本發(fā)明屬于圖像處理技術領域，更進一步涉及圖像融合處理，具體是一種X射線、超聲、紅外圖像融合乳腺腫塊圖像檢測方法，可用于乳腺癌的早期診斷的圖像分析。

背景技術：

乳腺癌是一種常見的惡性腫瘤，嚴重威脅著全世界婦女的健康甚至生命。據(jù)有關資料介紹，自20世紀70年代末開始，乳腺癌發(fā)病數(shù)一直位居女性腫瘤首位，并且在全球每年約以2％的速度遞增。美國8名婦女一生中就會有1人患乳腺癌。中國不是乳腺癌的高發(fā)國家，但近年我國乳腺癌發(fā)病率的增長速度卻高出高發(fā)國家1～2個百分點。據(jù)國家癌癥中心和衛(wèi)生部疾病預防控制局2012年公布的2009年乳腺癌發(fā)病數(shù)據(jù)顯示：全國腫瘤登記地區(qū)乳腺癌發(fā)病率位居女性惡性腫瘤的第1位，女性乳腺癌發(fā)病率(粗率)全國合計為42.55/10萬，城市為51.91/10萬，農(nóng)村為23.12/10萬。在我國，隨著人們物質(zhì)生活水平的提高，乳腺癌的發(fā)病率和死亡率也有所上升，而且城市人口乳腺癌死亡率明顯高于農(nóng)村人口死亡率。一般來說，35歲以下的女性為乳腺癌低發(fā)人群，但40歲以上女性發(fā)病率明顯上升?？梢姡橄侔┮呀?jīng)是一個全球性的健康問題。

近年來，隨著科學技術的發(fā)展，乳腺癌的診斷技術和治療方法都有了較大的提高。較為常見的主要有鉬靶軟X射線檢查、超聲顯像檢查、熱圖像檢查、近紅外線掃描檢查、CT檢查、腫瘤標志物檢查及活體組織檢查等。目前也只能在癌癥發(fā)生的早期治療中取得良好的效果，因為多數(shù)晚期癌癥較多發(fā)生遠處轉(zhuǎn)移，無論采用何種現(xiàn)代化的治療措施，療效仍然不理想。顯然，乳腺癌早期發(fā)現(xiàn)和診斷對挽救患者的生命極其重要。

由于鉬靶軟X射線檢查空間分辨率高，對腫塊和鈣化敏感，所需設備簡單、價格低廉，而且是一種無創(chuàng)、微輻射的檢查方法，在乳腺的早期檢測中具有重要意義，鉬靶X線整體性強，可較敏感的顯示乳腺結節(jié)內(nèi)部的微鈣化，但鉬靶X線微鈣化的顯示受腺體密度的影響較大。超聲作為診斷乳腺疾病的重要影像學檢查方法之一，可以采用多切面、多層次的連續(xù)掃查手法對乳腺進行檢查，尤其是在乳腺腫瘤囊實性的鑒別診斷方面具有獨特的應用價值。該方法具有無毒，無害，簡便等特點，能鑒別良、惡性，囊、實性，增生等乳腺疾病。但超聲檢查有時會出現(xiàn)假陽性，對小于1厘米的腫塊確診困難。近紅外光掃描檢查乳腺疾病，因為速度快、無放射性而常在體檢中作為乳腺疾病的初篩檢查，尤其適合妊娠期和哺乳期女性，費用大約幾十元。它利用正常組織和病變組織對紅外線吸收率不同，而顯示透光、暗亮等不同的灰度影像，由此診斷乳腺疾病。因其具有無損、方便、費用低等優(yōu)點，在國內(nèi)外已廣泛應用。

各種檢查方法各有其優(yōu)缺點，現(xiàn)在多采用單一傳感器進行檢測，由于單一傳感器是有限的頻率帶寬，所以捕獲的信息量受到限制，不能滿足實際的應用需求。圖像融合就是把兩個或兩個以上的圖像合并成為一個目標圖像，這個目標圖像將包含每個輸入圖像中的重要和清晰的信息。

醫(yī)學圖像融合是指將不同的醫(yī)療設備所獲取的病變區(qū)域的兩個或更多的圖像進行融合，提高了圖像質(zhì)量，以獲得更精確的診斷信息，并提高信息的豐富度。為了獲得更精確的診斷信息，現(xiàn)今已有人提出采用兩種檢測圖像的融合，使獲得的信息量增加，腫塊識別率也相應提高，但兩種傳感器獲取的圖像信息仍然有限。都是僅僅將兩種圖像進行融合，直接拿融合后的圖像給醫(yī)生看，而融合后的圖像存在一些噪聲，圖像質(zhì)量不夠高，上述方法中沒有對圖像背景進行處理，也沒有將乳腺區(qū)域提取出來。

