采用Gabor小波纹理特征的基于内容医学图像检索

论文摘要

随着计算机技术和数字影像技术的发展,医学图像数量与日俱增。现阶段的PACS(医学图像归档与通信系统)采用的检索方式仍然是基于文本的方式,该方式已经不能满足规模日益扩大且复杂化的图像数据的检索要求。针对基于文本医学图像检索的缺陷,基于内容医学图像检索技术应运而生,该技术为智能化疾病诊断提供了前提。本文主要研究了基于内容图像检索(CBIR)中的纹理特征提取这一关键技术,并把它应用于医学图像的检索实践中。首先,本文重点讨论和研究了几种基于频谱的纹理分析方法：Fourier变换,Gabor变换和小波变换,深入分析了三者在频域分析中的优缺点；由于小波变换克服了Fourier局部分析能力差和Gabor“时间—频率”窗固定不变的缺点,因此作为一种新的时频分析工具,特别适用于图像的纹理分析。其次,把金字塔结构的小波变换应用于医学图像的纹理特征提取；针对胸部CT图像分析了金字塔的小波变换分别采用db6、db2和haar小波基时在纹理特征提取方面的性能；引入新型的边界延拓方法,克服了以往延拓方式存在的数据量增加和重构信号附近产生较大误差两个严重缺点,取得了较好的效果。最后,将Gabor小波纹理特征应用到基于内容医学图像检索中,并且引入了模糊理论和显著性思想。采用Gabor小波计算特定尺度、特定方向的能量,根据该能量确定显著多尺度多方向模糊集合,针对集合中的每个尺度方向进行量化分析以确定其显著性,量化分析的结果作为权重引入相似性度量。显著多尺度多方向模糊集合方案的引入在一定程度上有效地减轻了维数灾难问题；将模糊集合中每个尺度方向的显著性进行量化分析得到的隶属度作为权重引入相似性度量进一步增强了系统检索性能.

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景和意义
• 1.2 CBIR系统框架和关键技术
• 1.3 纹理特征提取研究的国内外现状
• 1.4 本文工作和论文组织
• 第2章 纹理分析方法研究
• 2.1 纹理
• 2.2 纹理的描述
• 2.3 基于统计的方法
• 2.3.1 灰度直方图
• 2.3.2 边缘方向直方图
• 2.3.3 灰度共生矩阵
• 2.4 基于结构的方法
• 2.5 基于频谱的方法
• 2.5.1 傅里叶变换
• 2.5.2 2D Gabor变换
• 2.5.3 小波变换
• 2.5.4 傅里叶分析、Gabor分析和小波分析的比较
• 第3章 基于小波的纹理分析方法
• 3.1 小波理论发展简史
• 3.2 小波基本理论
• 3.2.1 时宽、频宽和分辨率
• 3.2.2 连续小波变换
• 3.2.3 离散小波变换
• 3.2.4 二维小波变换
• 3.3 基于小波的纹理分析方法
• 3.3.1 金字塔结构的小波变换
• 3.3.2 树状结构的小波变换
• 3.3.3 二维Gabor小波变换
• 3.3.4 PWT与TWT的比较
• 3.4 图像的小波特性
• 3.5 小结
• 第4章 基于PWT算法的医学图像纹理特征提取
• 4.1 纹理分析在医学影像中的应用
• 4.2 采用PWT的医学图像纹理特征提取
• 4.2.1 基于PWT的纹理特征提取过程描述
• 4.2.2 纹理测度
• 4.2.3 边界处理
• 4.3 仿真及性能分析
• 4.4 小结
• 第5章 基于Gabor小波的纹理特征提取
• 5.1 Gabor小波纹理特征提取的理论基础
• 5.2 显著多尺度多方向模糊集
• 5.3 纹理特征的表示和相似性度量
• 5.3.1 纹理特征的提取和表示
• 5.3.2 相似性度量
• 5.4 仿真及性能分析
• 5.5 小结
• 第6章 总结和展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 攻读学位期间发表的论文