無線膠囊內(nèi)窺鏡(wireless capsule endoscopy,WCE)系統(tǒng)在最近十年取得了突飛猛進的發(fā)展,其中光學內(nèi)窺鏡能夠置入小型可吐咽的膠囊中,以無線方式傳輸彩色圖像。然而病灶智能檢測技術滿足不了醫(yī)療實際的需求。作為一種新型的內(nèi)窺鏡圖像病灶智能檢測技術,其研究和應用發(fā)展尚不成熟,傳統(tǒng)的模式識別技術難以針對病灶圖像提取有效的普適特征向量,因此對其研究有著極其重要的實際意義�，F(xiàn)有的單一的紋理分析方法,都取得了較好的結果,驗證了紋理特征在內(nèi)窺鏡病灶圖像檢測中的可行性,但現(xiàn)有的紋理分析方法進行內(nèi)窺鏡異常圖像檢測分類時一般只針對單一病灶。少部分針對多種紋理特征的提取尚存在不足,于是論文做了如下工作。文中首先介紹了病灶智能識別的研究背景和意義,針對紋理分析方法,重點剖析了LM濾波器組與局部二值算子(Local Binary Pattern,CS-LBP)兩種圖像紋理描述方法,針對內(nèi)窺鏡圖像特點,對獲取的內(nèi)窺鏡圖像采取了圖像增強、圖像去噪、歸一化處理以及圖像分割等預處理步驟,為提取準確的紋理特征提供幫助。然后結合濾波器組與LBP算子,對確定的病灶塊與正常圖像塊進行紋理信息提取,采用KNN方...

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【部分圖文】：

圖２．２實驗樣本??

像作為實驗數(shù)據(jù)。??在理想的條件下，可以將數(shù)據(jù)集按照比例隨機分配，一部分作為訓練集，一部分作??為訓練集，圖２．２為異常圖像和正常圖像的數(shù)據(jù)樣本。??１９??

圖３．１?ＬＭ濾波器組??

ＬＢＰ特征具備超強的分類能力（Ｈｉｇｈｌｙ?Ｄｉｓｃｒｉｍｉｎａｔｉｖｅ）、較髙的計算效率并且相對單調(diào)??的灰度變化具有不變性。??圖３．２提供了一個常規(guī)的ＬＢＰ算子，應用ＬＢＰ算子的過程有點類似于濾波過程中??的模板操作。依次掃描圖像，對于圖像中的各個像素點，以該點的灰度當作閾....

圖３．２實驗樣本??

??圖３．１?ＬＭ濾波器組??３．１．２?ＬＢＰ算子的描述??局部二進制模式（Ｌｏｃａｌ?Ｂｉｎａｒｙ?Ｐａｔｔｅｒｎｓ，?ＬＢＰ）早期它是作為一種有效的紋理描述??算子提出的，由于它對圖像局部紋理特征的非凡描繪能力而得到了相當廣泛的應用。??ＬＢＰ特征具備超強的分類能力（Ｈｉｇ....

圖３．３?ＣＳ－ＬＢＰ算法原理??

在它所定義的圓形鄰域內(nèi)，通過比較圓形鄰域內(nèi)以中心像素值為對稱中心的像素??值對，如果大于等于則置１，否則置０。于是，依照順序得到一個二進制數(shù)據(jù)串，將它轉(zhuǎn)換??成一個十進制數(shù)表示為該中心像素值的編碼。ＣＳ－ＬＢＰ算法的原理如圖３．３所示。??丨圓鄰域｜?｜?ＬＢＰ算子與ＣＳ－ＬＢＰ....

本文編號：4013182