本发明属于脑部胶质瘤ct检测领域，具体涉及一种脑部胶质瘤ct病灶区域特征提取方法，该方法采用环形旋转不变性灰度共生矩阵能量优化gabor滤波器完成脑部胶质瘤ct病灶区域特征提取。
背景技术：
1、胶质瘤是成人常见的脑部恶性肿瘤之一，不仅发病速度快，而且复发率高、死亡率也非常高。脑部胶质瘤主要是因为大脑和脊髓胶质细胞发生癌变，因而产生最常见的原发性颅脑恶性肿瘤，其发病率约占颅内肿瘤的35.2％～61.0％。恶性胶质瘤在病发的过程中侵袭性强，与正常脑组织区域有明显的界限，因此在检测胶质瘤的时候，对脑胶质瘤的边界检测比较重要。在医护人员对胶质瘤边界进行检测时，大多会使用ct或磁共振等检测方法来对病人的胶质瘤进行检测。
2、脑部胶质瘤检测的现有技术中，对检测脑部恶性胶质瘤的边界技术，基本可以对脑部的恶性胶质瘤边界进行检测，但是这种检测方式对病灶去呈像来说不够精准，而且功能也比较单一。对于病灶区纹理特征识别提取无法更好的呈现出来，不利于医疗人员精准判断病发情况。而且这些传统方法测量误差大、效率低。同时传统方法脑部胶质瘤纹理特征提取存在运算大的缺点。
3、为此，本申请提出了一种基于环形旋转不变性灰度共生矩阵能量优化gabor滤波器的脑部胶质瘤检测方法。该方法通过特征提取将空间像素的纹理特征映射到特征空间，并利用旋转不变性灰度共生矩阵提取纹理信息的特征矢量。通过特征分类，将特征所属像素映射到相应的纹理类别中，从而实现对纹理区域的分割，达到脑部胶质瘤检测成像的目的。这种方法能够提高检测的精准度和功能性，同时降低计算量，具有较高的效率。
技术实现思路
1、本发明提供一种脑部胶质瘤ct病灶区域特征提取方法，采用环形旋转不变性灰度共生矩阵能量优化gabor滤波器完成脑部胶质瘤检测，通过特征提取将空间像素的纹理特性映射到特征空间，用旋转不变性灰度共生矩阵提取特征矢量描述纹理信息。经过特征分类将特征所属的像素映射到相应的纹理类别中。从而达到纹理区域分割的目的，实现脑部胶质瘤检测成像。
2、具体的，一种脑部胶质瘤ct病灶区域特征提取方法，包括：
3、s1，将脑部ct集图像i1(x,y)进行分割，分割成a×a大小的图片，并且将其变为灰度图片i2(x,y)；
4、s2，将i2(x,y)划分为n×n的图像块，对每个图像块作离散余弦变换，得i3(x,y)；
5、s3，组建四个方向上不同尺度的gabor滤波器组，用所述gabor滤波器组对i3(x,y)进行滤波，得到幅值特征集i4(x,y)；所述四个方向指在0°、45°、90°、135°的四个方向；
6、s4，将i4(x,y)输入到灰度共生矩阵，分别求得所述四个方向上的输出，得到在多尺度情况下脑部ct图像的初步纹理特征；
7、s5，通过改进的lbp算法对灰度共生矩阵进行旋转不变性上的优化，得到精确的纹理特征，所述改进的lbp算法是指通过计算所述精确的纹理特征，其中，coc(x,p)执行沿顺时针或逆时针方向将q位数x移动p次运算，表示以下运算过程：以当前所计算的像素点为中心像素点，在以r为半径的邻域内，取q个采样点，与所述中心像素点的灰度值进行比较，若周围点灰度值大于等于中心点的灰度值，则置周围点灰度值为1；否则置为0，按照顺时针或逆时针顺序进行二进制编码，将二进制的编码转换为十进制的数值，得到特征值。
8、作为优选，其中，a＝128，n＝8。
9、进一步的，在步骤s2中，所述离散余弦变换为二维离散余弦变换，所述二维离散余弦变换通过分解为两个行、列方向上的一维的离散余弦变换矩阵进行计算。
10、进一步的，步骤s3包括：组建四个方向上不同尺度的二维gabor滤波器组；将所述二维gabor滤波器的实部函数分解为多个一维滤波器乘积进行平滑度滤波。
11、再进一步的，步骤s3包括使用一维的带通滤波函数对所述图像块内的每个像素进行水平方向的卷积滤波，然后再利用一维的低通滤波函数对所述图像块内的像素水平卷积后再进行纵向的卷积滤波。
12、进一步的，步骤s5中，通过等价模式进行lbp值输出；使用联合差分分布表示纹理特征。
13、本发明专利采用环形旋转不变性灰度共生矩阵能量优化gabor滤波器完成脑部胶质瘤检测，通过特征提取将空间像素的纹理特性映射到特征空间，用旋转不变性灰度共生矩阵提取特征矢量描述纹理信息。经过特征分类将特征所属的像素映射到相应的纹理类别中。从而达到纹理区域分割的目的，实现脑部胶质瘤检测成像。
1.一种脑部胶质瘤ct病灶区域特征提取方法，包括：
2.如权利要求1所述的脑部胶质瘤ct病灶区域特征提取方法，其特征在于，a＝128。
3.如权利要求1所述的脑部胶质瘤ct病灶区域特征提取方法，其特征在于，n＝8。
4.如权利要求1所述的脑部胶质瘤ct病灶区域特征提取方法，其特征在于，所述步骤s2中，所述离散余弦变换为二维离散余弦变换，所述二维离散余弦变换通过分解为两个行、列方向上的一维的离散余弦变换矩阵进行计算。
5.如权利要求1所述的脑部胶质瘤ct病灶区域特征提取方法，其特征在于，所述步骤s3包括：组建四个方向上不同尺度的二维gabor滤波器组；将所述二维gabor滤波器的实部函数分解为多个一维滤波器乘积进行平滑度滤波。
6.如权利要求5所述的脑部胶质瘤ct病灶区域特征提取方法，其特征在于，所述步骤s3包括使用一维的带通滤波函数对所述图像块内的每个像素进行水平方向的卷积滤波，然后再利用一维的低通滤波函数对所述图像块内的像素水平卷积后再进行纵向的卷积滤波。
7.如权利要求1所述的脑部胶质瘤ct病灶区域特征提取方法，其特征在于，所述步骤s4中，所述四个方向上i4(x,y)的灰度共生矩阵输出为：
8.如权利要求1所述的脑部胶质瘤ct病灶区域特征提取方法，其特征在于，所述步骤s5中，通过等价模式进行lbp值输出。
9.如权利要求1所述的脑部胶质瘤ct病灶区域特征提取方法，其特征在于，所述步骤s5中，使用联合差分分布表示纹理特征。
10.如权利要求1～9中任一权利要求所述的脑部胶质瘤ct病灶区域特征提取方法，其特征在于，当f(lbpq,r)≤2时，否则，lbpriq,r＝q+1，f＝f(n)，n＝1,2,3…,q；其中，g0是所截取的灰度图局部邻域中心像素的灰度值，f(n)为关于q级的旋转计数函数，lk(k＝1,2,3,4……,q)对应半径为r的圆形对称邻域内q等分的像素灰度，采取圆形分割的方式。
