基于紋理特征的醫(yī)學圖像檢索

《基于紋理特征的醫(yī)學圖像檢索》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。

1、洲IIIIIIll111111IIIIIllI碩士學位論文＼1770240基于紋理特征的醫(yī)學圖像檢索碩士研究生：趙帥指導教師：陳武凡教授摘要在醫(yī)學領(lǐng)域，隨著醫(yī)學影像設(shè)備的大量出現(xiàn)，醫(yī)學圖像已成為現(xiàn)代醫(yī)療中的一種基礎(chǔ)性工具，這些醫(yī)學圖像在臨床診療、醫(yī)學教學和科研活動中占有不可替代的地位，由此對醫(yī)學圖像數(shù)據(jù)進行有效的管理和檢索產(chǎn)生了巨大的需求。對規(guī)模越來越大的醫(yī)學圖像數(shù)據(jù)庫進行高效的管理就成為迫切需要解決的問題。因而將基于內(nèi)容的圖像檢索技術(shù)(ContentBasedImageRetrieval，CBIR

2、)ZJl入到醫(yī)學領(lǐng)域進行研究是一項非常有意義的工作?；趦?nèi)容的醫(yī)學圖像檢索(ContentBasedMedicalImageRetrieval，CBMIR)的基本步驟是：對圖像數(shù)據(jù)庫中的所有圖像進行圖像預處理和分析，提取圖像特征，建立特征庫，并將特征庫與圖像庫由特定的標識關(guān)聯(lián)起來；在檢索過程中，先提取檢索樣圖相應的特征向量，然后將該特征向量與特征庫中的特征向量進行比較，根據(jù)匹配結(jié)果在圖像數(shù)據(jù)庫中檢索出所需要的圖像返回給用戶；用戶可以對檢索結(jié)果進行評價和標記，并反饋給系統(tǒng)，系統(tǒng)則利用反饋信息進行學習，

3、并在再次檢索返回更符合用戶要求的查詢結(jié)果。本文主要圍繞醫(yī)學圖像特征提取的關(guān)鍵技術(shù)進行研究。在研究了CBIR現(xiàn)有特征提取方法的基礎(chǔ)上，結(jié)合醫(yī)學圖像的成像機理和特點，針對醫(yī)學圖像的紋理信息，提出了一種基于調(diào)幅一調(diào)頻模型的紋理特征提取方法，采用歐式距離度量圖像之間的相似度。在特征提取算法研究的基礎(chǔ)上，設(shè)計開發(fā)了一個小型的基于內(nèi)容檢索的醫(yī)學圖像檢索系統(tǒng)。本文包括以下的研究工作：1)系統(tǒng)介紹了基于內(nèi)容的圖像檢索的基礎(chǔ)知識和若干關(guān)鍵技術(shù)，主要包括：CBIR的體系結(jié)構(gòu)、圖像特征的提取和表達方法、相似性度量方法、相

4、關(guān)反饋機制和檢索性能評價標準。2)闡述了非線性信號的調(diào)幅．調(diào)頻模型，對調(diào)幅．調(diào)頻模型的基本原理、能量分離算法進行深入的研究，剖析了AM．FM模型在二維圖像信號上的應用，最后針對能量分離算法過程中出現(xiàn)的離散化誤差，提出了改進后的ESA算法。3)在了解醫(yī)學圖像的特點及MRI成像原理的基礎(chǔ)上，首先對圖像進行預處理，中文摘要然后采用改進后的能量分離算法(Gabor-ESA算法)對圖像提取AM．FM紋理特征，并采用歸一化的歐式距離來比較圖像之間的相似程度。離線構(gòu)建好圖像數(shù)據(jù)庫及特征庫，進行實驗分析與討論。4)

5、實現(xiàn)了一個基于內(nèi)容的醫(yī)學圖像檢索系統(tǒng)。通過實際需求確定了系統(tǒng)功能并闡述了若干關(guān)鍵功能模塊的實現(xiàn)，主要包括圖像入庫、圖像預處理、紋理特征提取、檢索設(shè)置和檢索等功能模塊，還有數(shù)據(jù)庫中表的結(jié)構(gòu)等內(nèi)容的介紹。關(guān)鍵詞：基于內(nèi)容的圖像檢索，基于內(nèi)容的醫(yī)學圖像檢索，調(diào)幅一調(diào)頻模型，紋理特征，能量分離算法，離散化誤差llABSTRACTWiththeappearanceofmedicalimagingeqmpmentinthemedicalfield，medicalima西nghasbecomeabasictool

6、inmodemmedicine．Itplaysanirreplaceableroleinclinicaldiagnosisandtreatment,medicalteachingandresearch．Nowadays,itsapplicationresetsinlargemedicalimagedata,andgenerateurgentdemandofeffectivemanagementandretrievalforthem．Howtoefficientlymanagelargemedical

7、imagedambasehasbecomeanurgentproblemtobesolved．，nletechnologyofcontent-basedimageretrieval(cam)isintroducedintomedicalfield．Researchoncontent-basedmedicalimageretrieval(CBMIR)isaverysignificantworkandbecomesahottopicinrecentyears．Content-basedmedicalim

8、ageretrievalhasthefollowingbasicsteps．Firstly,establishthemedicalimagedatabase．Allimagesindatabaseshouldbepreprocessedandanalyzed．Then,extractthefeatureswhichCaneffectivelydescribethecharacteristicsofimagesandestablishfeaturedatabase．Fe