一种医用图像采集管理方法及系统与流程

本发明涉及图像管理的技术领域，尤其涉及一种医用图像采集管理方法及系统。

背景技术：

随着医学影像技术的发展，医生开始大量采用医学影像数据作为医疗诊断与治疗的依据，目前所有的诊断成像都是计算机化且可以处理数字数据的，这其中主要包括了x射线、超声、ct等，对这些医用图像进行管理成为当前研究的热门话题。

由于图像采集设备的局限性，单一图像无法全方位展示医用图像信息，比如医学ct图像主要关注人体骨骼和植入物的位置信息，而核磁共振图像聚焦于人体软组织的细节信息，因此需要采用图像融合策略将不同的医用图像进行合并，从而将更为全面的信息呈现在一副图像中，现有图像融合策略没有考虑到图像的成像机理和图像固有特征等信息，而是把源图像看做普通的数字信号进行处理，以追求多项客观评价指标的数值最大为目的，不考虑实际应用领域。

同时医用图像数字水印技术可用于保护病人隐私，即将病人隐私信息作为水印隐藏在相对应的医用图像中；然而医用图像不同于普通图像，在进行水印嵌入处理时，需保证不影响医生利用它诊断的正确性和准确度。

鉴于此，如何采取一种更为高效的图像融合策略进行医用图像的融合，并添加医用图像数字水印，成为本领域技术人员亟待解决的问题。

技术实现要素：

本发明提供一种医用图像采集管理方法，通过利用基于局部自适应差分的图像融合策略进行不同医用图像的融合，同时利用基于感知哈希的医用图像水印算法对医用图像添加医用图像数字水印，将医用图像利用压缩算法进行图像压缩，实现医用图像的压缩管理。

为实现上述目的，本发明提供的一种医用图像采集管理方法，包括：

获取医用图像，并利用灰度图转换方法将医用图像转换为灰度图，同时利用高斯滤波器对灰度图进行降噪处理，得到降噪后的医用图像；

将降噪后的医用图像进行拉普拉斯金字塔分解，得到医用图像的细节系数和近似系数；

利用基于自适应区域的图像分割算法对医用图像进行图像分割处理，得到医用图像的自适应图像块；

对图像的近似系数采用基于自适应图像块的融合方法进行融合，对图像的细节系数采取基于图像梯度的融合方法进行融合，得到医用融合图像；

利用基于感知哈希的医用图像水印算法对医用融合图像添加医用图像数字水印，得到带有数字水印的医用图像；

利用基于图像阈值的图像压缩方法对带有数字水印的医用图像进行压缩处理，将压缩后的图像存储到医用图像管理系统中。

可选地，所述利用灰度图转换方法将医用图像转换为灰度图，同时利用高斯滤波器对灰度图进行降噪处理，包括：

所述医用图像包括不同患者的ct图像、核磁共振图像以及诊断报告图像；本发明利用灰度图转换方法将医用图像转换为灰度图，所述图像的灰度图转换公式为：

gray(i，j)＝r(i，j)×0.314+g(i，j)×0.591+b(i，j)×0.113

其中：

r(i，j)，g(i，j)，b(i，j)为医用图像像素(i，j)在r，g，b三个颜色分量中的像素值；

gray(i，j)为像素(i，j)的灰度值；

利用高斯滤波器对灰度图进行降噪处理，所述基于高斯滤波器的降噪公式为：

其中：

(i，j)表示灰度图的像素点；

ω表示高斯模板在像素点(i，j)的权值；

g(i，j)表示降噪后的像素点(i，j)；

σ为平滑程度参数，将其设置为医用图像像素的标准差。

可选地，所述将降噪后的医用图像进行拉普拉斯金字塔分解，包括：

所述拉普拉斯金字塔是由源图像减去先缩小后放大的图像的一系列图像构成的，是高斯金字塔的逆运算；所述拉普拉斯金字塔的分解流程为：

1)将降噪后的医用图像映射到拉普拉斯金字塔中，所述拉普拉斯金字塔第i层li的表示为：

其中：

gi为拉普拉斯金字塔第i层的医用图像；

up()操作是将降噪后的医用图像中位置为(x,y)的像素映射到目标图像的(2x+1,2y+1)位置，即进行向上取样；

表示卷积操作；

g5×5表示5×5的高斯内核；

2)将高一层的低分辨率图像进行扩充，使两层图像的大小一致；扩充的方法是在原有像素之间插入新的像素，新像素值是原像素所在区域内灰度值的加权平均；

3)将高一层的扩充的低分辨率图像与低一层的高分辨率图像做差值运算，求得的结果与最高层的高斯金字塔分解结果共同构成了拉普拉斯金字塔分解图像；通常由于随着分解层的增加，图像越来越模糊，所述运用差值求得的一系列图像为近似系数，而高斯金字塔顶层分解获得的图像为细节系数。

