基于紋理分析的有損肝超聲圖像識(shí)別.pdf

1、本文結(jié)合計(jì)算機(jī)技術(shù)、生物醫(yī)學(xué)工程和模式識(shí)別知識(shí),通過(guò)將Bayesian理論框架引入肝損傷超聲圖像識(shí)別問(wèn)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(shí)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(gòu)則是基元間的空間關(guān)系;因此,在人體組織的B超圖象中蘊(yùn)藏著豐富的紋理信息,利用圖像紋理在模式識(shí)別上的應(yīng)用:包括灰度獨(dú)立矩陣SGLDM、傅立葉能量譜FPS、灰度差分統(tǒng)計(jì)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(gè)傳統(tǒng)的特征:粗糙度、規(guī)則度、方向度和能量來(lái)描述這些現(xiàn)象,并試圖找到對(duì)于超聲肝圖像分類的有用的信息,將他們應(yīng)用到識(shí)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(yùn)動(dòng)模型的特征向量集——三級(jí)多分辨分形特征向量來(lái)快速地識(shí)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(gè)樣本,三類圖像各20個(gè)樣本,并且均來(lái)自同一醫(yī)師、相同型號(hào)的超聲儀

3、器。對(duì)于每一幅樣本圖像,我們選擇38*38大小的預(yù)處理圖像塊,進(jìn)一步選擇其中的32*32大小的ROI圖像塊進(jìn)行分析識(shí)別;在特征提取后的分類器設(shè)計(jì)中,結(jié)合超聲圖像和肝臟的結(jié)構(gòu)特點(diǎn),選擇統(tǒng)計(jì)模式識(shí)別方法;采用監(jiān)督參數(shù)估計(jì)法得到貝葉斯分類參數(shù),并采用監(jiān)督的學(xué)習(xí)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(jìn)行歸一化后,使得數(shù)據(jù)標(biāo)準(zhǔn)化,進(jìn)行特征合并的分類測(cè)試;并分別對(duì)各個(gè)特征識(shí)別性能作了充分的分析和具體的說(shuō)明,在