一種紅外診斷系統及方法
【專利摘要】本發明涉及醫療技術領域，尤其涉及一種紅外診斷系統及方法。本發明通過匹配出與彩色圖像最匹配的檢索信息，即可通過該最匹配的檢索信息對彩色圖像進行診斷，即對彩色圖像中存在的疾病進行診斷，降低了診斷的要求。
【專利說明】
一種紅外診斷系統及方法
技術領域
[0001] 本發明涉及醫療技術領域，尤其涉及一種紅外診斷系統及方法。
【背景技術】
[0002] 目前紅外診斷在醫學上有所應用，但是在現有的紅外診斷過程中需要在拍攝紅外 圖像后，人工的進行進一步的診斷，在人工診斷的過程中，對診斷能力具有較高的要求，所 以，紅外診斷技術由于要求較高并沒有被廣泛的使用。
【發明內容】
[0003] 針對現有技術存在的問題，現提供了一種紅外診斷系統及方法。
[0004] 具體的技術方案如下：
[0005] -種紅外診斷系統，包括：
[0006] 紅外攝像模塊，利用紅外成像技術獲取灰度圖像；
[0007] 編碼模塊，與所述紅外攝像模塊連接，將所述灰度圖像進行彩色處理，輸出一彩色 圖像，以通過所述彩色圖像顯示紅外信息；
[0008] 特征提取模塊，與所述編碼模塊連接，對所述彩色圖像進行特征提取；
[0009] 檢索模塊，與所述特征提取模塊連接，所述檢索模塊中預存儲有多個標準信息，利 用提取的特征于所述標準信息中選取出與所述彩色圖像適配的檢索信息；
[0010] 匹配模塊，與所述檢索模塊連接，利用預設算法于所述檢索信息中計算得到一與 所述彩色圖像最匹配的檢索信息。
[0011]優選的，所述特征提取模塊包括：
[0012] 分割模塊，將所述彩色圖像分割為多個區域；
[0013] 提取模塊，與所述分割模塊連接，于所述多個區域中提取感興趣的區域；
[0014] 構建模塊，與所述提取模塊連接，對所述感興趣的區域進行特征提取，以構建特征 空間。
[0015] 優選的，所述特征提取模塊提取的特征包括:顏色、形狀和紋理。
[0016] 優選的，所述檢索模塊的檢索方法包括:基于顏色特征的檢索，基于形狀特征的檢 索和基于紋理特征的檢索。
[0017] 優選的，所述預設算法為遺傳算法。
[0018] 一種紅外診斷方法，包括：
[0019] 步驟S1，利用紅外成像技術獲取灰度圖像；
[0020] 步驟S2,將所述灰度圖像進行彩色處理，輸出一彩色圖像，以通過所述彩色圖像顯 示紅外信息；
[0021 ]步驟S3，對所述彩色圖像進行特征提取；
[0022]步驟S4,利用提取的特征于預存儲的標準信息中選取出與所述彩色圖像適配的檢 索信息；
[0023]步驟S5,利用預設算法于所述檢索信息中計算得到一與所述彩色圖像最匹配的檢 索信息。
[0024]優選的，所述步驟S3包括：
[0025]步驟S31，將所述彩色圖像分割為多個區域；
[0026]步驟S32,于所述多個區域中提取感興趣的區域；
[0027]步驟S33，對所述感興趣的區域進行特征提取，以構建特征空間。
[0028]優選的，提取的特征包括:顏色、形狀和紋理。
[0029]優選的，所述步驟S4中的檢索方法包括:基于顏色特征的檢索，基于形狀特征的檢 索和基于紋理特征的檢索。
[0030] 優選的，所述預設算法為遺傳算法。
[0031] 上述技術方案的有益效果是：
[0032] 上述技術方案中，通過匹配出與彩色圖像最匹配的檢索信息，即可通過該最匹配 的檢索信息對彩色圖像進行診斷，即對彩色圖像中存在的疾病進行診斷，降低了診斷的要 求。
【附圖說明】
[0033] 圖1為本發明一種紅外診斷系統的實施例的結構示意圖；
[0034] 圖2為本發明一種紅外診斷方法的實施例的流程圖。
【具體實施方式】
