一种基于图像处理的脊椎特征识别方法技术

本发明专利技术涉及图像处理领域，具体涉及一种基于图像处理的脊椎特征识别方法，通过语义分割获取健康成年人的站立式全脊柱侧位图中的全脊椎影像图，利用sobel算子检测全脊椎影像图，得到全脊椎影像图的梯度边缘图像，对全脊椎影像图进行分频滤波，得到全脊椎影像图中的高频像素点和低频像素点，利用梯度边缘像素点将高频像素点分为高频脊椎边缘像素点和高频非脊椎边缘像素点，根据这三类像素点对应的灰度级在直方图均衡化中的频率对灰度级进行权重分配，构建累加映射函数对全脊椎影像图进行直方图均衡化，得到对比清晰且细节完整的全脊椎影像图。像图。像图。

【技术实现步骤摘要】
一种基于图像处理的脊椎特征识别方法


[0001]本申请涉及图像处理领域，具体涉及一种基于图像处理的脊椎特征识别方法。

技术介绍

[0002]对于脊椎疾病，需要拍摄医疗影像来诊断病情，常常由于医疗设备尺寸不同，拍摄的脊椎图像大部分是线片，只能观察到局部段的脊椎情况。而站立式全脊柱图则可以拍摄完整的脊柱图像，但图像越大信息越复杂，感光元件的动态范围有限，一些关键细节处对比度有限，不易于人为观察。
[0003]因此，为了更清晰的观察到完整脊椎图像，本专利技术在机器视觉的基础上，利用图像处理技术对脊椎医疗影像中的脊椎图像特征进行优化和增强，得到脊椎和骨骼纹理、肌肉轮廓对比清晰的图像，并且图像细节信息也得到了保留，方法智能而精准。

