一、概述

       骨龄测定系统其实就是图像处理和模式识别系统,其中一般包括了以下几部分:图像采集、图像预处理、图像分割、特征提取和骨龄识别等。

      计算机骨龄测定其实很简单,就是利用计算机技术,通过对手掌骨X 光线片进行分析,提取X 光线片的相关部分,与这些部位骨发育标准进行比较,从而推算出生理发育年龄。

1.图像预处理过程：

      在对图像识别前,由于有些图像质量达不到要求,就通过图像预处理使用某些方法来提高图像质量。图像处理的目的很明确,就是为了改善图像的质量,使其便于肉眼观察和机器自动识别。例如通过灰度变换技术,可以完成对图像的增强。通过几何校正变换模糊图像进行复原等。X 光线片作为一种特殊的图像,其处理方法与普通图像有很大的不同。对于X 光线片进行处理,就是为了去除图像中的噪声和干扰,使感兴趣的区域增强。

2.图像分割过程：

       图像分割技术是图像处理中很重要的一部分,在图像处理的过程中都可以用到。分割的目的就是:将图像进行划分,使其成为几个互不交迭的区域的集合,这些区域或者与当前的任务有关,或者与实际物体或物体的某些部分之间有关。

3.手骨结构：

        骨骺的骨化是在出生后开始,最明显的标志就是骨化中心的出现以及骨的干骺端的闭合恰好是骨骼生长起点和终点,而《中华05 标准》[3] 在对各骨块进行等级的划分和评分也主要依据手骨的骨骺信息。因此在进行骨龄评价时也主要依据手指骨的骨骺信息,选择除拇指之外的四根手指共8 个骨骺区域。如图：

二、图像分割中常用的方法

1.基于边缘检测的方法：

      先检测图像的边缘点,然后按一定方法连接成轮廓,构成其分割区域。基于边缘检测的方法难点在于边缘检测时抗噪性和检测精度的矛盾,如果想提高检测精度,则噪声产生的伪边缘会导致不合理的轮廓,如果想提高抗噪性,则又会产生轮廓漏检和位置偏差。为了解决这个矛盾,提出了各种多尺度边缘检测方法,可以根据实际问题设计多尺度边缘信息的结合方案,兼顾抗噪性和检测精度,但这个矛盾还是存在。

2.基于区域的方法：

       在图像处理时,根据图像的特征将图像划分为不同的区域。常用的特征有:从原始图像得来的灰度或彩色特征、从原始灰度或彩色值经过变换而得到的特征。常用的方法有阈值法、区域生长法、聚类法和松弛法等。

三、手骨X片处理的特点

        大部分医学图像中,对于不同类型的物体,其亮度、灰度和均匀度都不相同,而且各个物体的亮度和灰度、均匀度往往分布的范围很宽且相互重叠。面对这样的医学图像,在分割的时候,就不能采用一般的方法,否则很难达到较好的效果。

      因手骨图像所具有的特点,处理的手骨范围从幼儿到成年,骨头的成熟度有的由弱到强,有的由无到有,且形态各异,没有一直固
定的形态特征。绝大多数边缘检测的方法都是以梯度值为划分标准的,就文中而言,用一般的分割方法是很难确定一个固定的阈值,通常所用的设置门限的方法、模板的方法以及梯度的方法,都不能很好地解决这类问题。如果采用自适应的阈值,确定阈值窗口的大小又是个难题。

      因此基于这些问题,要成功对手骨图像进行识别、分割,必须更多地运用模式识别,统计学及
其他学科方面的知识,或者综合运用几种分割方法,才能成功完成医学图像的处理,实现其特定目的。经过仔细对比,采用基于Haar 分类器的目标检测,来完成对手骨的识别、分割。

四、基于Haar 分类器的目标检测方法

1.Haar 分类器介绍：

      Haar 分类器采用了Boosting 算法,用到Boosting算法中的AdaBoost 算法,通过对AdaBoost 算法训练出的强分类器进行串联。在此过程中,采用高效率的矩形特征和积分图方法对底层的特征进行提取。

      训练步骤：1.准备正负样本；2.建正样本集；3.通过训练,得到分类器模型(XML 文件)；

2.用Haar 分类器识别手指：

     识别流程如图

      利用训练好的Haar 分类器进行感兴趣四根手指骨的检测,是以经过预处理后的手骨X 片作为输入,然后对X 光片进行检测。首先是对图片的划分,对其中的每个块进行检测,这是多区域的检测。由于在训练时用的图片一般都是20*20 左右的小图片,要求对
大的X 片,进行尺寸的变化。不断将搜索窗口的尺寸初始化为训练时的图片大小,然后不断扩大搜索窗口,进行搜索。在搜索的时候,输出大量输入图片的子窗口图像,经过筛选式级联分类器以后,每一个节点会对这些子窗口图像不断地筛选,抛弃或通过,最终
识别出感兴趣的四根手骨 。

      用Haar 分类器识别感兴趣的四根指骨的结果如图：

   

      利用Harr 分类器识别出四根手指,图中矩形框圈出目标手指,实际上已将边缘的坐标信息记录下来,所以在分割手指的时候,直接按照记录下来的每根目标手指的坐标信息,将手指提取分割出来。

对除了拇指外的四根手指进行识别,识别出手指之后,记录的实际上是手指边缘的坐标信息,依据坐标对手指进行分割提取,为后续的特征点标记以及特征值的计算打下了基础。

使用Haar分类器进行手指的识别提取,速度快,准确率较高。但也存在一些问题,比如重复识别等,还有待于进一步完善。