[0035] 需要說明的是，在不沖突的情況下，下述技術方案，技術特征之間可以相互組合。 [0036]下面結合附圖對本發明的【具體實施方式】作進一步的說明：
[0037] 一種紅外診斷系統，如圖1所示，包括：
[0038]紅外攝像模塊，利用紅外成像技術獲取灰度圖像；
[0039]編碼模塊，與紅外攝像模塊連接，將灰度圖像進行彩色處理，輸出一彩色圖像，以 通過彩色圖像顯示紅外信息；
[0040] 特征提取模塊，與編碼模塊連接，對彩色圖像進行特征提取；
[0041] 檢索模塊，與特征提取模塊連接，檢索模塊中預存儲有多個標準信息，利用提取的 特征于標準信息中選取出與彩色圖像適配的檢索信息；
[0042] 匹配模塊，與檢索模塊連接，利用預設算法于檢索信息中計算得到一與彩色圖像 最匹配的檢索信息。
[0043]本實施例中，紅外攝像模塊由紅外熱像儀利用相關的紅外成像技術生成，紅外成 像技術是一種輻射信息探測技術，利用某種特殊的電子裝置，將物體的熱分布轉化為灰度 圖像，并且以灰度級或偽彩色顯示出來，從而得到被測目標的溫度分布場。紅外成像技術一 般是被動地接收物體的紅外輻射而成像的，用圖像的灰度表征物體的溫度場分布。由于物 體熱平衡的原因和根據普朗克定律，采用紅外成像技術拍攝的圖像局部相鄰具有較高的空 間灰度相關性。
[0044]本實施例中，由于人眼的彩色敏感細胞能分辨出幾千種彩色色調和亮度，但是對 黑白灰度級卻不敏感。紅外攝像模塊產生的紅外圖像為黑白灰度級圖像(灰度圖像），灰度 值動態范圍不大。因此，人眼很難從這些灰度級中獲得豐富的信息。為了更直觀地增強顯示 圖像的層次，提高人眼分辨能力，編碼模塊對灰度圖像進行偽彩色處理，從而達到圖像增強 的效果，使圖像信息更加豐富。在彩虹編碼的基礎上，結合醫用紅外熱像系統對圖像特征檢 測的要求和對偽彩色編碼處理的算法研究，使得不同的圖像和不同的區域因溫度的不同而 顯示不同的色彩，并且彩色圖像層次分明、色彩清晰。
[0045] 本實施例中，特征提取模塊是通過計算機視覺技術和圖像處理技術實現的，指的 是使用計算機提取彩色圖像中的信息，決定每個彩色圖像的點是否屬于一個圖像特征。特 征提取的結果是把彩色圖像上的點分為不同的子集，這些子集往往屬于孤立的點、連續的 曲線或者連續的區域。
[0046] 本實施例的檢索模塊是基于內容的圖像檢索技術進行圖像檢索，基于內容的圖像 檢索技術是指直接根據描述媒體對象圖像內容的各種特征進行檢索，它能從數據庫的標準 信息中查找到具有指定特征或含有特定內容的檢索信息(包括視頻片段），它區別于傳統的 基于關鍵字的檢索手段，融合了圖像理解、模式識別等技術。
[0047]在廣域網（Internet)環境下實現一個基于內容檢索的圖像數據庫系統的框架結 構可分為兩個部分:圖像特征索引的創建和圖像檢索。一般來說，圖像特征的分析和索引的 創建是在服務器端離線完成的，其主要功能包括圖像入庫前的預處理、圖像的內容特征的 提取與分析、圖像特征描述的編碼和存儲。對于圖像的檢索，其主要的任務是將用戶感興趣 的圖像實例提交給服務器，對其內容的特征進行提取和表示。然后調用圖像檢索引擎按一 定的相似檢索方法進行圖像之間的相似度計算，對查詢得到的相似圖像(檢索信息)按它們 的相似距離從小到大進行排序，并將結果反饋。
[0048]本發明一個較佳的實施例中，特征提取模塊包括：
[0049]分割模塊，將彩色圖像分割為多個區域；
[0050]提取模塊，與分割模塊連接，于多個區域中提取感興趣的區域；
[0051 ]構建模塊，與提取模塊連接，對感興趣的區域進行特征提取，以構建特征空間。
