基于小波变换特征的医学图像分类研究

《基于小波变换特征的医学图像分类研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、江苏大学硕士学位论文基于小波变换特征的医学图像分类研究姓名：刘博申请学位级别：硕士专业：模式识别与智能系统指导教师：宋余庆20100608江苏大学硕士学位论文摘要随着信息化社会的到来，人们获取的信息已经不再局限于数字、符号、文本等信息，而是越来越多的处理图像信息。而在数字图像处理中许多问题都要归结为特征提取和识别问题，如数字图像的检索和分类、图像数据压缩和编码、图像恢复或重建、目标检测和识别、边缘提取、图像滤波、图像分割和图像信号分离等。但是由于图像的多样性和复杂性，如何提取有效的图像特征，成为研究的热点，亦是难点。本文在深入分析国内外医学图像特征提取算法的基础上，重点研究探讨基于Gab

2、or小波的纹理特征提取与分类。论文研究工作主要体现以下几个方面：(1)系统研究了医学图像的颜色特征、纹理特征、形状特征和语义特征的提取方法。对各类特征提取方法中的典型代表，如：灰度直方图特征、灰度共生矩阵特征、小波特征、不变矩特征、聚类特征等，在实验环境下进行详细的分析和研究。(2)针对Gabor小波变换技术对于医学CT图像进行纹理特征分类时，往往由于图像拍摄时角度的变化而造成分类的误差，在Gabor小波变换的基础上采用了一种用于分析旋转不变医学图像的方法。并进行了实验分析。(3)针对医学图像纹理特征提取的结果验证，介绍了支持向量机分类器的设计原理，本文通过对输入特征向量的预处理以及加权

3、的研究，减小了由于各样本重要程度不同而对分类结果造成的影响。关键词：医学图像，纹理分析，旋转不变测度，Gabor变换，支持向量机，加权度因子，预处理I江苏大学硕士学位论文ABSTRACTWiththecomingofinformativesociety,thewayfromwhichpeoplegetinformationisnottobelimitedinthenumber,thewordandthesymbol，butalsofrommoreandmorekindsofimages．Mostofproblemsinimageprocessingarefeatureextraction

4、andrecognition，suchasimageretrievalandclassification，imagecompressionandcoding，imagerestorationorimagereconstruction，targetdetectionandrecognition，edgeextraction，imagefiltering，imagesegmentationandimagesignalseparationandSOon．Duetoitsdiversityandcomplexity,imagefeatureextractionisnotonlyahotissue

5、butalsothedifficultone．Onthebasisofthein—depthanalysisofmedicalimagefeatureextractionalgorithmhomeandabroad，thispaperresearchedthetexturefeatureextractionmethodsbasedontheGaborwavelet．Themaincontentsinthispapercanbesummarizedasthefollowingthreeaspects：(1)Thispapersummedupthemethodofmedicalimageco

6、lorfeatureextraction、texturefeatureextraction、shapefeatureextractionandsemanticfeatureextractionfully．Sometypicalfeatureextractionmethodssuchasgray—scalehistogramsfeature，co-occurrencematrixfeature，waveletfeature，invariantmomentfeatureandclusteringfeaturewereanalyzed．(2)TheGaborwavelettransformla

7、cksinitsabilitytoclassifythemedicalCTimageifit’Srotationinvariantimage．AnewapproachisPresentedforrotationinvariantmedicaltextureclassificationbasedonGaborwavelettransform．(3)Intheprocessoftheclassification，SupportVecto