現(xiàn)如今已有的結合圖像融合方法中，有人提出將一副乳腺X射線圖像經(jīng)過不同的圖像增強處理，再將該圖像處理后的圖像進行融合，達到圖像增強的目的，以提高圖像質(zhì)量。但是現(xiàn)有方法中仍然是基于一副乳腺圖像的基礎，乳腺圖像的信息來源單一，圖像信息的豐富度不夠，不能獲得更精確的信息。而且只是做了圖像增強，沒有進行進一步對腫塊圖像識別檢測，不能方便醫(yī)生更直觀的查看乳腺圖像，獲得更準確的診斷信息。

技術實現(xiàn)要素：

本發(fā)明針對現(xiàn)有技術存在的不足，提出了一種降低噪聲，去除背景，更清晰顯示乳腺區(qū)域的X射線、超聲、紅外圖像融合乳腺腫塊圖像檢測方法。

本發(fā)明是一種基于X射線、超聲、紅外三類圖像融合的乳腺腫塊圖像檢測方法，其特征在于，利用計算機輔助檢測，將多源圖像融合，然后進行圖像處理分析，對乳腺圖像腫塊進行檢測，利于對乳腺癌進行早期診斷，包括有如下步驟：

(1)對乳腺X射線、超聲、紅外三類圖像進行融合，首先對同一患者同一時間同一部位的乳腺X線圖像、乳腺超聲圖像和乳腺紅外圖像進行格式轉(zhuǎn)換、圖像配準一系列操作，使三幅圖像位置匹配，以數(shù)字圖像格式進行處理，然后對乳腺X線圖像和乳腺超聲圖像進行圖像融合，X線圖像和超聲圖像的融合結果再與乳腺紅外圖像進行圖像融合，得到X射線、超聲、紅外三類融合圖像；

(2)對融合后的乳腺圖像進行預處理，采用形態(tài)學方法對三類融合圖像進行去噪，先進行一次開運算，再進行一次閉運算，去除三類融合圖像中一些微小的噪聲；

(3)分割出三類融合圖像中的乳腺區(qū)域，對去噪后的三類融合圖像，獲取去噪后乳腺圖像的灰度直方圖,對圖像進行二值化處理，然后采用方形網(wǎng)格覆蓋法，去除背景，分割出三類融合圖像中的乳腺區(qū)域；

(4)對分割出乳腺區(qū)域的三類融合乳腺圖像進行小波圖像增強，使乳腺區(qū)域中的腫塊更加清晰，使腫塊與背景明顯的區(qū)分開來，得到增強后的乳腺腫塊圖像；

(5)檢測出乳腺區(qū)域中的腫塊區(qū)域圖像，采用基于Top—hat的形態(tài)學方法對增強后的乳腺腫塊圖像進行檢測，完成乳腺腫塊的圖像檢測。

本發(fā)明采用X射線，超聲與紅外乳腺圖像三種檢查圖像進行融合，使已知信息量增加，信息的可靠性和有效性增加，腫塊識別正確率也相應提高，而且在三種圖像融合的基礎上，進一步對融合后的圖像進行分析處理，檢測出乳腺圖像中的腫塊，易于乳腺癌的早期發(fā)現(xiàn)與診治。

與現(xiàn)有的技術相比本發(fā)明具有以下優(yōu)點：

1.本發(fā)明結合多種乳腺檢查方法，將X射線，超聲與紅外三種乳腺圖像進行融合，使已知信息量增加，信息的可靠性和有效性增加，獲得更精確的診斷信息，并提高信息的豐富度；

2.本發(fā)明在對圖像進行腫塊檢測前，先對圖像進行預處理，由于在對圖像進行采集時，會不可避免的產(chǎn)生一些噪聲，本發(fā)明采用形態(tài)學方法對檢測前圖像進行去噪，去噪效果良好，使之后的圖像檢測有一個更好的基礎；

3.本發(fā)明采用網(wǎng)格覆蓋法分割出三類融合圖像中的乳腺區(qū)域，用128×128像素的方形區(qū)域覆蓋影像，并且，每兩次覆蓋的區(qū)域需要有64×64像素大小的區(qū)域重疊，以避免有遺漏，增加乳腺區(qū)域的檢出率，能更加準確分割出三類融合圖像中的乳腺區(qū)域；

4.本發(fā)明針對強背景中弱小腫塊目標難以檢測的問題，提出了一種基于Top-hat形態(tài)學處理的腫塊檢測方法，原圖經(jīng)過Top-hat濾波后就可抑制掉大部分背景，檢測出種子點，但是如果只用Top-hat對原圖進行濾波，檢測出的種子點包括許多虛警，考慮到腫塊在乳腺圖像中的征象為亮度大，較周圍的組織密度大，有一個較明顯的輪廓，且與周圍的組織有一定的灰度對比度，利用圖像的梯度、灰度以及對比度等特征輔助Top-hat進行腫塊的檢測，使檢測結果更加精確。

