多分辨率分析下腦MR圖像紋理特征提取和識(shí)別.pdf

1、腦部疾病的診療一直是醫(yī)學(xué)界研究的重點(diǎn)。醫(yī)學(xué)圖像包含了豐富的信息,是醫(yī)療診斷中一個(gè)非常重要的手段。多分辨率分析在時(shí)域和頻域中聯(lián)合表示信號(hào),可以對(duì)信號(hào)進(jìn)行多尺度多方向分解,近年來(lái)在圖像處理領(lǐng)域得到了廣泛的應(yīng)用。在特征提取的基礎(chǔ)上對(duì)圖像進(jìn)行分類識(shí)別是計(jì)算機(jī)輔助診斷的研究重點(diǎn)。常用的分類方法中支持向量機(jī)因其適用于小樣本學(xué)習(xí)且兼顧訓(xùn)練誤差和泛化能力在眾多分類方法中脫穎而出。本文在多分辨率分析下提取圖像的紋理特征并利用支持向量機(jī)對(duì)圖像進(jìn)行分類識(shí)別,

2、找出最能表征圖像紋理的特征向量并將其應(yīng)用于醫(yī)學(xué)腦MR圖像的特征提取和識(shí)別中。主要工作有:
　　1.深入研究了多分辨率分析下小波變換,雙樹(shù)復(fù)小波變換,非下采樣Contourlet變換和梳狀波變換的原理及其變換系數(shù)特征。分別在以上四種變換下對(duì)圖像進(jìn)行紋理特征提取,找出理論上最能表征圖像紋理特征的特征向量。提取的特征向量分別為:小波變換、非下采樣Contourlet變換的低頻分解系數(shù)的灰度共生矩陣特征、均值和方差,高頻系數(shù)的均值、方差和

3、能量;雙樹(shù)復(fù)小波變換的低頻系數(shù)灰度共生矩陣特征、均值和方差及高頻系數(shù)模的均值、方差和能量;梳狀波變換的高頻相角矩陣各子塊的均值、方差和高頻模的能量特征。
　　2.將四種變換下提取的特征向量分別輸入支持向量機(jī)中進(jìn)行分類識(shí)別,實(shí)驗(yàn)結(jié)果表明,灰度共生矩陣特征并不能有效表征圖像紋理特征,因而將其舍棄。小波變換的低頻和高頻系數(shù)特征對(duì)于表征圖像紋理特征效果也不理想。最終采用的特征向量為:雙樹(shù)復(fù)小波變換的低頻均值、方差和高頻系數(shù)模的均值、方差;