小波特征向量及其在顱腦CT圖像特征點匹配中的應用.pdf

1、醫(yī)學影像學的計算機智能化診斷是所有醫(yī)學圖像處理和分析領域的重點和難點，要實現(xiàn)醫(yī)學圖像上病變區(qū)域的檢出首先應實現(xiàn)對正常人圖像的計算機描述，數字化統(tǒng)計圖譜是目前為大家普遍接受的正常人圖像特征計算機描述方法。根據現(xiàn)有類型圖譜在描述正常人圖像特征方面的不足，李傳富等提出一種基于小波特征向量的、用于描述圖像紋理特征的數字化統(tǒng)計圖譜，即小波特征向量圖譜，以期實現(xiàn)對正常人圖像各類特征的全面描述。 作為此項研究的基礎，本文以顱腦CT圖像為研究對

2、象，針對CT圖像的具體特征，圍繞小波特征向量的構造及其特征，以及小波特征向量在醫(yī)學圖像特征點匹配方面的價值進行了深入研究。 首先，本文結合圖像紋理以及小波變換的背景知識，在算法上實現(xiàn)小波特征向量的構造方法。在此基礎上，對小波特征向量的唯一性和旋轉不變性進行研究，實驗結果表明，通過這種構造方法得到的小波特征向量，具有良好的唯一性和旋轉不變性。 然后根據小波特征向量具有唯一性的特點，提出了將小波特征向量應用于顱腦CT圖像特征

3、點自動匹配的算法。實驗結果表明，小波特征向量特征點的自動匹配算法能基本實現(xiàn)紋理相似的對應點之間的自動匹配，并且具有較高的準確率。同時，以特征點自動匹配效果為依據，本文對小波特征向量和未進行小波變換而直接提取的特征向量(RIA向量)進行比較，實驗結果表明，小波特征向量在表征像素點周圍紋理特征方面具有明顯的優(yōu)勢。 此外，本文以特征點自動匹配效果為依據，對影響小波特征向量結構的各個參數進行了研究比較，再根據這些研究結果，對小波特征向量