多光谱医学图像关键波段选取方法、系统与可读存储介质与流程

[0001]
本发明涉及多光谱医学图像处理领域，具体涉及一种多光谱医学图像关键波段选取方法、系统与可读存储介质。


背景技术：

[0002]
成像光谱技术起源于遥感领域，通过在卫星上安装可探测多种波段光的探测器，可采集海洋森林矿产地理位置、环境气象、地震火山活动等方面的数据，相对于单一波段成像技术，多光谱成像技术极大提高了目标探测的准确性和探测能力。近年来，多光谱成像技术被引入到医疗诊断中，利用一台成像设备即可获得病变部位多个波段光的图像，由于不同组织在不同波段图像中显著信息不同，从而增强了组织间的对比度，可实现疾病的高效诊断。然而由于波段较多，各个波段图像间存在冗余信息，如何选取关键波段用于后续的多光谱医学图像处理是多光谱医学图像在临床诊断中应用的前提。
[0003]
在多光谱医学图像处理的相关研究中，李亚研究多光谱医学图像的组织分割和特征描述方法，其中采用sheffield指数分析不同波段图像相关性，实现关键波段选取；通过图像类间方差确定分割阈值，实现多组织分割；并提出改进局部二进制模式的图像纹理描述方法进行血管特征提取。