[0052] 本實施例中，在特征提取之前先對彩色圖像進行分割，提取感興趣區域進行相關 處理。彩色圖像分割是圖像處理與計算機視覺領域的基礎性工作。圖像分割方法的數量非 常多，本實施例以能量最小化方法進行舉例說明，能量最小化方法的基本步驟為:①設計一 個目標函數(能量函數），其最小值對應最優解，常用的兩個約束是數據和先驗知識。數據約 束限制了理想解應該和真實數據盡量接近;先驗約束要求理想解的形式應該和先驗知識保 持一致;②最小化目標函數，大多數感興趣的能量函數是非凸的，有多個極小值，導致多數 方法只能找到逼近解，因此，最小化過程通常比較困難。合適的編碼問題的約束形成能量函 數和找到一個好的最小化方法是同等重要的，因為任何一步出錯都會造成分割的失效。
[0053] 能量最小化方法，給出了分割的統一框架，用標準優化方法可以求解，②提供了明 確的思路來編碼要解決問題的約束，由于最小化能量函數和MRF的最大后驗估計是等效的， 從貝葉斯統計角度也可以求證能量最小化方法的正確性。能量最小化方法有多種分類方 法，包括全局和局部方法、確定性和隨機性方法、連續性和離散性方法等。常采用全局和局 部的分類方法，常見的全局能量最小化方法包括模擬退火方法、動態規劃方法和圖論方法 等；局部能量最小化方法包括變分方法和ICM(Iterated conditional modes)方法等。模擬 退火方法代表了一類隨機優化方法;動態規劃是一個多步決策過程，通過把一個N步過程轉 化為N個單步過程實現將全局最優轉化為局部最優之和；圖論方法的主要思想是將圖像映 射成加權圖，把圖像像素看作圖的頂點，鄰接像素之間的關系看作圖的邊，鄰接像素之間的 相似性看作邊的權值，根據邊的權值設計能量函數，通過最小化能量函數完成對圖的分割， 從而實現圖像分割；變分方法是幾何活動輪廓模型（Geometry active contour model)的 能量最小化方法;ICM方法是基于確定性貪婪策略來尋優的能量最小化方法。
[0054]上述實施例中，針對分割結果進行相關的特征提取，首先應用歸一化分割 (Normalized cut，Ncut)方法進行圖像的分割，提取感興趣區域;然后對提取的感興趣區域 進行特征提取構成特征空間，接著用檢索模塊以及匹配模塊進行診斷，得出診斷結果。 [0055] Ncut準則是一種無監督圖像分割技術，它不需要初始化，并具有3個主要的特點： (1)它將圖像分割問題轉換為圖的劃分問題；（2)它是一個全局準則；（3)它同時最大化不同 組之間的不相似性和同一組內的相似性。Ncut準則的基本原理是：對于一個給定的圖G = (V，E)，假設將其分為兩個不相交的部分A與B，AUB = V，這兩個部分不相似程度可以定義為 原先連接兩部分而現在被刪去的所有邊的權的綜合：
[0057]式中w(i，j)即連接點i和點j的邊的權，它表示兩點之間的相似程度。一幅圖的最 優二分法即是使cut的值最小，但由于割直接與割中邊的數目成比例，因此最小割通常并非 就是最優割。
[0058]本發明一個較佳的實施例中，特征提取模塊提取的特征包括:顏色、形狀和紋理。
[0059] 本發明一個較佳的實施例中，檢索模塊的檢索方法包括:基于顏色特征的檢索，基 于形狀特征的檢索和基于紋理特征的檢索。
[0060] 上述實施例中的三種檢索方式具體為：
[0061] 首先，基于顏色特征的檢索:彩色圖像的顏色是物體表面的一種視覺特性，每種物 體都有其特有的顏色特征，如人們說到綠色往往是和樹木或草原相關，談到藍色往往是和 大海或藍天相關。同一類物體往往有著相似的顏色特征，因此可以根據顏色特征來區分物 體，本實施例采用直方圖來描述顏色特征。
