实施例提供的流程示意图；
[0019]图2为本专利技术目标点识别方法的实施例提供的微钙化点检测流程示意图；
[0020]图3为本专利技术目标点识别系统的实施例提供的结构示意框架图。
具体实施方式
[0021]以下结合附图对本专利技术的原理和特征进行描述，所举实施例只用于解释本专利技术，并非用于限定本专利技术的范围。
[0022]如图1所示，为本专利技术目标点识别方法的实施例提供的流程示意图，该目标点识别方法适用于低对比度小尺度的目标点识别，包括：
[0023]S1，获取待识别图像。
[0024]需要说明的是，待识别图像可以为包含低对比度小尺度点的影响数据。低对比度指的是目标点与周围区域的对比度低于一定值。目标点指的是需要识别的点，例如，待识别图像可以为乳腺钼靶图像，那么目标点可以为微钙化点；又例如，待识别图像可以为植物图像，那么目标点可以为植物上的病状斑点；又例如，待识别图像可以为生产线上的芯片图像，那么目标点可以为芯片上的灰尘。这些目标地都具有难以识别的特点，即对比度低且尺度较小。
[0025]需要说明的是，获取的待识别图像通常不能直接进行后续处理步骤，由于图像格式、大小等不统一，因此，为了更好的识别效果，还可以在获取待识别图像之后对图像进行预处理。
[0026]例如，以乳腺钼靶图像为例，可以通过dicom tag信息表，将输入图像转化为两部分输出结果，一为2D矩阵，一为DICOM信息字典。然后利用二值域和边缘连接的算法，将图像转为二值图，将标记为1的像素点链接成区域，并测量图像区域属性，通过枚举法选出最大区域，并记录对应的标签，画出方框，作为图像的边界，除最大区域外，其他变为背景0，提取最大区域box四个顶点，组成两组字典，左右各加宽一个像素，将得到的图像作为S2中的输入图像。通过上述预处理步骤能够保证乳腺处于图像的范围内，且最大程度地减少背景的干扰，便于后续处理。
[0027]此外，可以根据需求将右乳腺图像水平翻转，调整图像比例，0值填充缺位后进行标准化。
[0028]应理解，dicom文件整体结构先是128字节的导言部分，然后是dataElement元素依次排列的方式，就是一个dataElement接一个dataElement的方式排到文件结尾。要读取dicom里面的各种数据就是在各个数据元素中。也可理解为，dataElement就是指tag，就是Dicom标准里定义的数据字典，每个dataElement中的tag决定自身或整个文件的某些数据类型或自身dataElement内容类别。
[0029]获取dicom里面的数据，就是根据tag，来知道这个dataElement里面是否是需要的数据，然后读取该dataElement里面的数据。
[0030]tag是4个字节表示的前两字节是组号后两字节是元素号，例如，0002组描述设备通讯，0008组描述特征参数，0010组描述患者信息，0028组描述图像信息参数，根据这些组号，就可以知道每个组的tag中存储的是什么数据，从而实现图像的调用。
[0031]又例如，以卫星遥感图像为例，卫星遥感图像通常尺寸较大，因此，可以将卫星遥感图像进行裁剪，分成预设尺寸的图像，完成对卫星遥感图像的预处理。
[0032]S2，通过差分高斯滤波增强待识别图像。
[0033]高斯滤波是一种尺度空间的低通滤波器，其公式如下所示，通过改变标准差σ的大小，可以实现特定尺度目标点的增强。
[0034][0035]其中，(x,y,z)为像素点的坐标，I(x,y,z)表示坐标为(x,y,z)的像素点的像素值。
[0036]通过差分高斯滤波，可以增强一定尺度范围内目标点的对比度，消除背景的不均匀性，提高后续目标点识别的准确率。
[0037]S3，通过自适应阈值对增强后的待识别图像中的所有像素点进行处理，确定候选目标点。
[0038]应理解，确定候选目标点只要是实现候选目标点的定位和分割其初始轮廓，自适应阈值指的是由增强后的待识别图像的灰度均值和标准差确定的阈值，使用自适应阈值可以对不同灰度水平和噪声水平的图像进行识别，提高候选目标点识别的准确率。
[0039]以识别乳腺钼靶图像中的微钙化点为例，不同乳房腺体组织的组成成分不同，微钙化像素的灰度值范围在不同乳腺图像上存在差异，并且存在不同水平的噪声。基于此，设计自适应的阈值策略，结合区域连接实现微钙化点的定位及其初始轮廓的分割，可以实现候选目标点的准确定位。
[0040]S4，通过动态聚类方法对全部候选目标点进行聚类。
[0041]应理解，对于大部分应用场景而言，独立的目标点没有太大的参考意义，点簇的实用价值较大，对于部分密集本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于低对比度的目标点识别方法，其特征在于，包括：获取待识别图像的步骤；通过差分高斯滤波增强所述待识别图像的步骤；通过自适应阈值对增强后的所述待识别图像中的所有像素点进行处理，确定候选目标点的步骤；通过动态聚类方法对全部所述候选目标点进行聚类的步骤。2.根据权利要求1所述的用于低对比度的目标点识别方法，其特征在于，根据以下公式增强所述待识别图像：F(x，y，z)＝G(I(x，y，z)，σ1)
‑
G(I(x，y，z)，σ2)其中，F(x，y，z)表示坐标为(x，y，z)的像素点的增强结果，G()表示三维高斯滤波，I(x，y，z)表示坐标为(x，y，z)的像素点的像素值，σ1和σ2表示根据目标点的尺度范围设置的标准差。3.根据权利要求1所述的用于低对比度的目标点识别方法，其特征在于，根据以下公式确定自适应阈值：Thres＝μ
volume
+k*σ
volume
其中，Thres为自适应阈值，μ
volume
是增强后的待识别图像的灰度均值，σ
volume
是增强后的待识别图像的标准差，k是用于调节检测敏感性的预设参数。4.根据权利要求1所述的用于低对比度的目标点识别方法，其特征在于，通过自适应阈值对增强后的所述待识别图像中的所有像素点进行处理，确定候选目标点的步骤，具体包括：将所述待识别图像中高于所述自适应阈值的像素点标记为前景，否则标记为背景；通过邻域的区域连接方法对候选目标点进行定位，得到初始轮廓。5.根据权利要求1至4中任一项所述的用于低对比度的目标点识别方法，其特征在于，通过动态聚类方法对全部所述候选目标点进行聚类的步骤，具体包括：根据目标点的信噪比特征对全部所述候选目标点进行排序，得到候选目标点序列；按照顺序依次将所述候选目标点序列中的每个候选目标点作为聚类中心；计算每个候选目标点与聚类中心的距离，将距离小于预设距离的候选目标点加入对应聚类中心的目标点簇中，并将已加入目标点簇的候选目标点从所述候选目标点序列中剔除，直到完成全部所述候选目标点的处理，得到至少一个目标点簇；分别对每个目标点簇的连接区域大小进行判断，去除大小不符合预设条件的目标点簇。6.一种用于低对比度的目...

【专利技术属性】
技术研发人员：柴象飞，郭娜，张路，刘鹏飞，
申请(专利权)人：慧影医疗科技北京股份有限公司，
类型：发明
国别省市：