技术实现要素：

[0004]
为解决多光谱医学图像波段较多引起的存在冗余信息的技术问题，本发明提供一种多光谱医学图像关键波段选取方法、系统与可读存储介质，采用如下技术方案：
[0005]
一种多光谱医学图像关键波段选取方法，包括以下步骤：
[0006]
步骤一：收集多光谱医学图像数据
[0007]
用矩阵表示一幅多光谱医学图像，其中x
i
,i＝1,2,
…
,n表示矩阵的第i列，m和n分别为矩阵x的行数和列数，m和n分别表示多光谱医学图像的像素点个数和波段数量；
[0008]
步骤二：设定参数，包括所选取波段子集包含的波段数量k为正整数，误差阈值τ为正数，最大迭代次数t
max
为正整数，参数β的最大值β
max
为正数；设置带宽参数σ为正数；设置谱特征维度k为正整数，k>k；
[0009]
步骤三：迭代求解得到估计的系数矩阵具体为：
[0010]
3.1:初始化变量j
(0)
＝z
(0)
＝0，e
(0)
＝x，系数系数参数β
(0)
＝10-6
；其中变量的上标(0)表示迭代开始前的初始值；其中z表示系数矩阵，j为中间变量,e表示噪声矩阵；
[0011]
3.2:令当前迭代次数t＝0；
[0012]
3.3:计算j
(t+1)
，其中表示奇异值软阈值算子；
[0013]
3.4:计算z
(t+1)
，，其中e表示噪声矩阵，上标(t)表示第t次迭代的变量值；
[0014]
3.5:计算e
(t+1)
，其中||
·
||
2,1
表示l21范数,||
·
||
f
表示f范数；
[0015]
3.6:计算3.6:计算β
(t+1)
＝min(1.1β
(t)
,β
max
)；
[0016]
3.7:如果||x-xz
(t+1)-e
(t+1)
||
∞
>τ，且||z
(t+1)-j
(t+1)
||
∞
>τ，或者当前迭代次数t<t
max
，则令t自增1，并转至3.3；否则转至3.8；
[0017]
3.8:估计的系数矩阵即为
[0018]
步骤四：采用谱聚类方法得到选取的波段集合，具体为：
[0019]
4.1：根据步骤三得到的计算相似性矩阵w，其中w的第i行第j列元素计算方法为：
[0020][0021]
其中i＝1,2,
…
,n，j＝1,2,
…
,n；σ为带宽参数，表示估计的系数矩阵的第i行第l列元素，l＝1,2,
…
,n；
[0022]
4.2：根据相似性矩阵w，计算标准化拉普拉斯矩阵其中d为一个对角矩阵，其第i个对角元素
[0023]
4.3：对l进行特征值分解，l的特征值从小到大排列，将前k个特征值所各自对应的特征向量合并写作矩阵其中u
m
表示第m个特征值对应的特征向量，m＝1,2,
…
,k，将矩阵u
k
按行标准化，得到特征矩阵f，其中
[0024]
4.4：将u
k
的每个行向量作为一个样本，将n个样本聚为k个簇，每个簇的中心样本的行号对应的波段即构成所选取的波段子集。
[0025]
一种多光谱医学图像关键波段选取系统，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述的多光谱医学图像关键波段选取方法。
[0026]
一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现上述的多光谱医学图像关键波段选取方法。
[0027]
与现有技术相比，本发明的有益技术效果是：
[0028]
利用谱聚类方法，对于高维数据计算复杂度较低；使用高斯核函数计算相似性矩阵，可得到更好的聚类效果；基于低秩假设选取波段，可实现更准确的多光谱医学图像分类效果。
附图说明
[0029]
图1为本发明的流程图；
具体实施方式
[0030]
下面结合附图对本发明的一种优选实施方式作详细的说明。
[0031]
如图1所示的一种多光谱医学图像关键波段选取方法，包括以下步骤：
[0032]
步骤一：收集多光谱医学图像数据
[0033]
用矩阵表示一幅多光谱医学图像，其中x
i
,i＝1,2,
…
,n表示矩阵的第i列，m和n分别为矩阵x的行数和列数，m和n分别表示多光谱医学图像的像素点个数和波段数量；
[0034]
步骤二：设定参数，包括所选取波段子集包含的波段数量k为正整数，误差阈值τ为正数，最大迭代次数t
max
为正整数，参数β的最大值β
max
为正数；设置带宽参数σ为正数；设置谱特征维度k为正整数，k>k；
[0035]
步骤三：迭代求解得到估计的系数矩阵具体为：
[0036]
3.1:初始化变量j
(0)
＝z
(0)
＝0，e
(0)
＝x，系数系数参数β
(0)
＝10-6
；其中变量的上标(0)表示迭代开始前的初始值；其中z表示系数矩阵，j为中间变量,e表示噪声矩阵；
[0037]
3.2:令当前迭代次数t＝0；
[0038]
3.3:计算j
(t+1)
，其中表示奇异值软阈值算子；
[0039]
3.4:计算z
(t+1)
，，其中e表示噪声矩阵，上标(t)表示第t次迭代的变量值；
[0040]
3.5:计算e
(t+1)
，其中||
·
||
2,1
表示l21范数,||
·
||
f
表示f范数；
[0041]
3.6:计算3.6:计算β
(t+1)
＝min(1.1β
(t)
,β
max
)；
[0042]
3.7:如果||x-xz
(t+1)-e
(t+1)
||
∞
>τ，且||z
(t+1)-j
(t+1)
||
∞
>τ，或者当前迭代次数t<t
max
，则令t自增1，并转至3.3；否则转至3.8；
[0043]
3.8:估计的系数矩阵即为
[0044]
步骤四：采用谱聚类方法得到选取的波段集合，具体为：
[0045]
4.1：根据步骤三得到的计算相似性矩阵w，其中w的第i行第j列元素计算方法为：
[0046][0047]
其中i＝1,2,
…
,n，j＝1,2,
…
,n；σ为带宽参数，表示估计的系数矩阵的第
i行第l列元素，l＝1,2,
…
,n；
[0048]
4.2：根据相似性矩阵w，计算标准化拉普拉斯矩阵其中d为一个对角矩阵，其第i个对角元素
[0049]
4.3：对l进行特征值分解，l的特征值从小到大排列，将前k个特征值所各自对应的特征向量合并写作矩阵其中u
m
表示第m个特征值对应的特征向量，m＝1,2,
…
,k，将矩阵u
k
按行标准化，得到特征矩阵f，其中
[0050]
4.4：将u
k
的每个行向量作为一个样本，将n个样本聚为k个簇，每个簇的中心样本的行号对应的波段即构成所选取的波段子集。
[0051]
同时，本发明还提供一种多光谱医学图像关键波段选取系统，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述的多光谱医学图像关键波段选取方法。
[0052]
同时，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现上述的多光谱医学图像关键波段选取方法。
[0053]
对于步骤二中设定参数，以下是一组参考值：
[0054]
所选取波段子集包含的波段数量k＝10，误差阈值τ＝10-3
，最大迭代次数t
max
＝102，参数β的最大值β
max
＝106,σ＝10-2
,k＝50。
[0055]
对于步骤3.3中提到的奇异值软阈值算子具体为对于步骤3.3中提到的奇异值软阈值算子具体为其中q为与x维度相同的矩阵，σ
t
(x)表示x的第t个奇异值；该问题可通过论文(a singular value thresholding algorithm for matrix completion,https://dl.acm.org/doi/10.5555/1958473.1958487)中所提出的方法求解。
[0056]
对于步骤4.4中提到的“将n个样本聚为k个簇”，可使用k-means聚类方法实现。
[0057]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
[0058]
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立技术方案，说明书的这种叙述方式仅仅是为了清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。