可选地，所述利用基于自适应区域的图像分割算法对医用图像进行图像分割处理，包括：

1)初始化医用图像的图像块数，其中图像块被表示为xi，j(g)，i表示图像块的编号，j表示图像块的维数，g表示自适应分割的迭代次数；

2)随机从初始化的医用图像块中选择不同的三个图像块，计算其中任意两个图像块差的向量加权相加到第三个图像块上，产生一个新的图像块yi(g+1)：

yi(g+1)＝xi1(g)+f·(xi2(g)-xi3(g))

其中：

i，i1，i2，i3表示不同的图像块编号；

f为缩放因子，在本发明一个具体实施例中，采用自适应方式对缩放因子进行调整：

其中：

fmin＝0.1为缩放因子的下限；

fmax＝0.9为缩放因子的上限；

randi为[0，1]之间的随机数；

τ为自适应算法阈值，本发明将其设置为0.5；

3)计算添加图像块的目标函数值f′，其中f为最小化适应度函数；通过多次迭代计算，得到不同图像块数量的目标函数值，依据最小的目标函数值所对应的图像块数量对医用图像进行图像分割处理，得到若干医用图像块。

可选地，所述对图像的近似系数采用基于自适应图像块的融合方法进行融合，对图像的细节系数采取基于图像梯度的融合方法进行融合，包括：

对图像的近似系数采用基于自适应图像块的融合方法进行融合，其步骤为：

1)构建大小等同于医用图像块的全零矩阵d，确定两张同源医用图像块的拉普拉斯能量；所述同源医用图像表示两张医用图像来自同一位患者；

2)若同源医用图像中图像块a和b的拉普拉斯能量一致，则将医用图像块在全零矩阵d中对应的位置设置为1，反之则设置为0，得到基于拉普拉斯的医用图像矩阵；

3)对于矩阵中dij为1的位置，则选取医用图像块a的近似系数作为融合后图像的近似系数，反之则选取医用图像块b的近似系数作为融合后图像的近似系数；利用众数滤波算法进行融合后近似系数的优化，即若中心的近似系数来源于医用图像a，而围绕周围的近似系数来源于医用图像b，则将中心的近似系数变为医用图像b中的近似系数。

对图像的细节系数采取基于图像梯度的融合方法进行融合，其步骤为：

通过设置不同大小的窗口，对于窗口大小为m×n的窗口，计算坐标为(x，y)的图像梯度能量：

其中：

w(k，h)为坐标(k，h)处的细节系数；

根据基于拉普拉斯的医用图像矩阵，对于同源医用图像a和b，对两者的细节系数进行基于图像梯度能量的融合：

其中：

dxy为坐标点(x,y)在基于拉普拉斯的医用图像矩阵中的值；

wa(x，y)，wb(x，y0分别为医用图像a和b的细节系数；

w(x，y)为融合后的同源医用图像细节系数；

在本发明一个具体实施例中，通过对患者的所有同源医用图像进行细节系数和近似系数的融合，以将不同的医用图像进行合并，从而将更为全面的信息呈现在一副图像中。

可选地，所述利用基于感知哈希的医用图像水印算法对医用融合图像添加医用图像数字水印，包括：

1)对医用融合图像进行轮廓波变换的2级分解，设定方向数为4，变换后得到医用近似图像，以及4个第二层方向子带大小为128×128和4个大小为256×256的第三层方向子带；

2)利用全局dct得到同医用近似图像尺寸相同的dct系数矩阵d，并计算其均值m：

d(i，j)＝dct2(x(i，j))

其中：

m×n为医用近似图像x的尺寸；

x(i，j)为医用近似图像的待测子带像素值；

d(i，j)为dct系数矩阵d中的值；

3)保留dct系数矩阵最低频率部分，即左上角上尺寸为4×8的矩阵d′；

4)根据保留的4×8系数矩阵进行比较，大于等于均值m的值设置为1，小于均值m的值设置为0，从而按顺序组成32位的hash值h：

h＝reshape(h(i，j))

