基于紋理分析的有損肝超聲圖像識別.pdf

1、本文結(jié)合計算機技術、生物醫(yī)學工程和模式識別知識,通過將Bayesian理論框架引入肝損傷超聲圖像識別問題,將紋理描述的共生矩陣和紋理分析的多分辨率提取分形特征的方法結(jié)合,提出利用圖像紋理特征識別超聲肝圖像的一種方法。首先,根據(jù)色調(diào)是基于紋理基元中像素亮度的屬性,而結(jié)構則是基元間的空間關系;因此,在人體組織的B超圖象中蘊藏著豐富的紋理信息,利用圖像紋理在模式識別上的應用:包括灰度獨立矩陣SGLDM、傅立葉能量譜FPS、灰度差分統(tǒng)計GLDS

2、、Law’s紋理能量度量TEM等紋理特征,充分考慮紋理的四個傳統(tǒng)的特征:粗糙度、規(guī)則度、方向度和能量來描述這些現(xiàn)象,并試圖找到對于超聲肝圖像分類的有用的信息,將他們應用到識別正常肝、肝硬化、肝癌三類超聲肝圖像中;其次,將用一種于多分辨率圖像概念和分形布朗運動模型的特征向量集——三級多分辨分形特征向量來快速地識別混淆和模糊的肝病圖像,以提高分類的速度和精確度。第三,采用60個樣本,三類圖像各20個樣本,并且均來自同一醫(yī)師、相同型號的超聲儀

3、器。對于每一幅樣本圖像,我們選擇38*38大小的預處理圖像塊,進一步選擇其中的32*32大小的ROI圖像塊進行分析識別;在特征提取后的分類器設計中,結(jié)合超聲圖像和肝臟的結(jié)構特點,選擇統(tǒng)計模式識別方法;采用監(jiān)督參數(shù)估計法得到貝葉斯分類參數(shù),并采用監(jiān)督的學習方法優(yōu)化分類性能。最后,由于數(shù)據(jù)形式的差異較大、表示的范圍也大相徑庭,將特征值進行歸一化后,使得數(shù)據(jù)標準化,進行特征合并的分類測試;并分別對各個特征識別性能作了充分的分析和具體的說明,在