5.本發(fā)明結合多種乳腺檢查方法，采用多幅圖像融合，提高了信息的豐富度，獲得更精確的診斷信息，而且在多幅圖像融合的基礎上，進一步對圖像進行了分析處理，如圖像去噪，小波圖像增強以突顯腫塊區(qū)域，采用基于Top-hat形態(tài)學方法對腫塊進行檢測，將檢測出腫塊的圖像清楚地呈現(xiàn)在醫(yī)生面前，利于乳腺癌的早期發(fā)現(xiàn)與診治。

附圖說明

圖1為本發(fā)明的簡明總體流程圖；

圖2為本發(fā)明的三類圖像融合流程圖；

圖3為本發(fā)明詳細總流程圖。

具體實施方式

下面結合附圖對本發(fā)明作詳細描述。

實施例1

近年來，隨著科學技術的發(fā)展，乳腺癌的診斷技術和治療方法都有了較大的提高。在診斷技術方面，較為常見的方法主要有鉬靶軟x射線檢查、超聲顯像檢查、熱圖像檢查、近紅外線掃描檢查、CT檢查、腫瘤標志物檢查及活體組織檢查等方法；在治療方法方面，已經(jīng)從以前的以外科手術治療為主的方法轉(zhuǎn)變?yōu)橐跃C合治療為主的方法，如內(nèi)分泌治療、CSRT治療、細胞治療、基因治療等。雖然人們已經(jīng)在乳腺癌的治療方面取得了突出的進展，但卻只能在癌癥發(fā)生的早期治療中取得良好的效果，因為多數(shù)晚期癌癥已發(fā)生遠處轉(zhuǎn)移，無論用何種現(xiàn)代化的治療措施，療效仍然不理想。乳腺癌的早期發(fā)現(xiàn)和診斷對挽救患者的生命至關重要，因此在成像設備精度無法很快提高的情況下，從客觀上提高圖像的質(zhì)量，也能為醫(yī)生提供重要的診斷依據(jù)。

目前，乳腺腫塊的圖像檢測還有很大的研究空間，有待于進一步研究和改進，這也是本發(fā)明的主要目的和任務。

本發(fā)明提出一種基于X射線、超聲、紅外三類圖像融合的乳腺腫塊圖像檢測方法，參見圖1，利用計算機輔助檢測，將多源圖像融合，然后進行圖像處理分析，對乳腺圖像腫塊進行檢測，利于對乳腺癌進行早期診斷，包括有如下步驟：

(1)對乳腺X射線、超聲、紅外三類圖像進行融合，首先對同一患者同一時間同一部位的乳腺X線圖像、乳腺超聲圖像和乳腺紅外圖像進行格式轉(zhuǎn)換、圖像配準一系列操作，使三幅圖像位置匹配，以數(shù)字圖像格式進行處理，以便于后面進一步的處理。然后對位置匹配后的乳腺X線圖像和乳腺超聲圖像進行圖像融合，X線圖像和超聲圖像的融合結果再與位置匹配后的乳腺紅外圖像進行圖像融合，得到X射線、超聲、紅外三類融合圖像。

(2)對融合后的乳腺圖像進行預處理，采用形態(tài)學方法對三類融合圖像進行去噪，先進行一次開運算，再進行一次閉運算，去除三類融合圖像中一些微小的噪聲；圖像在獲取的時候會產(chǎn)生一些微小的噪聲，在此將其去除。

(3)分割出三類融合圖像中的乳腺區(qū)域，對去噪后的三類融合圖像，獲取去噪后乳腺圖像的灰度直方圖,取閾值為50對圖像進行二值化處理，然后采用方形網(wǎng)格覆蓋法，去除背景，分割出三類融合圖像中的乳腺區(qū)域；本例中取閾值為50，是因為乳腺圖像的灰度值大多集中在50～255，小于50的灰度值大多是零或接近于零，也就是背景區(qū)域。

(4)對分割出乳腺區(qū)域的三類融合乳腺圖像進行小波圖像增強，使乳腺區(qū)域中的腫塊更加清晰，使腫塊與背景明顯的區(qū)分開來，得到增強后的乳腺腫塊圖像。