[0062] 其次，基于形狀特征的檢索:形狀特征是描述彩色圖像的關鍵要素之一，它可以較 好地反映出區域的特征，因此該特征是CBIR技術中一個比較重要的可利用因素。在二維圖 像空間中，形狀通常被認為是一條封閉的輪廓曲線所包圍的區域，所以對形狀的描述涉及 到對輪廓邊界的描述以及對這個邊界所包圍區域的描述。目前的基于形狀檢索方法大多圍 繞著從形狀的輪廓特征和形狀的區域特征建立圖像索引。形狀包括面積、連通性、環形性、 偏心率、主軸方向等特征。
[0063]最后，基于紋理特征的檢索:紋理是指圖像像素灰度集或顏色的某種規律性變化。 紋理特征主要包括粗糙度、方向性、對比度以及規則性。基于紋理的檢索通常采用統計方 法、結構方法以及頻譜分析方法進行。
[0064] 本發明一個較佳的實施例中，預設算法為遺傳算法。
[0065] 本實施例中，匹配模塊主要進行圖像模式識別與模式匹配，模式識別的基本原理 是，將一個輸入模式與保存在系統中的多個標準模式相比較，找出最近似的標準模式，將該 標準模式所代表的類名作為輸入模式的類名輸出。本研究在將獲取的圖像信息經過特征提 取以后經過圖像檢索使用模式識別算法進行模式匹配，最終匹配得到相應的專家系統里面 的預存儲信息。
[0066]本申請采用遺傳算法(Genetic Algorithm，簡稱GA)實現圖像的模式識別與匹配。 遺傳算法是基于達爾文生物進化論的自然選擇學說和群體遺傳學原理，借鑒自然界中自然 選擇、適者生存的法則，在計算機中采用遺傳學中的相應名字和方法建立的一種算法。遺傳 算法建立在自然選擇和種群遺傳基礎上，模擬自然界"物競天擇、適者生存"的進化過程，在 問題空間進行全局并行、隨機的搜索優化，使得種群成為全局最優的收斂。
[0067] GA實施中最關鍵的三點是:定義編碼結構、確定適應度函數及定義遺傳算子。利用 馬爾科夫理論，對采用實編碼的遺傳算法進行全局收斂性分析，得出了在群體數為無窮大 時能收斂到全局最優解的結論。雖然其建立在群體規模無窮大基礎上，但在規模有限時，收 斂到全局更優點是可以達到的。基于此，在進行遺傳算法設計時，個體染色體位串由分類器 所有實數權值級聯構成，每個染色體可表示為(W1T，W2T，W3T，"_，W1T)型的實向量，其中Wi (i = 1，2，…，M)為分類器的權值向量。這樣，群體中的每一個個體就是一個分類器。分類器 在測試樣本集中的判別率作為個體染色體的適應值，其中使用Yik(i = 1，2，…N)表示第k次 迭代時群體中的第i個個體。
[0068] 一種紅外診斷方法，如圖2所示，包括：
[0069] 步驟S1，利用紅外成像技術獲取灰度圖像；
[0070] 步驟S2,將灰度圖像進行彩色處理，輸出一彩色圖像，以通過彩色圖像顯示紅外信 息；
[0071 ]步驟S3，對彩色圖像進行特征提取；
[0072] 步驟S4,利用提取的特征于預存儲的標準信息中選取出與彩色圖像適配的檢索信 息；
[0073] 步驟S5,利用預設算法于檢索信息中計算得到一與彩色圖像最匹配的檢索信息。
[0074] 本發明一個較佳的實施例中，步驟S3包括：
[0075] 步驟S31，將彩色圖像分割為多個區域；
[0076] 步驟S32,于多個區域中提取感興趣的區域；
[0077] 步驟S33,對感興趣的區域進行特征提取，以構建特征空間。
[0078]本發明一個較佳的實施例中，提取的特征包括:顏色、形狀和紋理。
[0079]本發明一個較佳的實施例中，步驟S4中的檢索方法包括:基于顏色特征的檢索，基 于形狀特征的檢索和基于紋理特征的檢索。
[0080] 本發明一個較佳的實施例中，預設算法為遺傳算法。
