基于多特征融合的醫(yī)學(xué)圖像識別研究.pdf

1、實現(xiàn)醫(yī)學(xué)圖像的有效識別是目前計算機科學(xué)和醫(yī)學(xué)交叉領(lǐng)域研究的熱點，而影響醫(yī)學(xué)圖像識別效果的主要因素涉及特征提取和識別方法兩個方面。 醫(yī)學(xué)圖像特征提取是醫(yī)學(xué)圖像識別的基礎(chǔ)性工作。本文在深入分析國內(nèi)外醫(yī)學(xué)圖像特征提取算法的基礎(chǔ)上，重點研究探索了基于Gabor小波的紋理特征提取方法。 針對提取多類特征后，如何將之應(yīng)用于醫(yī)學(xué)圖像識別，以便取得令人滿意的識別率，本研究著重探索了多特征融合的醫(yī)學(xué)圖像識別問題。 論文主要工作體現(xiàn)

2、在以下三方面： (1)系統(tǒng)總結(jié)和評價圖像的顏色特征、紋理特征、形狀特征和語義特征的提取方法。對各類特征提取方法中的典型代表，如：灰度直方圖特征、灰度共生矩陣特征、不變矩特征、聚類特征等，在MATLAB7.0環(huán)境下進行詳細(xì)的分析和研究。 (2)研究并提出基于有效數(shù)據(jù)網(wǎng)格的Gabor小波紋理特征提取算法。針對Gabor小波紋理特征提取算法的特點，試圖讓提取的特征更好地表達醫(yī)學(xué)圖像內(nèi)容，運用醫(yī)學(xué)圖像網(wǎng)格劃分的方法，提出基于有效

3、數(shù)據(jù)網(wǎng)格的Gabor小波紋理特征提取算法，并給出了算法流程、進行了實驗比較。 (3)研究并提出醫(yī)學(xué)圖像多特征融合的識別算法。針對任何一類特征都不能很好地表達醫(yī)學(xué)圖像內(nèi)容的問題，提出了一種基于特征級數(shù)據(jù)融合和決策級數(shù)據(jù)融合相結(jié)合的識別框架。研究結(jié)果表明，采用主元分析進行特征級數(shù)據(jù)融合，既可以使融合后的特征較好的表達醫(yī)學(xué)圖像內(nèi)容，同時還達到了特征降維、去除特征間冗余的目的；采用多數(shù)投票法進行決策級數(shù)據(jù)融合，可以充分利用不同分類器之間