欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022113791320
申请人: 无锡学院
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于改进Canny算法的肺炎图像边缘检测方法,其特征在于,包括以下步骤:步骤S1:对输入的原始肺炎图像进行对比度增强处理,获得增强图像;

步骤S2:对增强图像进行双边滤波,获得降噪图像;

步骤S3:对降噪图像进行高斯滤波,获得滤波图像;

步骤S4:计算滤波图像的梯度,获得梯度图像;

步骤S5:对梯度图像采用非极大值抑制并采用Otsu算法求分割阈值的最佳点,得到边缘图像。

2.根据权利要求1所述一种基于改进Canny算法的肺炎图像边缘检测方法,其特征在于,步骤S1中对比度增强采用对比度受限的CLAHE算法对原始肺炎图像进行对比度增强。

3.根据权利要求2所述一种基于改进Canny算法的肺炎图像边缘检测方法,其特征在于,所述采用对比度受限的CLAHE算法对原始肺炎图像进行对比度增强,具体为,步骤S1.1:将输入的原始肺炎图像分割成大小一样、互相相邻但不重叠的子块图像;

步骤S1.2:由每个子块图像所包含的像素信息,统计出每个子块图像的灰度直方图H(i),i表示灰度级;

步骤S1.3:对子块图像的像素求像素平均值NAver,使子块图像中的灰度级为相等的像素数;

步骤S1.4:设定一个剪切限制系数γ,根据像素平均值NAver得到实际剪切限制值NCL;

步骤S1.5:把灰度直方图H(i)中超出实际剪切限制值NCL的像素截取出来,将截取下来的像素重新均匀分配给各个子块图像中的灰度级,得到局部新直方图W(i);

步骤S1.6:分别对每个子块图像的局部新直方图W(i)进行均衡化处理;

步骤S1.7:对均衡化处理后的局部新直方图W(i)利用双线性插值法求出新的灰度值,获得增强图像。

4.根据权利要求3所述一种基于改进Canny算法的肺炎图像边缘检测方法,其特征在于,步骤S1.3中像素平均值NAver表示为:其中,δx表示子块图像在水平方向上的像素个数;δy表示子块图像在垂直方向的像素个数;LGray表示子块图像中灰度级的个数。

5.根据权利要求3所述一种基于改进Canny算法的肺炎图像边缘检测方法,其特征在于,步骤S1.4中剪切限制系数γ取值范围是0到1,默认值是0.01。

6.根据权利要求4所述一种基于改进Canny算法的肺炎图像边缘检测方法,其特征在于,步骤S1.4中实际剪切限制值NCL表示为:NCL=NAver+[γ×(δx×δy‑NAver)]。

7.根据权利要求3所述一种基于改进Canny算法的肺炎图像边缘检测方法,其特征在于,步骤S1.5具体为,假设截取下来的像素总数为NClip,求得每个灰度级i分配到的像素数NAcp为:其中,NClip=∑i{max[H(i)‑NCL]}用W(i)表示分配后得到的局部新直方图,W(i)为分段函数,表示为:此时,截取之后的像素总数NClip为:

如果分配后的像素有剩余,则对剩余的像素进行循环分配,在循环分配时,剩余的像素均匀分配到小于剪切限制值NCL的灰度级中,直到剩余的像素被完全分配。

8.根据权利要求1所述一种基于改进Canny算法的肺炎图像边缘检测方法,其特征在于,步骤S2具体为,假设增强图像在坐标点p=(x,y)的灰度值为Ip,对增强图像进行双边滤波来滤除椒盐噪声,得到降噪图像BI,降噪图像BI在坐标点p的灰度值定义为BIP,双边滤波器的双边滤波公式如下:上式中,q=(u,v)为坐标点p的邻域像素点,Iq为邻域像素点q的灰度值,S为邻域像素点q的集合,Wp为归一化因子;

为空间邻近度因子,表达式如下:

上式中,σs是基于高斯函数的距离标准差,

为灰度相似度因子,表达式如下:

上式中,σr是基于高斯函数的灰度标准差。

9.根据权利要求1所述一种基于改进Canny算法的肺炎图像边缘检测方法,其特征在于,步骤S5具体为,将梯度图像中每一个像素点的梯度沿着梯度方向进行非极大值抑制,获得抑制图像;用F表示抑制图像,其全图灰度值为(0,M‑1),灰度等级为M,抑制图像F的分辨率为R×S,设ni为灰度级i的像素点,Pi为灰度级i的像素点出现的概率,Pi表示为:设分割阈值 Otsu算法按照分割阈值k将抑制图像F分为图像前景C0和图像背景C1,抑制图像F的分割结果表示为:

式中,灰度级小于k的抑制图像F包含于图像前景C0中,反之包含于图像背景C1中;

分别计算得到图像前景C0的方差 和图像背景C1的方差 和 分别表示为:式中,ω0和ω1分别表示图像前景C0和图像背景C1出现的概率;μ0和μ1分别表示为图像前景C0和图像背景C1的灰度级均值;

对图像前景C0和图像背景C1求类间方差 当类间方差 为最大值时,得到抑制图像F分割阈值k的最佳点,即得到边缘图像;

其中,分割阈值k表示为:

10.根据权利要求9所述一种基于改进Canny算法的肺炎图像边缘检测方法,其特征在于,类间方差 表示为:其中: