本文關(guān)鍵詞：基于顏色特征向量的無(wú)線(xiàn)膠囊內(nèi)窺鏡圖像出血檢測(cè)研究

  更多相關(guān)文章： 出血檢測(cè) 無(wú)線(xiàn)膠囊內(nèi)窺鏡 維納濾波 支持向量機(jī) LAB顏色模型 CMYK顏色模型

【摘要】：無(wú)線(xiàn)膠囊內(nèi)窺鏡主要針對(duì)的是消化道疾病檢測(cè),是一種全新的革命性的檢測(cè)手段。與傳統(tǒng)的檢測(cè)方式相比,膠囊內(nèi)鏡系統(tǒng)能使醫(yī)生直接觀(guān)測(cè)人的腸胃圖像,獲取詳細(xì)的,直觀(guān)的信息。近年來(lái),由于膠囊內(nèi)鏡具有使用簡(jiǎn)單、檢查方便、無(wú)痛苦、檢查小腸等優(yōu)點(diǎn)已成為國(guó)內(nèi)外醫(yī)療器械領(lǐng)域研究的熱點(diǎn)之一。然而,無(wú)線(xiàn)膠囊內(nèi)窺鏡會(huì)產(chǎn)生大量的圖片。這些圖片必須由醫(yī)生來(lái)進(jìn)行人工判讀的話(huà),工作量巨大,花費(fèi)大量的時(shí)間。本文研究的算法主要是用計(jì)算機(jī)智能輔助技術(shù)對(duì)出血的膠囊圖像進(jìn)行檢測(cè),來(lái)減輕醫(yī)生的工作量。本文研究的核心算法是基于顏色特征向量的膠囊圖像的出血檢測(cè)問(wèn)題。該算法是以監(jiān)督學(xué)習(xí)的方式,基于支持向量機(jī)分類(lèi)器進(jìn)行分類(lèi)的。在圖像預(yù)處理階段首先根據(jù)膠囊圖像的特點(diǎn)提取感興趣區(qū)域,接著消除膠囊圖像的噪聲,通過(guò)CLAHE對(duì)膠囊圖像進(jìn)行對(duì)比度拉伸,在彩色信息分離的理論上對(duì)其進(jìn)行彩色校正。根據(jù)幾種常見(jiàn)的顏色空間的理論和出血膠囊圖像的自身特點(diǎn),本文采用色彩均勻的LAB顏色模型和適合印刷色彩的CMYK顏色模型,對(duì)于紅色特征識(shí)別方面具有優(yōu)勢(shì)的A分量和M分量,將這兩個(gè)分量結(jié)合,提出了兩種不同的顏色特征向量構(gòu)造方法。第一種顏色特征提取算法是一個(gè)兩階段的顯著特征提取算法,第一階段是由這兩種通道混合來(lái)提取二值化特征向量,找到膠囊圖像中的出血區(qū)域,第二階段是根據(jù)這個(gè)出血區(qū)域結(jié)合RGB獲得顯著對(duì)比,建立一個(gè)六維向量特征,設(shè)置閾值,歸一化處理。這個(gè)模型能夠觀(guān)察到出血區(qū)域的分布特點(diǎn),但是構(gòu)造的維數(shù)太大并且依賴(lài)于出血區(qū)域的大小。第二種顏色特征算法是使用這兩種通道混合進(jìn)行建模,提取二維二值色度信息,相比于第一種算法比較對(duì)比度的方法,該特征能夠更好地通過(guò)去除非必要的顏色區(qū)域和使用非等量間隔降維的方式。為了防止特征向量依賴(lài)于膠囊圖像中出血區(qū)域的大小,將該特征向量進(jìn)行二值化處理。和第一種算法中的全部的彩色空間相比,這個(gè)方法不僅效果更好,計(jì)算速度更快,是第一種算法的改進(jìn)。文章結(jié)合這兩種特征向量與另外一個(gè)根據(jù)HSV空間進(jìn)行二值特征向量,金子塔模型,進(jìn)行了實(shí)驗(yàn)結(jié)果對(duì)比。在文章的結(jié)尾處,提出了算法需要改進(jìn)和提升的地方。
【關(guān)鍵詞】：出血檢測(cè) 無(wú)線(xiàn)膠囊內(nèi)窺鏡 維納濾波 支持向量機(jī) LAB顏色模型 CMYK顏色模型
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP391.41;R57
【目錄】：