其中：

m为dct系数矩阵d的均值；

5)将医用融合图像所对应的患者信息转换为hash值w，利用基于混沌序列的加密算法将hash值w转换为水印w′，并将水印w′作为医用图像数字水印，添加到医用融合图像中，所述水印w′的计算方法为：

其中：

t(n)为混沌序列；

w(i，j)为患者信息hash值；

6)将32位的hash值h与水印w′的每一行进行异或运算，得到逻辑密钥k：

通过将hash值h与逻辑密钥进行异或计算，提取出加密水印w′，并通过混沌解密还原得到患者信息hash值w。

可选地，所述利用基于图像阈值的图像压缩方法对带有数字水印的医用图像进行压缩处理，包括：

1)对于带有数字水印的医用图像，将其转换为二维灰度图像，其灰度值范围为[0，1，…，l-1]级，则各级灰度出现的概率为：

pi＝ni/sum

其中：

sum为二维灰度图像的总像素个数；

ni为灰度值为i的像素总个数；

2)设置灰度值级别k为阈值，则根据阈值级别k将图像像素分为c0和c1两类，其中c0表示灰度值级别在[0，1，…，k]中的像素集合，c1表示灰度值级别在[k+1，k+2，…，l-1]中的像素集合，则两类分别出现的概率为：

其中：

ω(k)表示c0代表各灰度级别像素数占总像素数的概率和；

进一步地，本发明计算得到c0，c1的类均值μ0，μ1：

μ0＝μ(k)/ω(k)

其中：

并计算得到c0，c1的类间方差：

3)建立阈值k的优化目标函数：

求解得到：

在本发明一个具体实施例中，本发明引入可调收缩参数t，t为最佳分离阈值：

t＝k′+t

当t取正数时，表示紧凑医用图像显著区域，保证目标区域具有显著性意义；当t为负数时，表示松散医用图像显著区域，保证所得区域在具有显著性意义的情况下更好地覆盖多个显著目标；

4)通过阈值对带有数字水印的医用图像进行显著区域划分，对于显著区域进行无损编码压缩处理，对于非显著区域进行有损编码压缩处理；从而对显著区域进行高质量传输或优先传输管理，来达到对医用图像中重要信息进行保护的目的。

此外，为实现上述目的，本发明还提供一种医用图像采集管理系统，所述系统包括：

医用图像获取装置，用于获取医用图像，并利用灰度图转换方法将医用图像转换为灰度图，同时利用高斯滤波器对灰度图进行降噪处理，得到降噪后的医用图像；

医用图像处理器，用于将降噪后的医用图像进行拉普拉斯金字塔分解，得到医用图像的细节系数和近似系数；利用基于自适应区域的图像分割算法对医用图像进行图像分割处理，得到医用图像的自适应图像块；并对图像的近似系数采用基于自适应图像块的融合方法进行融合，对图像的细节系数采取基于图像梯度的融合方法进行融合，得到医用融合图像；

医用图像采集管理装置，用于利用基于感知哈希的医用图像水印算法对医用融合图像添加医用图像数字水印，得到带有数字水印的医用图像；利用基于图像阈值的图像压缩方法对带有数字水印的医用图像进行压缩处理，将压缩后的图像存储到医用图像管理系统中。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有医用图像采集管理程序指令，所述医用图像采集管理程序指令可被一个或者多个处理器执行，以实现如上所述的医用图像采集管理的实现方法的步骤。

相对于现有技术，本发明提出一种医用图像采集管理方法，该技术具有以下优势：

首先，本发明提出一种基于局部自适应差分的图像融合策略进行不同医用图像的融合，通过对医用图像进行基于拉普拉斯金字塔的分解，将高一层的扩充的低分辨率图像与低一层的高分辨率图像做差值运算，求得的结果与最高层的高斯金字塔分解结果共同构成了拉普拉斯金字塔分解图像，且由于随着分解层的增加，图像越来越模糊，所述运用差值求得的一系列图像为近似系数，而高斯金字塔顶层分解获得的图像为细节系数；并利用基于自适应区域地图像分割算法对医用图像进行图像分割处理，通过随机从初始化的医用图像块中选择不同的三个图像块，计算其中任意两个图像块差的向量加权相加到第三个图像块上，产生一个新的图像块yi(g+1)：

yi(g+1)＝xi1(g)+f·(xi2(g)-xi3(g))