(5)檢測出乳腺區(qū)域中的腫塊區(qū)域圖像，采用基于Top—hat的形態(tài)學方法對增強后的乳腺腫塊圖像進行檢測，完成乳腺腫塊的圖像檢測。

因為單一傳感器是有限的頻率帶寬，所以捕獲的信息量受到限制，不能滿足實際的應用需求，在信息處理領域中，不同應用系統(tǒng)的傳感器數(shù)量不斷地增加，多傳感器技術的應用使得系統(tǒng)獲得的信息更加多元化。圖像融合就是把兩個或兩個以上的圖像合并成為一個目標圖像，這個目標圖像將包含每個輸入圖像中的重要和清晰的信息。圖像融合不是將圖像進行簡單的相加，而是產(chǎn)生的新圖像中包含很多有用的信息，降低了理解的模糊性，既提高了圖像質(zhì)量，又增加了數(shù)據(jù)的利用效率。醫(yī)學圖像融合是指將不同的醫(yī)療設備所獲取的病變區(qū)域的兩個或更多的圖像進行融合，以獲得更精確的診斷信息，并提高信息的豐富度。

本發(fā)明結合多種乳腺檢查方法，采用多幅圖像融合，將三幅圖像中的重要信息放到一副圖像中，提高了信息的豐富度，獲得更精確的診斷信息，而且對融合后的圖像進行了進一步的圖像分析處理，提高了融合后圖像的質(zhì)量，如圖像去噪，采用方形網(wǎng)格覆蓋法分割出乳腺區(qū)域，小波圖像增強以突顯腫塊區(qū)域，采用基于Top-hat形態(tài)學方法對腫塊進行檢測，將檢測出腫塊的圖像清楚地呈現(xiàn)在醫(yī)生面前，從而進一步的提高醫(yī)生的工作效率，易于乳腺癌的早期發(fā)現(xiàn)與診治。

實施例2

基于X射線、超聲、紅外三類圖像融合的乳腺腫塊圖像檢測方法同實施例1，其中步驟(1)所述的得到X射線、超聲、紅外三類融合圖像，參見圖2，包括有如下步驟：

(1a)將乳腺X線圖像和超聲圖像分別進行小波分解，分別得到乳腺X線圖像和超聲圖像的低頻系數(shù)與高頻系數(shù)，先將兩幅圖像小波分解后的低頻系數(shù)按照低頻系數(shù)融合規(guī)則進行融合，再將兩幅圖像小波分解后的高頻系數(shù)按照高頻系數(shù)融合規(guī)則進行融合，得到X線圖像和超聲圖像融合后的低頻系數(shù)與高頻系數(shù)。

(1b)對紅外乳腺圖像進行小波變換，得到其低頻系數(shù)與高頻系數(shù)，先將紅外乳腺圖像的低頻系數(shù)與步驟(1a)中得到的X線圖像和超聲圖像融合后的低頻系數(shù)按照低頻系數(shù)融合規(guī)則進行融合，再將紅外乳腺圖像的高頻系數(shù)與步驟(1a)中得到的X線圖像和超聲圖像融合后的高頻系數(shù)按照高頻系數(shù)融合規(guī)則進行融合，得到X線、超聲、紅外三類圖像融合后的低頻系數(shù)與高頻系數(shù)，然后進行小波逆變換，得到X射線、超聲、紅外三類融合圖像。

乳腺癌的診斷較為常見有X射線檢查、超聲顯像檢查、近紅外線掃描檢查，每一種檢查方法都有其優(yōu)缺點，因為單一傳感器是有限的頻率帶寬，所以捕獲的信息量受到限制，不能滿足實際的應用需求。本發(fā)明采用X射線，超聲與紅外三種圖像進行融合，結合三種檢測方法，使已知信息量增加，降低了理解的模糊性，既提高了圖像質(zhì)量，又增加了數(shù)據(jù)的利用效率，信息的可靠性和有效性增加，從而獲得更精確的診斷信息，提高了信息的豐富度，腫塊識別正確率也相應提高。

實施例3

基于X射線、超聲、紅外三類圖像融合的乳腺腫塊圖像檢測方法同實施例1-2，其中步驟(3)所述的采用網(wǎng)格覆蓋法分割出三類融合圖像中的乳腺區(qū)域，包括有如下步驟：

(3a)對去噪后的三類融合圖像，獲取去噪后乳腺圖像的灰度直方圖,乳腺圖像的灰度值大多集中在50～255，而小于50的灰度值大多是零或者接近于零，也就是背景區(qū)域，因此，取閾值為50對圖像進行二值化處理。

(3b)采用網(wǎng)格覆蓋法分割出三類融合圖像中的乳腺區(qū)域，從二值化乳腺影像區(qū)域的左上角開始，由左至右，由上至下，用128×128像素的方形區(qū)域覆蓋影像，并且，每兩次覆蓋的區(qū)域需要有64×64像素大小的區(qū)域重疊，以避免有遺漏，增加乳腺區(qū)域的檢出率。直至剩余的部分不足128×128像素，該不足區(qū)域只可能是包含胸壁或影像的邊緣區(qū)域，可以忽略。

