資源描述：
《基于紋理分析有損肝超聲圖像識別》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、電子科技大學碩士學位論文摘要本文結合計算機技術、生物醫(yī)學工程和模式識別知識，通過將Bayesian理論框架引入肝損傷超聲圖像識別問題，將紋理描述的共生矩陣和紋理分析的多分辨率提取分形特征的方法結合，提出利用圖像紋理特征識別超聲肝圖像的一種方法。首先，根據色調是基于紋理基元中像素亮度的屬性，而結構則是基元間的空間關系；因此，在人體組織的Ｂ超圖象中蘊藏著豐富的紋理信息，利用圖像紋理在模式識別上的應用：包括灰度獨立矩陣SGLDM、傅立葉能量譜FPS、灰度差分統(tǒng)計GLDS、Law’s紋理能量度量TEM等紋理特征，充分考慮紋理的四個傳統(tǒng)的特征：粗
2、糙度、規(guī)則度、方向度和能量來描述這些現(xiàn)象，并試圖找到對于超聲肝圖像分類的有用的信息，將他們應用到識別正常肝、肝硬化、肝癌三類超聲肝圖像中；其次，將用一種于多分辨率圖像概念和分形布朗運動模型的特征向量集——三級多分辨分形特征向量來快速地識別混淆和模糊的肝病圖像，以提高分類的速度和精確度。第三，采用60個樣本，三類圖像各20個樣本，并且均來自同一醫(yī)師、相同型號的超聲儀器。對于每一幅樣本圖像，我們選擇38*38大小的預處理圖像塊，進一步選擇其中的32*32大小的ROI圖像塊進行分析識別；在特征提取后的分類器設計中，結合超聲圖像和肝臟的結構特點，
3、選擇統(tǒng)計模式識別方法；采用監(jiān)督參數估計法得到貝葉斯分類參數，并采用監(jiān)督的學習方法優(yōu)化分類性能。最后，由于數據形式的差異較大、表示的范圍也大相徑庭，將特征值進行歸一化后，使得數據標準化，進行特征合并的分類測試；并分別對各個特征識別性能作了充分的分析和具體的說明，在普通PC機上將算法的運行效率作了統(tǒng)計。實驗證明，該方法首次應用在正常肝、肝硬化、肝癌這三類超聲肝的分類上，分類正確率達87.48%，得到了比較滿意的效果?；谖覈膰?，對超聲圖像進行識別更有實際意義，這些在對缺乏病理專家的醫(yī)院和遠程醫(yī)療信息系統(tǒng)中的應用提供了堅實的理論基礎，并對計
4、算機輔助診斷肝病系統(tǒng)提供了理論支持。關鍵詞：圖像識別，特征提取，紋理特征，貝葉斯分類法I電子科技大學碩士學位論文AbstractInthisthesis,byapplyingcomputertechnology、biomedicinetechnologyandpatternrecognition,amethodologyaboutclassificationofultrasonicliverimagesisproposedbythetexturefeatures.HenceIintroducedtheBayesianframeworkto
5、theimagerecognitionaboutlivelesions.Themethodcombinedtheco-occurrencematriceswithMultiresolutionfractalfeature.First,accordingtotheusageofimage’stextureinpatternrecognition,itisincludetheapatialgray-leveldependence, theFourierpowerspectrum,thegray-leveldifferencestatistic
6、sandLaws’textureenergymeasuresthatsomefeaturehaveusedindistinguishingthreeskindsofultransonicliveimages: normalliver,cirrhosis,livercancer.AndtheBayesianclassifierisemployedtodistinguish.Second,theconceptsofmultipleresolutionimageryandfractionalBrownianmotionisproposedtod
7、etectdiffuseliverdiseasefastly.Anewfeatureset——themultiresolutionfractalfeaturesareusedtoimprovethespeedandaccuracyofclassificationinthisthesis.Third,Iused60samples(30sampleeach)todistinguishtheseimagesaccordingtoablockof32*32pixels.Iadoptstatisticalpatternrecogntionaccor
8、dingtothetraitofultransonicimageandliver’stexture.AndIoptimizedBaysianclassifierusingparameticle