其中：i，i1，i2，i3表示不同的图像块编号；f为缩放因子，采用自适应方式对缩放因子进行调整：

其中：fmin＝0.1为缩放因子的下限；fmax＝0.9为缩放因子的上限；randi为[0，1]之间的随机数；τ为自适应算法阈值，本发明将其设置为0.5；计算添加图像块的目标函数值f′，其中f为最小化适应度函数；通过多次迭代计算，得到不同图像块数量的目标函数值，依据最小的目标函数值所对应的图像块数量对医用图像进行图像分割处理，得到若干医用图像块。并对图像的近似系数采用基于自适应图像块的拉普拉斯能量融合方法进行融合，对图像的细节系数采取基于图像梯度的融合方法进行融合，其步骤为：

通过设置不同大小的窗口，对于窗口大小为m×n的窗口，计算坐标为(x，y)的图像梯度能量：

其中：w(k，h)为坐标(k，h)处的细节系数；根据基于拉普拉斯的医用图像矩阵，对于同源医用图像a和b，对两者的细节系数进行基于图像梯度能量的融合：

其中：dxy为坐标点(x,y)在基于拉普拉斯的医用图像矩阵中的值；wa(x，y)，wb(x，y)分别为医用图像a和b的细节系数；w(x，y)为融合后的同源医用图像细节系数；在本发明一个具体实施例中，通过对患者的所有同源医用图像进行细节系数和近似系数的融合，以将不同的医用图像进行融合，从而将更为全面的信息呈现在一副图像中。

同时，本发明提出一种基于图像阈值的图像压缩方法对医用图像进行压缩处理，对于带有数字水印的医用图像，将其转换为二维灰度图像，其灰度值范围为[0，1，…，l-1]级，则各级灰度出现的概率为：

pi＝ni/sum

其中：sum为二维灰度图像的总像素个数；ni为灰度值为i的像素总个数；通过设置灰度值级别k为阈值，则根据阈值级别k将图像像素分为c0和c1两类，其中c0表示灰度值级别在[0，1，…，k]中的像素集合，c1表示灰度值级别在[k+1，k+2，…，l-1]中的像素集合，则两类分别出现的概率为：

其中：ω(k)表示c0代表各灰度级别像素数占总像素数的概率和；并计算得到c0，c1的类均值μ0，μ1：

μ0＝μ(k)/ω(k)

其中：以及c0，c1的类间方差：

通过建立阈值k的优化目标函数：

由上式可得，分母不变，因此要求函数的最大值，即等同于求分子的最大值，因此可将对目标函数的优化转变为求分子的最优解，求解得到：

在本发明一个具体实施例中，本发明引入可调收缩参数t，t为最佳分离阈值：

t＝k′+t

当t取正数时，表示紧凑医用图像显著区域，保证目标区域具有显著性意义；当t为负数时，表示松散医用图像显著区域，保证所得区域在具有显著性意义的情况下更好地覆盖多个显著目标；通过阈值对带有数字水印的医用图像进行显著区域划分，对于显著区域进行无损编码压缩处理，对于非显著区域进行有损编码压缩处理；从而对显著区域进行高质量传输或优先传输管理，来达到对医用图像中重要信息进行保护的目的。

附图说明

图1为本发明一实施例提供的一种医用图像采集管理方法的流程示意图；

图2为本发明一实施例提供的一种医用图像采集管理系统的结构示意图；

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

通过利用基于局部自适应差分的图像融合策略进行不同医用图像的融合，同时利用基于感知哈希的医用图像水印算法对医用图像添加医用图像数字水印，将医用图像利用压缩算法进行图像压缩，实现医用图像的压缩管理。参照图1所示，为本发明一实施例提供的医用图像采集管理方法示意图。