(3c)判斷是否為乳腺區(qū)域，對于每次方形區(qū)域所覆蓋影像區(qū)域的四個頂點和中心點，判斷其灰度值是否屬于乳腺區(qū)間(即灰度值是否大于閾值)，如果方形區(qū)域所覆蓋影像區(qū)域的四個頂點或三個頂點及其中心都屬于乳腺區(qū)域，則認為該方形區(qū)域所覆蓋影像區(qū)域為乳腺區(qū)域，否則認為該方形區(qū)域所覆蓋影像區(qū)域為非乳腺區(qū)域。

本發(fā)明采用網(wǎng)格覆蓋法分割出三類融合圖像中的乳腺區(qū)域，用128×128像素的方形區(qū)域覆蓋影像，判斷每一次方形區(qū)域所覆蓋影像區(qū)域是否屬于乳腺區(qū)域，并且，每兩次覆蓋的區(qū)域需要有64×64像素大小的區(qū)域重疊，以避免有遺漏，增加乳腺區(qū)域的檢出率，能更加準確分割出三類融合圖像中的乳腺區(qū)域，使后面的腫塊圖像檢測更加精確。

實施例4

基于X射線、超聲、紅外三類圖像融合的乳腺腫塊圖像檢測方法同實施例1-3，其中步驟(5)所述的采用基于Top-hat形態(tài)學方法對腫塊進行檢測，包括有如下步驟：

(5a)首先粗篩選一些種子點，考慮到腫塊在乳腺圖像中的征象為亮度大，較周圍的組織密度大，有一個較明顯的輪廓，且與周圍的組織有一定的灰度對比度，為此結合圖像的梯度、灰度以及對比度等特征輔助Top-hat進行腫塊的檢測，為粗選種子點需要確定3個分割閾值：

(5a1)結合圖像的灰度特征，使用類間方差最大法分割原圖像I，原圖像即三類融合圖像增強后的乳腺腫塊圖像，得到原圖像的分割閾值T1；

(5a2)結合圖像的梯度特征，計算原圖像(即增強后的乳腺腫塊圖像)的5×5鄰域梯度圖像G，用類間方差最大法分割鄰域梯度圖像G，求得G的分割閾值T2；

(5a3)對原圖像(即增強后的乳腺腫塊圖像)經(jīng)過Top—hat處理，去除背景得到目標，然后再進行開運算,得到開運算后圖像T，最后用類間方差最大法分割開運算后圖像T，得到T的分割閾值T3；

(5b)將滿足條件，I>T1&G>T2&T>T3的像素點作為粗篩選的種子點；對粗篩選的種子點進行開運算去除奇異點，去除奇異點剩下的點作為待測點，計算每個待測點的對比度，根據(jù)對比度條件，確定最終的種子點；

(5c)最后對最終種子點進行8鄰域的區(qū)域生長并輸出結果，完成乳腺腫塊的圖像檢測。

本發(fā)明針對強背景中弱小腫塊目標難以檢測的問題，提出了一種基于Top-hat形態(tài)學處理的腫塊檢測方法，使用類間方差最大法來確定閾值，本發(fā)明選取了三個閾值來對種子點進行粗篩選。原圖像經(jīng)過Top-hat濾波后就可抑制掉大部分背景，檢測出種子點，但是如果只用Top-hat對原圖進行濾波，檢測出的種子點包括許多虛警，考慮到腫塊在乳腺圖像中的征象為亮度大，較周圍的組織密度大，有一個較明顯的輪廓，且與周圍的組織有一定的灰度對比度，利用圖像的梯度、灰度以及對比度等特征輔助Top-hat進行腫塊的檢測，使檢測結果更加精確。

由于乳腺組織中的腺體、結締組織、血管、脂肪組織等軟組織的密度都很近似，使乳腺圖像質(zhì)量受到一定的影響，同時不穩(wěn)定的圖像質(zhì)量、惡性病變的良性表現(xiàn)及觀測者本身的視覺疲勞和疏忽等都會在一定程度上降低乳腺癌檢查的準確率。因此在成像設備精度無法很快提高的情況下，從客觀上提高圖像的質(zhì)量，能從圖像的角度，為醫(yī)生提供準確診斷的圖像依據(jù)。

實施例5

基于X射線、超聲、紅外三類圖像融合的乳腺腫塊圖像檢測方法同實施例1-4，其中步驟(5)所述的步驟(5a3)中所述的經(jīng)過Top—hat處理，用類間方差最大法得到開運算后圖像T的分割閾值T3，具體包括：