• 中文摘要3-4
• 英文摘要4-8
• 1 緒論8-15
• 1.1 研究背景8-12
• 1.1.1 膠囊內(nèi)窺鏡的發(fā)展及國(guó)內(nèi)外研究現(xiàn)狀8-10
• 1.1.2 基于無(wú)線(xiàn)膠囊內(nèi)窺鏡圖像出血檢測(cè)技術(shù)的國(guó)內(nèi)外現(xiàn)狀10-12
• 1.2 課題研究意義12
• 1.3 完成工作和貢獻(xiàn)12-13
• 1.4 論文主要工作與結(jié)構(gòu)13-15
• 2 分類(lèi)檢測(cè)算法15-22
• 2.1 機(jī)器學(xué)習(xí)理論15-16
• 2.1.1 學(xué)習(xí)的類(lèi)型16
• 2.2 經(jīng)典的監(jiān)督式學(xué)習(xí)方法的介紹16-21
• 2.2.1 線(xiàn)性判別分析16-18
• 2.2.2 K近鄰18
• 2.2.3 支持向量機(jī)18-21
• 2.3 本章小結(jié)21-22
• 3 無(wú)線(xiàn)膠囊內(nèi)窺鏡圖像的預(yù)處理22-35
• 3.1 ROI提取23-25
• 3.2 去噪處理25-28
• 3.2.1 均值濾波25-26
• 3.2.2 中值濾波26-27
• 3.2.3 維納濾波27-28
• 3.3 對(duì)比度增強(qiáng)28-32
• 3.3.1 HE圖像增強(qiáng)28-30
• 3.3.2 CLAHE圖像增強(qiáng)30-32
• 3.4 直方圖彩色校正和實(shí)驗(yàn)結(jié)果32-34
• 3.5 本章小結(jié)34-35
• 4 無(wú)線(xiàn)膠囊內(nèi)窺鏡圖像的特征提取35-55
• 4.1 彩色空間35-41
• 4.1.1 CIELAB彩色空間36-38
• 4.1.2 HSI彩色空間38-40
• 4.1.3 CMYK彩色空間40-41
• 4.2 灰度變換增強(qiáng)41-45
• 4.3 基于顏色直方圖向量特征提取45-48
• 4.3.1 第一階段二值化顯著區(qū)域特征提取45-46
• 4.3.2 第二階段六維向量特征提取和歸一化處理46-47
• 4.3.3 支持向量機(jī)的設(shè)計(jì)47
• 4.3.4 實(shí)驗(yàn)結(jié)果47-48
• 4.4 基于二值向量顏色特征快速提取48-54
• 4.4.1 二值向量的由來(lái)48-49
• 4.4.2 二值特征向量提取49-51
• 4.4.3 支持向量機(jī)的設(shè)計(jì)51-52
• 4.4.4 實(shí)驗(yàn)結(jié)果52-54
• 4.5 本章小結(jié)54-55
• 5 總結(jié)55-57
• 5.1 論文總結(jié)55-57
• 致謝57-58
• 參考文獻(xiàn)58-62
• 附錄62
• A. 作者在攻讀學(xué)位期間發(fā)表的論文目錄62

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 熊亞軍;廖曉農(nóng);李梓銘;張小玲;孫兆彬;趙秀娟;趙普生;馬小會(huì);蒲維維;;KNN數(shù)據(jù)挖掘算法在北京地區(qū)霾等級(jí)預(yù)報(bào)中的應(yīng)用[J];氣象;2015年01期

2 楊驥;楊亞?wèn)|;梅雪;袁曉龍;袁宇浩;;基于改進(jìn)的限制對(duì)比度自適應(yīng)直方圖的視頻快速去霧算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2015年01期

3 孫劉杰;李孟濤;;基于CMYK顏色空間的光全息水印算法研究[J];包裝工程;2012年09期

4 張璞;王英;王蘇蘇;;基于CLAHE變換的低對(duì)比度圖像增強(qiáng)改進(jìn)算法[J];青島大學(xué)學(xué)報(bào)(工程技術(shù)版);2011年04期

5 趙高長(zhǎng);張磊;武風(fēng)波;;改進(jìn)的中值濾波算法在圖像去噪中的應(yīng)用[J];應(yīng)用光學(xué);2011年04期

6 張小波;張順利;;引入修正因子的局部維納濾波圖像去噪[J];計(jì)算機(jī)與數(shù)字工程;2011年05期

7 李楠;劉永強(qiáng);韓國(guó)華;;直方圖均衡化在數(shù)字圖像處理中的應(yīng)用[J];甘肅科技;2010年18期

8 宋寅卯;李曉娟;劉磊;;圖像噪聲濾波的研究方法及進(jìn)展[J];電腦開(kāi)發(fā)與應(yīng)用;2010年04期

9 王科俊;熊新炎;任楨;;高效均值濾波算法[J];計(jì)算機(jī)應(yīng)用研究;2010年02期

10 郝秀蘭;陶曉鵬;徐和祥;胡運(yùn)發(fā);;kNN文本分類(lèi)器類(lèi)偏斜問(wèn)題的一種處理對(duì)策[J];計(jì)算機(jī)研究與發(fā)展;2009年01期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 燕雪萍;基于顏色識(shí)別的腸道出血智能施藥膠囊研究[D];重慶大學(xué);2012年

2 王海珍;基于LDA的人臉識(shí)別技術(shù)研究[D];西安電子科技大學(xué);2010年

，

本文編號(hào)：811013