在本实施例中，医用图像采集管理方法包括：

s1、获取医用图像，并利用灰度图转换方法将医用图像转换为灰度图，同时利用高斯滤波器对灰度图进行降噪处理，得到降噪后的医用图像。

首先，本发明获取医用图像，所述医用图像包括不同患者的ct图像、核磁共振图像以及诊断报告图像；进一步地，本发明利用灰度图转换方法将医用图像转换为灰度图，所述图像的灰度图转换公式为：

gray(i，j)＝r(i，j)×0.314+g(i，j)×0.591+b(i，j)×0.113

其中：

r(i，j)，g(i，j)，b(i，j)为医用图像像素(i，j)在r，g，b三个颜色分量中的像素值；

gray(i，j)为像素(i，j)的灰度值；

进一步地，本发明利用高斯滤波器对灰度图进行降噪处理，所述基于高斯滤波器的降噪公式为：

其中：

(i，j)表示灰度图的像素点；

ω表示高斯模板在像素点(i，j)的权值；

g(i，j)表示降噪后的像素点(i，j)；

σ为平滑程度参数，将其设置为医用图像像素的标准差。

s2、将降噪后的医用图像进行拉普拉斯金字塔分解，得到医用图像的细节系数和近似系数。

进一步地，本发明将降噪后的医用图像进行拉普拉斯金字塔分解，所述拉普拉斯金字塔是由源图像减去先缩小后放大的图像的一系列图像构成的，是高斯金字塔的逆运算；所述拉普拉斯金字塔的分解流程为：

1)将降噪后的医用图像映射到拉普拉斯金字塔中，所述拉普拉斯金字塔第i层li的表示为：

其中：

gi为拉普拉斯金字塔第i层的医用图像；

up()操作是将降噪后的医用图像中位置为(x,y)的像素映射到目标图像的(2x+1,2y+1)位置，即进行向上取样；

表示卷积操作；

g5×5表示5×5的高斯内核；

2)将高一层的低分辨率图像进行扩充，使两层图像的大小一致；扩充的方法是在原有像素之间插入新的像素，新像素值是原像素所在区域内灰度值的加权平均；

3)将高一层的扩充的低分辨率图像与低一层的高分辨率图像做差值运算，求得的结果与最高层的高斯金字塔分解结果共同构成了拉普拉斯金字塔分解图像；通常由于随着分解层的增加，图像越来越模糊，所述运用差值求得的一系列图像为近似系数，而高斯金字塔顶层分解获得的图像为细节系数。

s3、利用基于自适应区域的图像分割算法对医用图像进行图像分割处理，得到医用图像的自适应图像块；并对图像的近似系数采用基于自适应图像块的融合方法进行融合，对图像的细节系数采取基于图像梯度的融合方法进行融合，得到医用融合图像。

进一步地，本发明利用基于自适应区域地图像分割算法对医用图像进行图像分割处理；所述基于自适应区域的图像分割算法流程为：

1)初始化医用图像的图像块数，其中图像块被表示为xi，j(g)，i表示图像块的编号，j表示图像块的维数，g表示自适应分割的迭代次数；

2)随机从初始化的医用图像块中选择不同的三个图像块，计算其中任意两个图像块差的向量加权相加到第三个图像块上，产生一个新的图像块yi(g+1)：

yi(g+1)＝xi1(g)+f·(xi2(g)-xi3(g))

其中：

i，i1，i2，i3表示不同的图像块编号；

f为缩放因子，在本发明一个具体实施例中，采用自适应方式对缩放因子进行调整：

其中：

fmin＝0.1为缩放因子的下限；

fmax＝0.9为缩放因子的上限；

randi为[0，1]之间的随机数；

τ为自适应算法阈值，本发明将其设置为0.5；

3)计算添加图像块的目标函数值f′，其中f为最小化适应度函数；通过多次迭代计算，得到不同图像块数量的目标函数值，依据最小的目标函数值所对应的图像块数量对医用图像进行图像分割处理，得到若干医用图像块。

进一步地，本发明对图像的近似系数采用基于自适应图像块的融合方法进行融合，其步骤为：

1)构建大小等同于医用图像块的全零矩阵d，确定两张同源医用图像块的拉普拉斯能量；所述同源医用图像表示两张医用图像来自同一位患者；

2)若同源医用图像中图像块a和b的拉普拉斯能量一致，则将医用图像块在全零矩阵d中对应的位置设置为1，反之则设置为0，得到基于拉普拉斯的医用图像矩阵；

3)对于矩阵中dij为1的位置，则选取医用图像块a的近似系数作为融合后图像的近似系数，反之则选取医用图像块b的近似系数作为融合后图像的近似系数；利用众数滤波算法进行融合后近似系数的优化，即若中心的近似系数来源于医用图像a，而围绕周围的近似系数来源于医用图像b，则将中心的近似系数变为医用图像b中的近似系数。