(5a3.1)對原圖像(即增強后的乳腺腫塊圖像)經(jīng)過Top—hat處理，去除背景得到目標，Top-hat等效于原圖像減去原圖與結構元素進行開運算后得到的圖像，選用合適的結構元素(略大于腫塊的尺寸)對原圖進行開運算，得到尺寸大于結構元素的背景，再用原圖像減去開運算后的圖像，去除背景，檢測到目標(腫塊)；

(5a3.2)對經(jīng)過Top—hat處理后的圖像進行開運算，去除奇異點，得到開運算后圖像T，考慮到大多數(shù)腫塊形狀特征接近于圓形，選用di skl作為開運算的結構元素；

(5a3.3)用類間方差最大法分割開運算后圖像T，得到開運算后圖像T的分割閾值T3。

本發(fā)明采用基于Top-hat形態(tài)學方法對腫塊進行檢測，Top-hat形態(tài)學方法可以去除圖像中的背景，能夠更有效的檢測出乳腺圖像中強背景下的弱小腫塊目標，對經(jīng)過Top—hat處理后的圖像再進行開運算，去除奇異點，提高腫塊檢測的正確率，最后用類間方差最大化方法，錯分概率最小，計算出閾值T3。最后能夠準確的找出腫塊區(qū)域，本發(fā)明具有很高的檢測準確率。

下面給出一個完整的例子，對本發(fā)明詳細說明。

實施例6

基于X射線、超聲、紅外三類圖像融合的乳腺腫塊圖像檢測方法同實施例1-5，本發(fā)明是一種基于三類圖像融合的乳腺圖像腫塊檢測的方法，參見圖1，利用計算機輔助檢測，將多源圖像融合，然后進行圖像處理分析，對乳腺圖像腫塊進行檢測，對乳腺癌進行早期診斷，包括有如下步驟：

步驟1首先，對乳腺X射線圖像和超聲圖像進行融合，將乳腺X線圖像和超聲圖像進行小波分解，分別得到兩幅圖像的低頻系數(shù)與高頻系數(shù)，先將兩幅圖像小波分解后的低頻系數(shù)進行融合，再將兩幅圖像小波分解后的高頻系數(shù)進行融合，得到X線圖像和超聲圖像融合后的低頻系數(shù)與高頻系數(shù)；

步驟2將步驟1得到的融合結果與紅外乳腺圖像進行融合，對紅外乳腺圖像進行小波變換，得到高頻系數(shù)與低頻系數(shù)，先將其低頻系數(shù)與步驟1中得到的X線圖像和超聲圖像融合后的低頻系數(shù)進行融合，再將其高頻系數(shù)與步驟1中得到的X線圖像和超聲圖像融合后的高頻系數(shù)進行融合，然后進行小波逆變換，得到X射線、超聲、紅外三類融合圖像；

步驟3對融合后的乳腺圖像進行預處理，采用形態(tài)學對三類融合圖像進行去噪，先進行一次開運算，再進行一次閉運算，去除三類融合圖像中一些微小的噪聲；

步驟4對去噪后的三類融合圖像，采用方形網(wǎng)格覆蓋法，分割出三類融合圖像中的乳腺區(qū)域；

步驟5對分割出乳腺區(qū)域的三類融合乳腺圖像進行小波圖像增強，使腫塊更加清晰，使腫塊與背景明顯的區(qū)分開來；

步驟6然后采用基于Top—hat的形態(tài)學方法檢測乳腺區(qū)域中的腫塊。

本發(fā)明利用計算機輔助檢測，將多源圖像融合，結合三種檢查方法，使已知信息量增加，提高了圖像質(zhì)量，然后在三類乳腺圖像融合的基礎上進行圖像處理分析，對乳腺腫塊的進行檢測，使信息的可靠性和有效性增加，腫塊識別正確率也相應提高。該方法可行且效果良好，對乳腺癌的早期診斷具有非常重要的意義。

再給出一個詳盡的例子，結合附圖和計算對本發(fā)明進一步說明。

實施例7

基于X射線、超聲、紅外三類圖像融合的乳腺腫塊圖像檢測方法同實施例1-6，參見圖3，基于三類圖像融合的乳腺圖像腫塊檢測的方法包括有如下步驟：

1)首先，對乳腺X射線圖像A和超聲圖像B進行融合，對乳腺X線圖像A和超聲圖像B進行小波分解，得到乳腺X線圖像A的低頻系數(shù)L_A和高頻系數(shù)H_A，以及超聲圖像B的低頻系數(shù)L_B和高頻系數(shù)H_B。

2)對得到的兩幅圖像的低頻系數(shù)L_A和L_B，按照低頻系數(shù)融合規(guī)則處理，得到融合后的低頻系數(shù)L_AB，對得到的兩幅圖像的高頻系數(shù)H_A和H_B，按照高頻系數(shù)融合規(guī)則處理，得到融合后的高頻系數(shù)H_AB。本發(fā)明的融合規(guī)則如下：

