基于纹理特征的医学图像检索技术的研究

论文摘要

随着各种医学成像技术和医疗设备（如CT、X-Ray、MRI）的广泛使用,医院每天都有大量的医学图像产生,医学图像数据库成为计算机辅助诊断和预防医学的重要组成部分。以人工的方式从庞大的医学图像数据库中寻找特定的图像是很困难的,所以,我们需要使用计算机对医学图像进行准确有效的检索。基于内容的图像检索是目前计算机图像检索研究的热点,它不同于传统的文本检索,因此将其应用于医学图像领域具有重要意义。医学图像的特征提取和特征的相似性度量是进行基于内容的医学图像检索最关键的技术。如何有效的提取能够反映图像高层语义的低层特征以及如何使用这些特征进行相似性匹配,对于基于内容的医学图像检索是至关重要的。另外,对检索结果使用相关反馈技术进行优化对基于内容的医学图像检索也具有重要的意义。本文在系统的分析了基于内容的图像检索关键技术的基础上,详细阐述了基于共生矩阵的纹理特征提取方法。针对医学图像,本文提出了基于灰度-单元差分共生矩阵和基于灰度-小波共生矩阵的纹理特征提取方法,并与已有的灰度共生矩阵和灰度梯度共生矩阵进行了实验比较,验证了本文提出的两种方法的有效性。最后设计实现了一个基于欧式距离的医学图像检索系统。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题研究的背景与意义
• 1.2 国内外研究热点及现状
• 1.3 通用图像检索系统及医学图像检索系统简介
• 1.4 本文的主要内容和组织结构
• 第二章 基于内容的图像检索基本理论
• 2.1 图像分割
• 2.1.1 分割方法概述
• 2.1.2 分割方法研究
• 2.2 图像检索中底层特征描述
• 2.2.1 颜色特征
• 2.2.2 形状特征
• 2.2.3 纹理特征
• 2.2.4 融合多种特征的图像检索
• 2.3 相似性度量
• 2.3.1 基于距离度量的方法
• 2.3.2 相关计算
• 2.3.3 关联系数计算
• 2.4 图像检索中的相关反馈技术
• 2.4.1 相关反馈的概念
• 2.4.2 各种相关反馈算法
• 2.4.3 相关反馈小结
• 2.5 图像检索算法的评价准则
• 2.5.1 查准率（Precision Rate）
• 2.5.2 查全率（Recall Rate）
• 2.5.3 查缺率（Loose Rate）
• 2.5.4 排序平均值
• 2.6 图像检索系统常用的检索方式
• 第三章 基于共生矩阵的医学图像特征提取
• 3.1 基于灰度共生矩阵的纹理特征提取
• 3.2 基于灰度-梯度共生矩阵的纹理特征提取
• 3.3 基于灰度-单元差分共生矩阵的纹理特征提取
• 3.3.1 纹理单元差分图像的计算
• 3.3.2 灰度-单元差分共生矩阵及特征的计算
• 3.4 Gabor小波与灰度共生矩阵的纹理特征提取
• 3.4.1 基于Gabor小波的纹理特征提取
• 3.4.2 Gabor小波与灰度共生矩阵的特征融合
• 3.5 基于Daubechies滤波器的共生矩阵纹理特征提取
• 3.6 实验
• 3.6.1 实验设计及结果
• 3.6.2 实验结果分析
• 3.7 本章小结
• 第四章 一个医学图像检索系统的设计与实现
• 4.1 PACS简介
• 4.1.1 PACS的应用范围
• 4.1.2 PACS的设计原则
• 4.2 系统设计
• 4.2.1 系统总体设计
• 4.2.2 数据库设计
• 4.3 系统实现
• 4.3.1 图像输入及特征入库
• 4.3.2 图像检索接口
• 4.3.3 结果显示界面
• 4.4 本章小结
• 第五章 结束语
• 5.1 本文工作总结
• 5.2 后继工作和展望
• 参考文献
• 致谢
• 硕士期间参加的项目及发表的论文