技术实现思路

[0004]本专利技术提供一种基于图像处理的脊椎特征识别方法，解决医疗影像中全脊柱图像中存在不清晰的问题，采用如下技术方案：获取全脊柱侧位影像图，对全脊柱侧位影像图进行语义分割得到全脊椎影像图；利用sobel算子检测全脊椎影像图，得到全脊椎影像图的梯度边缘像素点；对全脊椎影像图进行分频滤波，得到全脊椎影像图的高频像素点和低频像素点；利用梯度边缘像素点确定出高频像素点中的脊椎边缘高频像素点和非脊椎边缘高频像素点；分别将脊椎边缘高频像素点、非脊椎边缘高频像素点、低频像素点对应灰度级作为脊椎边缘高频像素点灰度级、非脊椎边缘高频像素点灰度级、低频像素点灰度级；根据脊椎边缘高频像素点灰度级、非脊椎边缘高频像素点灰度级、低频像素点灰度级在全脊椎影像图中出现的频率得到灰度直方图；获取灰度直方图中所有低频像素点灰度级的平均频率和每个脊椎边缘高频像素点灰度级的频率；根据所有低频像素点灰度级的平均频率和每个脊椎边缘高频像素点灰度级的频率得到所有低频像素点灰度级和每个脊椎边缘高频像素点灰度级的权重比；根据所有低频像素点灰度级和每个脊椎边缘高频像素点灰度级的权重比确定出低频像素点灰度级、脊椎边缘高频像素点灰度级、非脊椎边缘高频像素点灰度级的权重；根据低频像素点灰度级、脊椎边缘高频像素点灰度级、非脊椎边缘高频像素点灰度级的权重构建累加映射函数，利用累加映射函数对全脊椎影像图进行直方图均衡化，得到处理后的全脊椎影像图。
[0005]所述确定出高频像素点中的脊椎边缘高频像素点和非脊椎边缘高频像素点的方法为：将全脊椎影像图的梯度边缘像素点作为高频像素点中的脊椎边缘高频像素点；
高频像素点中除了脊椎边缘高频像素点之外的其他像素点为非脊椎边缘高频像素点。
[0006]所述所有低频像素点灰度级和每个脊椎边缘高频像素点灰度级的权重比的获取方法为：计算灰度直方图中的所有低频像素点灰度级的平均频率；根据所有低频像素点灰度级的平均频率得到所有低频像素点灰度级的熵的平均值；获取每个脊椎边缘高频像素点灰度级的频率；将每个脊椎边缘高频像素点灰度级的频率与所有低频像素点灰度级的熵的平均值的比值作为低频像素点灰度级与每个脊椎边缘高频像素点灰度级的权重比。
[0007]所述确定出低频像素点灰度级、脊椎边缘高频像素点灰度级、非脊椎边缘高频像素点灰度级的权重的方法为：根据低频像素点灰度级与每个脊椎边缘高频像素点灰度级的权重比计算出脊椎边缘高频像素点灰度级的权重均值；将脊椎边缘高频像素点灰度级的权重均值与所有非脊椎边缘高频像素点灰度级权重的比例设为1：2；根据低频像素点灰度级和每个脊椎边缘高频像素点灰度级的权重比、脊椎边缘高频像素点灰度级的权重均值与所有非脊椎边缘高频像素点灰度级权重比计算出低频像素点灰度级、脊椎边缘高频像素点灰度级、非脊椎边缘高频像素点灰度级的权重。
[0008]所述累加映射函数如下：式中，为脊椎边缘高频像素点灰度级的权重，为非脊椎边缘高频像素点灰度级的权重，为低频像素点灰度级的权重，为直方图均衡化后的图像的灰度累积分布函数， 表示第个灰度级时原图像与均衡化图像的映射函数，表示在原图像中第个灰度级出现的频率，为像素点总个数，为原始图像灰度级，为原始图像中的灰度级数量，为归一化后的灰度级，，, ，分别表示原图中灰度级为，，，的像素点的个数。
[0009]本专利技术的有益效果是：基于图像处理，利用sobel算子检测全脊椎影像图，得到全脊椎影像图的梯度边缘图像，对全脊椎影像图进行分频滤波，得到全脊椎影像图中的高频像素点和低频像素点，根据高频像素点和全脊椎影像图的梯度边缘像素点将高频像素点分为脊椎边缘高频像素点和非脊椎边缘高频像素点，根据脊椎边缘高频像素点和非脊椎边缘高频像素点及低频像素点在灰度直方图中灰度级分布的频率，对脊椎边缘高频像素点和非脊椎边缘高频像素点及低频像素点所在的灰度级进行权重分配，通过权重分配得到映射累加函数对全脊椎影像图进行直方图均衡化得到对比清晰且细节完整的全脊椎影像图，方法提高了脊椎医疗影像图像的辨识度。
附图说明
[0010]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0011]图1是本专利技术的一种基于图像处理的脊椎特征识别方法流程示意图；图2a是本专利技术的一种基于图像处理的脊椎特征识别方法的全脊柱影像示意图；图2b是本专利技术的一种基于图像处理的脊椎特征识别方法的直方图均衡化后的全脊柱影像示意图。
具体实施方式
[0012]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0013]本专利技术的一种基于图像处理的脊椎特征识别方法的实施例，如图1所示，包括：步骤一：获取全脊柱侧位影像图，语义分割得到全脊椎影像图；该步骤的目的是，采集医疗影像中的全脊柱图像，提取出其中的脊椎部分图像，作为后续数据分析的基础。
[0014]需要说明的是：从医院的数据库里获取全脊柱片，包括从颈椎到股骨干的全部骨骼，它是由类似一张“胸片”和一张“腰片”拼接而成的。但不是单独的胸片，也不是单独的腰片，因为是多次成像，焦距难以对位吻合，两张片子的椎体图像无法衔接，其角度测量也是不准的。
[0015]其中，语义分割的方法为：对于全脊椎影像图的处理，尽量去除非目标区域的影响，采用CNN语义分割：（1）CNN为Encoder
‑
Decoder网络，按7：3的比例将数据集分为训练集和测试集。
[0016]（2）将脊椎区域标记为1，其他区域全部标注0。
[0017]（3）网络所用loss函数为交叉熵损失函数。
[0018]通过语义分割可以得到全脊椎影像图和背景图像。
[0019]步骤二：利用sobel算子检测全脊椎影像图，得到全脊椎影像图的梯度边缘像素点；对全脊椎影像图进行分频滤波，得到全脊椎影像图的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像处理的脊椎特征识别方法，其特征在于，包括：获取全脊柱侧位影像图，对全脊柱侧位影像图进行语义分割得到全脊椎影像图；利用sobel算子检测全脊椎影像图，得到全脊椎影像图的梯度边缘像素点；对全脊椎影像图进行分频滤波，得到全脊椎影像图的高频像素点和低频像素点；利用梯度边缘像素点确定出高频像素点中的脊椎边缘高频像素点和非脊椎边缘高频像素点；分别将脊椎边缘高频像素点、非脊椎边缘高频像素点、低频像素点对应的灰度级作为脊椎边缘高频像素点灰度级、非脊椎边缘高频像素点灰度级、低频像素点灰度级；根据脊椎边缘高频像素点灰度级、非脊椎边缘高频像素点灰度级、低频像素点灰度级在全脊椎影像图中出现的频率得到灰度直方图；获取灰度直方图中所有低频像素点灰度级的平均频率和每个脊椎边缘高频像素点灰度级的频率；根据所有低频像素点灰度级的平均频率和每个脊椎边缘高频像素点灰度级的频率得到所有低频像素点灰度级和每个脊椎边缘高频像素点灰度级的权重比；根据所有低频像素点灰度级和每个脊椎边缘高频像素点灰度级的权重比确定出低频像素点灰度级、脊椎边缘高频像素点灰度级、非脊椎边缘高频像素点灰度级的权重；根据低频像素点灰度级、脊椎边缘高频像素点灰度级、非脊椎边缘高频像素点灰度级的权重构建累加映射函数，利用累加映射函数对全脊椎影像图进行直方图均衡化，得到处理后的全脊椎影像图。2.根据权利要求1所述的一种基于图像处理的脊椎特征识别方法，其特征在于，所述确定出高频像素点中的脊椎边缘高频像素点和非脊椎边缘高频像素点的方法为：将全脊椎影像图的梯度边缘像素点作为高频像素点中的脊椎边缘高频像素点；高频像素点中除了脊椎边缘高频像素点之外的其他像素点为非脊椎边缘高频像素点。3.根据权利要求1所述的一种基于图像处理的脊椎特征识别方法，其特征在于，所述所有低...

【专利技术属性】
技术研发人员：马学晓，
申请(专利权)人：青岛大学附属医院，
类型：发明
国别省市：