低頻系數(shù)融合規(guī)則：

高頻系數(shù)融合規(guī)則：

H_AB＝max[H_A,H_B] (1-2)

3)將步驟2)得到的融合結果與紅外乳腺圖像C進行融合，同樣的方法對紅外乳腺圖像C先進行小波變換,得到對應的低頻系數(shù)L_C和高頻系數(shù)H_C，然后采用步驟2)中的低頻系數(shù)融合規(guī)則對乳腺X線圖像A和超聲圖像B融合后低頻系數(shù)L_AB和紅外乳腺圖像C的低頻系數(shù)L_C進行融合，采用步驟2)中的高頻系數(shù)融合規(guī)則對乳腺X線圖像A和超聲圖像B融合后高頻系數(shù)H_AB和紅外乳腺圖像C的高頻系數(shù)H_C進行融合，得到三類圖像融合后的低頻系數(shù)和高頻系數(shù)，三類圖像融合后的低頻系數(shù)和高頻系數(shù)再進行小波逆變換，得到X射線、超聲、紅外三類圖像融合后的乳腺圖像。

4)接下來對三類圖像融合后的乳腺圖像進行圖像處理分析。由于圖像采集時可能存在一些不必要的噪聲或背景從而影響檢測效果，采用形態(tài)學對圖像進行去噪，也就是預處理。數(shù)學形態(tài)學有四個基本運算：膨脹、腐蝕、開啟和閉合。下面做簡單介紹。

a.膨脹運算

膨脹的運算符為用結構元素b對灰度圖像f進行膨脹表示為其定義如式(1-3)所示：

其中D_f和D_b分別是灰度圖像f和結構元素b的定義域。(s-x)和(t-y)必須在灰度圖像f的定義域內(nèi)，即要求兩個運算集合至少有一個(非零)元素相交。若兩個物體間距離相近，則膨脹運算可能會使這兩個物體連通在一起。

b.腐蝕運算

腐蝕的運算符為Θ，用結構元素b對灰度圖像f進行腐蝕表示為fΘb，其定義如式(1-4)所示：

(fΘb)(s,t)＝min{f(s+x,t+y)-b(x,y)|(s+x),(t+y)∈D_f和(x,y)∈D_b} (1-4)其中D_f和D_b分別是灰度圖像f和結構元素b的定義域。(s-x)和(t-y)必須在灰度圖像f的定義域內(nèi)，即要求結構元素完全包括在被腐蝕集合中。如果兩個物體之間有細小的連通，則當結構元素足夠大時，腐蝕可以將兩個物體分開。

c.開啟和閉合運算

開啟和閉合是在腐蝕和膨脹兩個基本運算的基礎上組合而成的。開啟是先對圖像進行腐蝕操作再進行膨脹操作，而閉合是先對圖像進行膨脹操作再進行腐蝕操作。若對灰度圖像f及結構元素b，用表示f對b的開運算，用f·b表示f對b的閉運算，則它們的定義分別為：

實際中常用開運算消除比結構元素尺寸較小的亮細節(jié)，而使圖像整體灰度值和大的亮區(qū)域基本不受影響；閉運算則用來消除比結構元素尺寸較小的暗細節(jié)，而使圖像整體灰度值和大的暗區(qū)域基本不受影響。

(5)先對圖像進行一次開運算，然后進行一次閉運算，去除圖像中一些微小的噪聲，降低檢測腫塊的虛警概率。

(6)獲取去噪后乳腺圖像的灰度直方圖，乳腺圖像的灰度值大多集中在50～255，而小于50的灰度值大多是零或者接近于零，也就是背景區(qū)域。因此，取閾值為50對原圖像進行二值化處理。

7)采用網(wǎng)格覆蓋法來截取乳腺區(qū)域。首先，從二值化乳腺影像區(qū)域的左上角開始，由左至右，由上至下，用128×128像素的方形區(qū)域覆蓋影像，并且，每兩次覆蓋的區(qū)域需要有64×64像素大小的區(qū)域重疊，以避免有遺漏，增加乳腺區(qū)域的檢出率。直至剩余的部分不足128×128像素，這部分區(qū)域只可能是包含胸壁或影像的邊緣區(qū)域，可以忽略。對于方形區(qū)域的四個頂點和中心點，判斷其灰度值是否屬于乳腺區(qū)間，即灰度值是否大于閾值50，如果方形區(qū)域的四個頂點或三個頂點及其中心都屬于乳腺區(qū)域，則認為該方形區(qū)域為乳腺區(qū)域，否則認為該方形區(qū)域為非乳腺區(qū)域。