[0081] 上述實施例中，通過特征提取模塊將特征提取，以及圖像檢索模塊進行彩色圖像 的檢索，輸出一檢索信息，檢索信息與匹配模塊進行交互，從而確定一最匹配的檢索信息， 即可通過該最匹配的檢索信息對彩色圖像進行診斷，即對彩色圖像中存在的疾病進行診 斷，降低了診斷的要求。
[0082] 通過說明和附圖，給出了【具體實施方式】的特定結構的典型實施例，基于本發明精 神，還可作其他的轉換。盡管上述發明提出了現有的較佳實施例，然而，這些內容并不作為 局限。
[0083] 對于本領域的技術人員而言，閱讀上述說明后，各種變化和修正無疑將顯而易見。 因此，所附的權利要求書應看作是涵蓋本發明的真實意圖和范圍的全部變化和修正。在權 利要求書范圍內任何和所有等價的范圍與內容，都應認為仍屬本發明的意圖和范圍內。
【主權項】
1. 一種紅外診斷系統，其特征在于，包括： 紅外攝像模塊，利用紅外成像技術獲取灰度圖像； 編碼模塊，與所述紅外攝像模塊連接，將所述灰度圖像進行彩色處理，輸出一彩色圖 像，以通過所述彩色圖像顯示紅外信息； 特征提取模塊，與所述編碼模塊連接，對所述彩色圖像進行特征提取； 檢索模塊，與所述特征提取模塊連接，所述檢索模塊中預存儲有多個標準信息，利用提 取的特征于所述標準信息中選取出與所述彩色圖像適配的檢索信息； 匹配模塊，與所述檢索模塊連接，利用預設算法于所述檢索信息中計算得到一與所述 彩色圖像最匹配的檢索信息。2. 根據權利要求1所述的紅外診斷系統，其特征在于，所述特征提取模塊包括： 分割模塊，將所述彩色圖像分割為多個區域； 提取模塊，與所述分割模塊連接，于所述多個區域中提取感興趣的區域； 構建模塊，與所述提取模塊連接，對所述感興趣的區域進行特征提取，以構建特征空 間。3. 根據權利要求1所述的紅外診斷系統，其特征在于，所述特征提取模塊提取的特征包 括:顏色、形狀和紋理。4. 根據權利要求3所述的紅外診斷系統，其特征在于，所述檢索模塊的檢索方法包括： 基于顏色特征的檢索，基于形狀特征的檢索和基于紋理特征的檢索。5. 根據權利要求1所述的紅外診斷系統，其特征在于，所述預設算法為遺傳算法。6. -種紅外診斷方法，其特征在于，包括： 步驟S1，利用紅外成像技術獲取灰度圖像； 步驟S2,將所述灰度圖像進行彩色處理，輸出一彩色圖像，以通過所述彩色圖像顯示紅 外信息； 步驟S3，對所述彩色圖像進行特征提取； 步驟S4,利用提取的特征于預存儲的標準信息中選取出與所述彩色圖像適配的檢索信 息； 步驟S5,利用預設算法于所述檢索信息中計算得到一與所述彩色圖像最匹配的檢索信 息。7. 根據權利要求1所述的紅外診斷方法，其特征在于，所述步驟S3包括： 步驟S31，將所述彩色圖像分割為多個區域； 步驟S32,于所述多個區域中提取感興趣的區域； 步驟S33，對所述感興趣的區域進行特征提取，以構建特征空間。8. 根據權利要求1所述的紅外診斷方法，其特征在于，提取的特征包括:顏色、形狀和紋 理。9. 根據權利要求8所述的紅外診斷方法，其特征在于，所述步驟S4中的檢索方法包括： 基于顏色特征的檢索，基于形狀特征的檢索和基于紋理特征的檢索。10. 根據權利要求6所述的紅外診斷方法，其特征在于，所述預設算法為遺傳算法。
【文檔編號】G06F19/00GK106096255SQ201610395354
【公開日】2016年11月9日
【申請日】2016年6月3日 公開號201610395354.X, CN 106096255 A, CN 106096255A, CN 201610395354, CN-A-106096255, CN106096255 A, CN106096255A, CN201610395354, CN201610395354.X
【發明人】田思, 徐璟, 李永平, 章曉敏
【申請人】寧波大紅鷹學院