基于內(nèi)容的醫(yī)學(xué)圖像檢索中特征提取技術(shù)研究.pdf

1、隨著醫(yī)學(xué)數(shù)字化影像設(shè)備在臨床工作中日益廣泛的應(yīng)用，大量的醫(yī)學(xué)圖像數(shù)據(jù)隨之產(chǎn)生。傳統(tǒng)的醫(yī)學(xué)檔案管理系統(tǒng)采用簡單的基于標(biāo)注的圖像數(shù)據(jù)庫甚至完全人工的方法來管理圖像數(shù)據(jù)，嚴重影響了圖像在診斷過程中作用的發(fā)揮。如何有效地組織、管理和檢索醫(yī)學(xué)圖像成為當(dāng)前迫切需要解決的問題?；趦?nèi)容的圖像檢索技術(shù)(CBIR，Content-Based Image Retrieval)是利用圖像的視覺特征來進行檢索，直接對圖像內(nèi)容進行分析并抽取特征，在臨床、教學(xué)、科

2、研以及醫(yī)學(xué)圖像歸檔和通信系統(tǒng)(PACS)中都有著重要的作用。 由于醫(yī)學(xué)領(lǐng)域許多圖像并不包含彩色或在有限條件下采用，因此，在視覺特征中，相比顏色或灰度特征而言，提取紋理和形狀特征對醫(yī)學(xué)圖像檢索顯得較為重要。由此，本文重點研究了醫(yī)學(xué)圖像的形狀特征提取和紋理特征提取。 對于紋理特征，本文利用空間域統(tǒng)計紋理特征描述符灰度共生矩陣實現(xiàn)了對醫(yī)學(xué)圖像紋理特征提取，并且將統(tǒng)計法和結(jié)構(gòu)法有機的結(jié)合，利用灰度一基元共生矩陣對其進行算法改進。

3、灰度一基元共生矩陣既考慮了圖像像素的分布情況，又考慮了像素點周圍鄰域結(jié)構(gòu)的分布情況。通過實驗，驗證了該方法魯棒性好，對旋轉(zhuǎn)不敏感，查詢性能得到了改善。 對于形狀特征，本文利用小波對圖像邊緣檢測的有效性和相關(guān)邊界矩對圖像的區(qū)域和結(jié)構(gòu)描述的統(tǒng)一性，提出了小波多尺度模極大值和相關(guān)矩的形狀特征提取方法。首先對灰度圖像進行小波模極大值變換，得到多尺度的邊界圖像，再利用6個相關(guān)邊界矩提取每一個尺度的邊界圖像的特征，組成圖像的特征向量，用歐幾

4、里得距離對歸一化的特征矢量進行相似性度量，不同的尺度賦予不同的權(quán)值。通過實驗，驗證了該方法可以以一定的精度很好的描述目標(biāo)物體的形狀特征，抗干擾能力強，通用性較高，有效的解決了因圖像的平移、尺度、旋轉(zhuǎn)變換等帶來的問題。同時針對由：Mallat小波多尺度邊緣檢測方法得到的圖像邊緣較粗，細節(jié)過多的弊端，本文提出了模糊算法進行改進，剔除了冗余數(shù)據(jù)，得到精確的目標(biāo)外形，將檢索誤差降低到最小程度。 最后，本文建立了一個基于內(nèi)容的醫(yī)學(xué)圖像檢索