8)對得到的圖像采用二維離散小波變換，選取bior4.4小波基，分解四層，由于乳腺圖像經(jīng)過小波分解后背景區(qū)域幾乎都在低頻部分，腫塊大部分都是高頻分量，將第四層小波分解后的低頻系數(shù)乘以0.7，對其進行抑制，而對其它各層的高頻系數(shù)乘以2，進行增強處理，從而實現(xiàn)分離背景信息與腫塊的目的。

9)采用基于Top-hat形態(tài)學方法對腫塊進行檢測。開Top-hat算子定義如下：

開Top-hat算子等效于原圖像f減去原圖f與結構元素b進行開運算后得到的圖像，選用合適的結構元素(略大于腫塊的尺寸)對原圖進行開運算，得到尺寸大于結構元素的背景，再用原圖像減去開運算后的圖像，就可以去除背景，檢測到目標即腫塊區(qū)域。

首先從中粗篩選一些種子點，為此需要確定3個分割閾值：

a.使用類間方差最大法分割原圖像I，原圖像I即三類融合圖像增強后的乳腺腫塊圖像得到分割閾值T1；

類間方差最大化方法是基于圖像灰度直方圖的一種閾值化圖像分割方法。它之所以能夠很好地將圖像分成兩類是由于：方差是灰度分布均勻性的一種度量,方差值越大,說明構成圖像的兩部分差別越大,當部分目標錯分為背景或者部分背景錯分為目標時，都會導致兩部分差別變小，因此使類間方差最大的分割意味著錯分概率最小。

設圖像的灰度范圍為{1,2,…,L},N為圖像中象素總數(shù)，n_i是灰度為i的象素數(shù)，p_i＝n_i/N是灰度為i的象素數(shù)占圖像中象素總數(shù)的比例。選擇門限將灰度范圍劃分為C0和C1兩類，其中C0的灰度范圍為{1,2,…,k},C1的灰度范圍為{k+1,…,L}，那么兩類的類間方差為：

式中

最大化類間方差的過程就是自動確定門限k^*的過程，即最佳門限為：

這里的k^*即是使類間方差最大的閾值。

b.計算原圖像(即增強后的乳腺腫塊圖像)的5×5鄰域梯度圖像G，用類間方差最大法，式(1-8)(1-9)求得G的分割閾值T2；

c.對原圖像(即增強后的乳腺腫塊圖像)經(jīng)過Top—hat處理，去除背景得到目標。然后再進行開運算，去除奇異點。考慮到大多數(shù)腫塊的形狀特征接近于圓形，這里分別選用disk10和diskl作為Top—hat運算以及開運算的結構元素。最后用類間方差最大法得到開運算后圖像T的分割閾值T3。

將滿足條件，I>T1&G>T2&T>T3的像素點作為粗篩選的種子點；然后對粗篩選的種子點進行開運算以去除奇異點，剩下的點就作為待測點，計算每個待測點的對比度，根據(jù)對比度條件，確定最終的種子點；

最后對最終種子點進行8鄰域的區(qū)域生長并輸出結果，檢測出腫塊。步驟如下：

a.對圖象進行逐行掃描，找出尚沒有歸屬的象素點；

b.以該象素為中心檢查它的鄰域象素，如果灰度差小于預先確定的閾值，將小于閾值的鄰域像素與該像素合并；

c.以新合并的象素為中心，返回到步驟b，檢查新象素的鄰域，直到區(qū)域不能進一步擴張；

d.返回到步驟a，繼續(xù)掃描直到不能發(fā)現(xiàn)沒有歸屬的象素，則結束整個生長過程。

完成8鄰域的區(qū)域生長并輸出結果，檢測出腫塊。

簡而言之，本發(fā)明公開的一種X射線、超聲、紅外圖像融合乳腺腫塊圖像檢測方法，主要解決由于單幅乳腺腫塊圖像信息來源單一，信息欠精確的技術問題。其實現(xiàn)為：對乳腺X線圖像，超聲圖像與紅外乳腺圖像進行圖像融合；對三類圖像融合后的乳腺圖像預處理，進行去噪；對去噪后的乳腺圖像的三類融合圖像，采用方形網(wǎng)格覆蓋法，分割出乳腺區(qū)域；對分割出乳腺區(qū)域的乳腺圖像進行小波圖像增強，使腫塊更清晰，腫塊與背景區(qū)域明顯區(qū)分開來；用基于Top—hat的形態(tài)學方法檢測乳腺區(qū)域中的腫塊，用于輔助醫(yī)生早期診斷。本發(fā)明將多種乳腺檢查圖像進行融合，提高了信息豐富度，獲得更精確的診斷信息，對圖像分析處理檢測出腫塊，利于乳腺癌的早期發(fā)現(xiàn)與診治。MATLAB仿真實驗結果符合預期目標。該方法可行且效果良好，對乳腺癌的早期診斷具有非常重要的意義。