基于紋理特征的醫(yī)學(xué)圖像檢索.pdf

1、在醫(yī)學(xué)領(lǐng)域,隨著醫(yī)學(xué)影像設(shè)備的大量出現(xiàn),醫(yī)學(xué)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(xué)圖像在臨床診療、醫(yī)學(xué)教學(xué)和科研活動(dòng)中占有不可替代的地位,由此對(duì)醫(yī)學(xué)圖像數(shù)據(jù)進(jìn)行有效的管理和檢索產(chǎn)生了巨大的需求。對(duì)規(guī)模越來越大的醫(yī)學(xué)圖像數(shù)據(jù)庫進(jìn)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)(Content Based Image Retrieval,CBIR)引入到醫(yī)學(xué)領(lǐng)域進(jìn)行研究是一項(xiàng)非常有意義的工作。
　　 基于內(nèi)

2、容的醫(yī)學(xué)圖像檢索(Content Based Medical Image Retrieval,CBMIR)的基本步驟是:對(duì)圖像數(shù)據(jù)庫中的所有圖像進(jìn)行圖像預(yù)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(biāo)識(shí)關(guān)聯(lián)起來；在檢索過程中,先提取檢索樣圖相應(yīng)的特征向量,然后將該特征向量與特征庫中的特征向量進(jìn)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(duì)檢索結(jié)果進(jìn)行評(píng)價(jià)和標(biāo)記,并反饋給系統(tǒng),系統(tǒng)則利用反饋

3、信息進(jìn)行學(xué)習(xí),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(xué)圖像特征提取的關(guān)鍵技術(shù)進(jìn)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(xué)圖像的成像機(jī)理和特點(diǎn),針對(duì)醫(yī)學(xué)圖像的紋理信息,提出了一種基于調(diào)幅-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(jì)開發(fā)了一個(gè)小型的基于內(nèi)容檢索的醫(yī)學(xué)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

4、的圖像檢索的基礎(chǔ)知識(shí)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(dá)方法、相似性度量方法、相關(guān)反饋機(jī)制和檢索性能評(píng)價(jià)標(biāo)準(zhǔn)。
　　 2)闡述了非線性信號(hào)的調(diào)幅-調(diào)頻模型,對(duì)調(diào)幅-調(diào)頻模型的基本原理、能量分離算法進(jìn)行深入的研究,剖析了 AM-FM 模型在二維圖像信號(hào)上的應(yīng)用,最后針對(duì)能量分離算法過程中出現(xiàn)的離散化誤差,提出了改進(jìn)后的ESA算法。
　　 3)在了解醫(yī)學(xué)圖像的特點(diǎn)及 MRI成像原理的基礎(chǔ)上,首先