基于特征空间分布的医学图像检索技术研究

论文摘要

随着医学成像技术的发展,医院每天都产生大量的医学图像数据。而由人工找出符合要求的特定图像是相当困难的,由此使用计算机对图像进行有效的管理越来越重要。基于内容的图像检索(CBIR)使用颜色、形状和纹理等底层特征来表示图像的语义内容,能够达到较好的检索效果,将基于内容的图像检索技术应用于医学图像领域逐渐成为了一种趋势。图像的特征提取与表达是基于内容图像检索的基础,特征选取的好坏直接关系到检索效率和检索结果的准确度。本文在充分了解现有图像特征提取方法的基础上,结合医学图像自身的特点,着重研究了适合医学图像的特征提取算法；讨论了灰度特征、纹理特征、形状特征等图像底层特征。另外,本文还对图像相似性度量、检索结果的评价准则和相关反馈等进行了研究。在上述基于内容图像检索知识的基础上,本文提出了一种基于分块特征和有效维提取的医学图像检索方法。该方法首先对医学图像进行固定的分块划分,然后对每个分块提取特征,由此获得了图像的空间分布信息,最后在特征维度上进行无监督聚类以提取特征的有效维,并以此作为特征向量进行医学图像检索。另外本文实现了一种基于分块区域选择的图像局部相似性检索方法,局部区域通过分块的选择得到,该方法能够进行医学图像的局部相似性匹配检索。最后,本文设计实现了一个基于内容的医学图像检索系统,以验证上述两种方法的有效性。

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 基于内容图像检索研究现状
• 1.3 通用图像检索系统简介
• 1.4 本文主要内容和组织结构
• 第二章 基于内容图像检索基本理论
• 2.1 CBIR基本原理及通用框架
• 2.1.1 CBIR的基本原理
• 2.1.2 通用检索框架
• 2.2 图像预处理
• 2.2.1 图像增强
• 2.2.2 图像平滑
• 2.3 图像特征提取与表达
• 2.3.1 颜色特征
• 2.3.2 纹理特征
• 2.3.3 形状特征
• 2.4 图像检索查询方式
• 2.5 相关反馈技术
• 2.6 图像检索算法的评价准则
• 2.7 本章小结
• 第三章 基于分块特征提取的图像检索
• 3.1 特征提取
• 3.1.1 纹理共生矩阵特征
• 3.1.2 纹理视觉感知特征
• 3.1.3 边界形状密度直方图特征
• 3.2 基于有效维选择的医学图像检索
• 3.2.1 有效维
• 3.2.2 无监督聚类
• 3.2.3 有效维提取
• 3.2.4 相似性检索
• 3.3 医学图像局部相似性检索
• 3.3.1 图像局部区域选择
• 3.3.2 图像检索
• 3.4 本章小结
• 第四章 实验及结果分析
• 4.1 基于有效维选择的医学图像检索实验
• 4.1.1 有效维提取
• 4.1.2 图像相似性检索
• 4.1.3 实验结果分析
• 4.1.4 实验结论
• 4.2 医学图像局部相似性检索实验
• 4.2.1 实验结果及分析
• 4.2.2 实验结论
• 4.3 本章小结
• 第五章 CBIR系统实现
• 5.1 开发工具的选取
• 5.2 系统整体分析
• 5.3 系统功能分析
• 5.3.1 特征提取模块
• 5.3.2 特征相似性计算模块
• 5.3.3 用户接口模块
• 5.4 系统功能实现
• 5.4.1 特征提取功能实现
• 5.4.2 相似性度量函数的选择
• 5.4.3 相似性检索
• 5.5 本章小结
• 第六章 结束语
• 6.1 本文工作总结
• 6.2 未来工作展望
• 参考文献
• 致谢
• 攻读硕士期间参加的项目