进一步地，本发明对图像的细节系数采取基于图像梯度的融合方法进行融合，其步骤为：

通过设置不同大小的窗口，对于窗口大小为m×n的窗口，计算坐标为(x，y)的图像梯度能量：

其中：

w(k，h)为坐标(k，h)处的细节系数；

根据基于拉普拉斯的医用图像矩阵，对于同源医用图像a和b，对两者的细节系数进行基于图像梯度能量的融合：

其中：

dxy为坐标点(x,y)在基于拉普拉斯的医用图像矩阵中的值；

wa(x，y)，wb(x，y)分别为医用图像a和b的细节系数；

w(x，y)为融合后的同源医用图像细节系数；

在本发明一个具体实施例中，通过对患者的所有同源医用图像进行细节系数和近似系数的融合，以将不同的医用图像进行合并，从而将更为全面的信息呈现在一副图像中。

s4、利用基于感知哈希的医用图像水印算法对医用融合图像添加医用图像数字水印，得到带有数字水印的医用图像。

进一步地，本发明利用基于感知哈希的医用图像水印算法对医用融合图像添加医用图像数字水印，所述基于感知哈希的医用图像水印算法流程为：

1)对医用融合图像进行轮廓波变换的2级分解，设定方向数为4，变换后得到医用近似图像，以及4个第二层方向子带大小为128x128和4个大小为256x256的第三层方向子带；

2)利用全局dct得到同医用近似图像尺寸相同的dct系数矩阵d，并计算其均值m：

d(i，j)＝dct2(x(i，j))

其中：

m×n为医用近似图像x的尺寸；

x(i，j)为医用近似图像的待测子带像素值；

d(i，j)为dct系数矩阵d中的值；

3)保留dct系数矩阵最低频率部分，即左上角上尺寸为4x8的矩阵d′；

4)根据保留的4x8系数矩阵进行比较，大于等于均值m的值设置为1，小于均值m的值设置为0，从而按顺序组成32位的hash值h：

h＝reshape(h(i，j))

其中：

m为dct系数矩阵d的均值；

5)将医用融合图像所对应的患者信息转换为hash值w，利用基于混沌序列的加密算法将hash值w转换为水印w′，并将水印w′作为医用图像数字水印，添加到医用融合图像中，所述水印w′的计算方法为：

其中：

t(n)为混沌序列；

w(i，j)为患者信息hash值；

6)将32位的hash值h与水印w′的每一行进行异或运算，得到逻辑密钥k：

通过将hash值h与逻辑密钥进行异或计算，提取出加密水印w′，并通过混沌解密还原得到患者信息hash值w。

s5、利用基于图像阈值的图像压缩方法对带有数字水印的医用图像进行压缩处理，将压缩后的图像存储到医用图像管理系统中。

进一步地，本发明利用基于图像阈值的图像压缩方法对带有数字水印的医用图像进行压缩处理，所述基于图像阈值的图像压缩方法流程为：

1)对于带有数字水印的医用图像，将其转换为二维灰度图像，其灰度值范围为[0，1，…，l-1]级，则各级灰度出现的概率为：

pi＝ni/sum

其中：

sum为二维灰度图像的总像素个数；

ni为灰度值为i的像素总个数；

2)设置灰度值级别k为阈值，则根据阈值级别k将图像像素分为c0和c1两类，其中c0表示灰度值级别在[0，1，…，k]中的像素集合，c1表示灰度值级别在[k+1，k+2，…，l-1]中的像素集合，则两类分别出现的概率为：

其中：

ω(k)表示c0代表各灰度级别像素数占总像素数的概率和；

进一步地，本发明计算得到c0，c1的类均值μ0，μ1：

μ0＝μ(k)/ω(k)

其中：

并计算得到c0，c1的类间方差：

3)建立阈值k的优化目标函数：

求解得到：

在本发明一个具体实施例中，本发明引入可调收缩参数t，t为最佳分离阈值：

t＝k′+t

当t取正数时，表示紧凑医用图像显著区域，保证目标区域具有显著性意义；当t为负数时，表示松散医用图像显著区域，保证所得区域在具有显著性意义的情况下更好地覆盖多个显著目标；

4)通过阈值对带有数字水印的医用图像进行显著区域划分，对于显著区域进行无损编码压缩处理，对于非显著区域进行有损编码压缩处理；从而对显著区域进行高质量传输或优先传输管理，来达到对医用图像中重要信息进行保护的目的。

