醫(yī)學圖像特征提取及基于內(nèi)容檢索的研究.pdf

1、本文從醫(yī)學圖像信息模型、圖像紋理特征提取、圖像矩特征提取、圖像相似性度量及特征索引組織、基于內(nèi)容醫(yī)學圖像檢索原型系統(tǒng)以及圖像檢索效果評價等方面對超聲心動圖像的基于內(nèi)容檢索的課題進行了深入的研究。 首先，針對DICOM醫(yī)學圖像信息模型只按照患者、研究、系列、圖像等四個層次的外部屬性來組織圖像相關(guān)信息，從而只能在該模型上實現(xiàn)基于關(guān)鍵字檢索的不足，借鑒張凱博士的菱形DICOM擴展模型，并結(jié)合張系國教授的五層圖像結(jié)構(gòu)，提出了DICOM擴

2、展模型的實體關(guān)系圖，將醫(yī)學圖像信息劃分為圖像內(nèi)容無關(guān)信息和內(nèi)容相關(guān)信息，其中內(nèi)容無關(guān)信息存放圖像的外部屬性(DICOM信息模型)，內(nèi)容相關(guān)信息是DICOM信息模型的擴展部分，包含特征組織層、特征表達層、圖像特征視圖層、語義特征視圖層、用戶視圖層等層次。該模型的提出為基于紋理特征、矩特征的檢索建立了一個框架，也為將來基于高級語義的圖像檢索奠定了基礎(chǔ)。 其次，針對圖像Gabor小波紋理特征體取算法由于紋理特征向量維數(shù)過多而在圖像檢索

3、中產(chǎn)生的“維數(shù)危機”，而帶來檢索效率低下導致Gabor小波紋理難以實際應用于基于內(nèi)容圖像檢索系統(tǒng)的缺點，為了充分利用Gabor函數(shù)在圖像時頻域分析中的能夠達到時頻域分辨的聯(lián)合下界，從而成為最佳時頻域分析工具的優(yōu)良性能，將小波包技術(shù)和Gabor小波相結(jié)合，提出了自適應Gabor小波包紋理算法，將圖像的頻域空間劃分為有限的幾個小波包子空間，極大的減少了紋理特征向量的維數(shù)，在保持特征準確度的前提下，提高了圖像的檢索速度。 再次，針對醫(yī)

4、學圖像形狀特征較為明顯，但是圖像輪廓較為復雜的特點，采用基于矩技術(shù)來表示圖像的特征，矩技術(shù)是提取圖像特征的常用方法。由于Gabor函數(shù)在提取圖像時頻域信息方面的優(yōu)越性，借鑒B樣條小波矩算法，提出Gabor小波包矩提取算法，該算法擁有矩技術(shù)優(yōu)點(旋轉(zhuǎn)不變性、平移不變性等)和小波的優(yōu)點。最后將具有全局分析能力的Zernike矩和局部分析能力的Gabor小波包矩結(jié)合起來組成復合矩，用以提取圖像的特征。 再次，針對歐氏距離在圖像特征相似

5、性度量中，由于取值小的特征分量在計算結(jié)果中被湮滅的缺點，采用馬氏距離來計算特征間的相似性。在圖像的檢索中改變了傳統(tǒng)的計算兩圖像特征距離來確定相似性的做法，提出了首先采用C均值聚類來對特征空間進行聚類，將圖像特征庫中的特征劃分為若干類。每一個類都有一個聚類中心，提出用馬氏距離和夾角余弦的二步度量法將圖像特征向量轉(zhuǎn)化為一個由聚類中心、馬氏距離、夾角余弦組成的三維向量，通過比較三維向量來進行檢索的方法，并提出用一個類R樹來組織這個三維特征量。