学位论文 > 优秀研究生学位论文题录展示

多特征融合技术的研究及其在医学图像识别中的应用

作　者: 王桂花
导　师: 张卫国
学　校: 西安科技大学
专　业: 计算机软件与理论
关键词: 医学图像识别特征提取特征融合主成分分析模糊方法
分类号: TP391.41
类　型: 硕士论文
年　份: 2013年
下　载: 67次
引　用: 0次
阅　读: 论文下载

内容摘要

随着计算机视觉与各种先进医疗成像设备的不断发展，医学图像包含的信息也越加丰富。这对自动化临床医疗诊断有着十分重大的意义。利用单一的图像特征很难全面、精确地表达医学图像的内容，多特征融合已成为提取医学图像有效特征的必然途径。它综合利用医学图像的各种信息可以对其有更快速和准确的理解。信息融合由低到高分为三个层次，特征级融合在尽量保留原始信息的基础上，又克服了原始数据量大而不稳定的特点，提取的融合特征可以有效地用于医学图像识别。本文首先对灰度直方图特征、颜色矩特征、灰度共生矩阵特征、离散小波变换特征和不变矩特征进行了详细的研究与实现，这是特征融合的基础。其次研究了基于多元统计分析的主成分分析(PCA)方法在特征级融合中的应用，并利用采集到的肝脏B超图像进行识别，对识别结果进行了分析与比较。最后通过对提取的肝脏图像特征分析与研究，初始特征在有些维上存在明显的相关性，提取的高维特征直接应用于融合中，增加了后期处理过程中的时间复杂度。提出利用模糊方法进行特征粗选择，再结合PCA进行融合，并应用在肝脏B超图像识别中，对识别效果从平均正确率和识别时间性能两方面进行分析与比较。实验结果表明，融合特征对医学图像信息表达更完全更有效，可以带来更好的识别效果。对不同样本图像下的特征选择结果进行分析与比较，结果表明模糊方法进行特征选择是稳定和有效的。通过与直接PCA融合应用结果比较，特征选择后的识别效果更好，不仅提高了识别平均正确率，还降低了识别过程的时间复杂度，实时性能更优，更能有效地用在医学图像识别系统中。本文利用Visual C++6.0和OpenCV1.0开发了医学图像识别系统，实现了肝脏B超图像的基本预处理方法、特征提取、特征选择和融合等方法的研究，在计算机辅助诊断中具有一定的研究意义和实用价值。

全文目录

摘要  3-4
ABSTRACT  4-8
1 绪论  8-13
  1.1 选题背景及研究意义  8-9
  1.2 医学图像特征级融合研究现状及发展趋势  9-11
  1.3 研究内容和组织结构  11-13
2 图像特征级融合技术基础  13-24
  2.1 医学图像融合技术概述  13-14
  2.2 信息融合模型  14-18
    2.2.1 基于输入输出特征的融合模型  14-15
    2.2.2 分层融合模型  15-18
    2.2.3 特征级融合模型  18
  2.3 特征级融合相关技术与算法  18-23
    2.3.1 数据降维技术  18-20
    2.3.2 基于多元统计分析的降维方法  20-23
  2.4 本章小结  23-24
3 医学图像特征提取  24-40
  3.1 医学图像采集与特点  24-25
  3.2 特征提取  25-39
    3.2.1 颜色特征  26-29
    3.2.2 纹理特征  29-37
    3.2.3 形状特征  37-39
  3.3 本章小结  39-40
4 PCA 在特征级融合中的应用  40-58
  4.1 PCA 算法思想  40-42
  4.2 PCA 在特征级融合中的应用  42-47
    4.2.1 图像预处理  42-44
    4.2.2 特征提取  44
    4.2.3 特征归一化  44-45
    4.2.4 PCA 融合实现  45-47
    4.2.5 分类器设计  47
  4.3 实验结果与分析  47-57
    4.3.1 系统平台及实验样本图像说明  48-50
    4.3.2 训练部分  50-52
    4.3.3 识别部分  52-54
    4.3.4 实验结果分析  54-57
  4.4 本章小结  57-58
5 模糊方法结合 PCA 在特征级融合中的应用  58-68
  5.1 模糊方法思想  58-61
  5.2 模糊方法结合 PCA 在特征级融合中的应用  61-63
  5.3 实验结果与分析  63-67
  5.4 本章小结  67-68
6 结论  68-70
  6.1 本文工作总结  68
  6.2 未来工作展望  68-70
致谢  70-71
参考文献  71-74
附录  74

多特征融合技术的研究及其在医学图像识别中的应用

内容摘要

全文目录

相似论文