下面通过一个算法实验来说明本发明的具体实施方式，并对发明的处理方法进行测试。本发明算法的硬件测试环境为：inter(r)core(tm)i7-6700kcpu，软件为python3.5，测试环境为pytorch1.0；对比方法为基于gf的医用图像管理方法、基于faster-rcnn的医用图像管理方法以及基于de-lp的医用图像管理方法。

在本发明所述算法实验中，数据集为来自三甲医院的5000张不同患者的医用图像。本实验通过将医用图像数据输入到医用图像管理方法中，将医用图像融合的准确率作为方法可行性的评价指标。

根据实验结果，基于gf的医用图像管理方法的医用图像融合准确率为73.63％，基于faster-rcnn的医用图像管理方法的医用图像融合准确率为77.88％，基于de-lp的医用图像管理方法的医用图像融合准确率为82.19％，本发明所述方法的医用图像融合准确率为84.62％，相较于对比算法，本发明所提出的医用图像采集管理方法具有更高的医用图像融合准确率。

发明还提供一种医用图像采集管理系统。参照图2所示，为本发明一实施例提供的医用图像采集管理系统的内部结构示意图。

在本实施例中，所述医用图像采集管理系统1至少包括医用图像获取装置11、医用图像处理器12、医用图像采集管理装置13，通信总线14，以及网络接口15。

其中，医用图像获取装置11可以是pc(personalcomputer，个人电脑)，或者是智能手机、平板电脑、便携计算机等终端设备，也可以是一种服务器等。

医用图像处理器12至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、磁性存储器、磁盘、光盘等。医用图像处理器12在一些实施例中可以是医用图像采集管理系统1的内部存储单元，例如该医用图像采集管理系统1的硬盘。医用图像处理器12在另一些实施例中也可以是医用图像采集管理系统1的外部存储设备，例如医用图像采集管理系统1上配备的插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)等。进一步地，医用图像处理器12还可以既包括医用图像采集管理系统1的内部存储单元也包括外部存储设备。医用图像处理器12不仅可以用于存储安装于智能道路交通追踪管理系统1的应用软件及各类数据，还可以用于暂时地存储已经输出或者将要输出的数据。

医用图像采集管理装置13在一些实施例中可以是一中央处理器(centralprocessingunit,cpu)、控制器、微控制器、微处理器或其他数据处理芯片，用于运行医用图像处理器12中存储的程序代码或处理数据，例如医用图像采集管理程序指令等。

通信总线14用于实现这些组件之间的连接通信。

网络接口15可选的可以包括标准的有线接口、无线接口(如wi-fi接口)，通常用于在该系统1与其他电子设备之间建立通信连接。

可选地，该系统1还可以包括用户接口，用户接口可以包括显示器(display)、输入单元比如键盘(keyboard)，可选的用户接口还可以包括标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organiclight-emittingdiode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在医用图像采集管理系统1中处理的信息以及用于显示可视化的用户界面。

图2仅示出了具有组件11-15以及医用图像采集管理系统1，本领域技术人员可以理解的是，图1示出的结构并不构成对医用图像采集管理系统1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

在图2所示的装置1实施例中，医用图像处理器12中存储有医用图像采集管理程序指令；医用图像采集管理装置13执行医用图像处理器12中存储的医用图像采集管理程序指令的步骤，与医用图像采集管理方法的实现方法相同，在此不作类述。

此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有医用图像采集管理程序指令，所述医用图像采集管理程序指令可被一个或多个处理器执行，以实现如下操作：

获取医用图像，并利用灰度图转换方法将医用图像转换为灰度图，同时利用高斯滤波器对灰度图进行降噪处理，得到降噪后的医用图像；

将降噪后的医用图像进行拉普拉斯金字塔分解，得到医用图像的细节系数和近似系数；

利用基于自适应区域的图像分割算法对医用图像进行图像分割处理，得到医用图像的自适应图像块；

对图像的近似系数采用基于自适应图像块的融合方法进行融合，对图像的细节系数采取基于图像梯度的融合方法进行融合，得到医用融合图像；

利用基于感知哈希的医用图像水印算法对医用融合图像添加医用图像数字水印，得到带有数字水印的医用图像；

利用基于图像阈值的图像压缩方法对带有数字水印的医用图像进行压缩处理，将压缩后的图像存储到医用图像管理系统中。

需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。