基于Mean Shift的胃鏡圖像分析方法研究.pdf

1、胃鏡檢查是當(dāng)前胃癌檢測主要手段，計算機輔助胃鏡圖像分析有助于提高胃鏡檢查的準(zhǔn)確率。本文主要針對電子胃鏡圖像分析方法進行研究。
　　 首先設(shè)計了電子胃鏡影像數(shù)據(jù)庫，在此基礎(chǔ)上，對胃鏡圖像在RGB、HSV、YCbCr 顏色空間分布，利用直方圖進行分析。發(fā)現(xiàn)RGB 顏色空間的分布最為均勻分散，較為適合圖像分割；YCbCr 顏色空間分布較為聚集，有利于在圖像特征提取時降低特征向量維數(shù)。然后進行預(yù)處理，選擇固定模板提取胃鏡圖像感興趣區(qū)域(

2、Region of Interest，ROI)和HSV顏色空間閾值方法初步消除反光區(qū)域。接著，采用全自動的Mean Shift分割算法，對胃鏡圖像進行初步分割。在此形成的區(qū)域上提取YCbCr 三維直方圖作為顏色特征向量。同時，根據(jù)胃鏡圖像多尺度、旋轉(zhuǎn)不變、內(nèi)容復(fù)雜的特點，選擇了Color Wavelet Covariance（CWC）方法作為紋理特征提取的算法。針對CWC算法計算灰度共生矩陣(Gray LevelCo-occurrenc

3、e Matrix，GLCM)步驟時間消耗較大的問題，利用Mean Shift思想對灰度共生矩陣計算進行改進，提出了基于Mean Shift的灰度共生矩陣計算算法（Mean Shift-Gray Level Co-occurrence Matrix，MS-GLCM），從計算時間、調(diào)用次數(shù)、信息冗余等方面提高了灰度共生矩陣計算的性能，并在CWC算法中得到應(yīng)用和檢驗。最后，經(jīng)過感知器算法和Adaboost算法的比較試驗后，采用Adaboost