一种多层次流形学习医学图像颜色感知方法与流程

技术特征：

1.一种多层次流形学习医学图像颜色感知方法，包括以下步骤：

1）根据黑白医学图像，利用sobel算子获得0°、45°、90°和135°四个方向的梯度特征图像；

2）对步骤1）中所述梯度特征图像，根据底层所有像素之间的相似性选择该层中各区域的代表点，并将该代表点作为下一层的候选点，进入下一层的代表点选择，以此类推构建由底至顶的多层次结构，该多层次结构用相似矩阵表示，并在各层间传递代表点的相似性；

3）对顶层代表点用经典流形学习方法进行降维处理，并保留代表点之间的几何结构，得到顶层代表点的3维坐标；

4）对顶层代表点的3维坐标进行插值计算返回到底层的所有像素点，得到所有像素点的3维坐标；

5）根据步骤4）中所述所有像素点的3维坐标通过旋转映射到RGB颜色空间，得到有颜色感知的医学图像。

2.根据权利要求1所述一种多层次流形学习医学图像颜色感知方法，其特征在于：所述黑白医学图像包括由核磁共振(MRI)、计算机断层扫描(CT)、正电子发射计算机断层显像(PET)和单光子放射计算机断层显像(SPECT)获得的医学图像。

3.根据权利要求1所述一种多层次流形学习医学图像颜色感知方法，其特征在于：所述sobel算子为：

、、、分别表示水平梯度模板、45°梯度模板、垂直梯度模板以及135°梯度模板；

将，，和作为核分别与黑白医学图像中的每一个像素做卷积运算，得到四个方向的梯度特征图像。

4.根据权利要求1所述一种多层次流形学习医学图像颜色感知方法，其特征在于：步骤2）所述多层次结构的构建过程为：

采用高斯核函数计算底层所有像素之间的相似性；

任意两个像素之间的相似性和其中一个像素与其余所有像素的最大相似性的比值大于预设阈值，，认定这两个像素是强连接的；

c)选择代表点时，代表点与非代表点之间满足所述强连接；

d)选择出来的代表点作为下一层的候选点，计算所有候选点之间的相似性，选择代表点，以此构建多层次结构，直到选择出的代表点的平均聚合程度大于预设阈值，在此过程中，利用跨层次插值矩阵传递代表点之间的相似性。

5.根据权利要4所述一种多层次流形学习医学图像颜色感知方法，其特征在于：所述跨层次插值矩阵的构造原则为：对每一层选择出的代表点，如果任意两个代表点之间的相似性在下一层存在，只需要保留它们之间的相似性；如果两个代表点之间的相似性在下一层不存在，这两个代表点之间的相似性由它们之间所有可达路径的平均值决定。

6.根据权利要求4所述一种多层次流形学习医学图像颜色感知方法，其特征在于：所述平均聚合程度是相似矩阵正则化后前三个最大特征值之和与该层代表点个数的比值。

7.根据权利要求4或5所述一种多层次流形学习医学图像颜色感知方法，其特征在于：所述对顶层代表点的3维坐标进行插值计算过程中利用的是跨层次插值矩阵。

8.根据权利要求1所述一种多层次流形学习医学图像颜色感知方法，其特征在于：所述对顶层代表点用经典流形学习方法进行降维处理流程如下：

a)计算顶层所有代表点之间相互的距离；

b)将代表点之间的距离平方双中心化；

c)将双中心化后的距离奇异值分解，得到分解后最大的3个特征值以及与该3个特征值对应的特征向量，则代表点的3维坐标表示为：。

9.根据权利要求1所述一种多层次流形学习医学图像颜色感知方法，其特征在于：步骤5）所述得到有颜色感知的医学图像的具体过程为：首先给定3个不同像素的RGB颜色空间信息，找到旋转尺度，使得3个像素的颜色信息以及与他们对应的3维坐标之间尽可能的接近，其余所有像素的3维坐标向这个旋转尺度旋转，即得到所有像素点的颜色感知。

10.根据权利要求9所述一种多层次流形学习医学图像颜色感知方法，其特征在于：所述旋转尺度计的算方法是：首先奇异值分解给定颜色空间信息和对应坐标的协方差，其中为将协方差进行奇异值分解得到的左右特征向量，且满足，为对角阵，表示单位阵，表示协方差，当协方差矩阵的行列式大于等于0时，对角阵为单位阵，即所有像素3维坐标与已知颜色信息旋转方向相同；否则，对角阵为，即3维坐标向相反的方向旋转。