醫(yī)學(xué)圖像模式識別中特征向量提取方法的研究.pdf

1、隨著計算機技術(shù)的不斷發(fā)展，模式識別在醫(yī)學(xué)圖像處理方面的應(yīng)用得到了進一步的發(fā)展。某種意義上，醫(yī)學(xué)圖像模式識別已發(fā)展成為人與機器、自然科學(xué)和社會科學(xué)、基礎(chǔ)理論與技術(shù)應(yīng)用之間的接口領(lǐng)域。在醫(yī)學(xué)圖像模式識別過程中，醫(yī)學(xué)圖像特征提取的好壞將影響圖像識別和分類的效果，進而對臨床診斷技術(shù)產(chǎn)生一定的影響。因此，如何更有效地提取醫(yī)學(xué)圖像的特征向量對于醫(yī)學(xué)圖像模式識別具有很重要的意義。本課題主要針對時域特征、頻域特征描述醫(yī)學(xué)圖像，進而利用支持向量機分析各類

2、特征的識別效果。
　　基于灰度特征和紋理特征的時域特征主要在同一尺度下描述了醫(yī)學(xué)圖像灰度的統(tǒng)計特性以及灰度的空間分布規(guī)律，但是缺乏醫(yī)學(xué)圖像在更精細(xì)尺度的特征信息；基于非下采樣Contourlet變換和小波變換的頻域特征則在不同尺度下描述了圖像變換系數(shù)的統(tǒng)計特性，其高頻分量能夠描述醫(yī)學(xué)圖像更多的邊緣特征信息。
　　本課題分別采用時域特征提取方法和頻域特征提取方法提取醫(yī)學(xué)圖像的特征向量，并利用支持向量機分析其識別效果；然后因時域

3、特征、頻域特征各有其優(yōu)缺點，故結(jié)合時頻域特征描述醫(yī)學(xué)圖像，并利用支持向量機分析其識別效果。
　　由實驗結(jié)果可知：在時域特征提取方法中，因灰度特征缺乏灰度的空間關(guān)系，灰度共生矩陣則反映了圖像灰度關(guān)于方向、相鄰間隔變化幅度的綜合特征信息，故結(jié)合灰度特征和紋理特征能夠更好地描述醫(yī)學(xué)圖像；在頻域特征提取方法中，因非下采樣的Contourlet變換能夠在不同尺度下將圖像分解到很多方向，得到更多的邊緣信息，故相比小波變換，非下采樣Contou