基于內(nèi)容的圖像檢索技術(shù)在醫(yī)學(xué)領(lǐng)域的臨床、教學(xué)、科研、醫(yī)學(xué)圖像歸檔以及通信系統(tǒng)中都有著重要的應(yīng)用。本文主要研究了基于內(nèi)容的醫(yī)學(xué)圖像數(shù)據(jù)庫的檢索方法和相關(guān)技術(shù)。 本文首先介紹了基于內(nèi)容的醫(yī)學(xué)圖像檢索系統(tǒng)的體系結(jié)構(gòu),分析了基于內(nèi)容的醫(yī)學(xué)圖像檢索系統(tǒng)的關(guān)鍵技術(shù),包括圖像紋理特征和形狀特征的描述方法、圖像的相關(guān)匹配技術(shù)、相關(guān)反饋及檢索算法的性能評(píng)價(jià)問題。 醫(yī)學(xué)圖像中包含大量的紋理信息,紋理特征的提取對(duì)圖像的識(shí)別起著重要的作用。本文將分形技術(shù)用于醫(yī)學(xué)圖像紋理特征的提取,該方法對(duì)于不同組織的不同病理的圖像有較好的區(qū)分能力。為了從不同的方向和尺度更好的分析圖像的紋理特征,本文用Gabor小波濾波器對(duì)圖像進(jìn)行多分辨率分析,再結(jié)合本文改進(jìn)的差分計(jì)盒維的方法計(jì)算濾波后圖像的分形維數(shù)。為了更加豐富紋理信息,還加入了Tamura特征,經(jīng)實(shí)驗(yàn)證明,該算法具有較高的查全率、查準(zhǔn)率及平均排序。 本文為了彌補(bǔ)小波模極大值提取邊緣檢測(cè)時(shí),會(huì)丟失部分低頻信息且得到的邊界不連續(xù)的問題,提出了用小波模極大值結(jié)合形態(tài)學(xué)的方法提取醫(yī)學(xué)圖像的邊緣。即對(duì)小波分解的高頻圖像采用小波模極大值的方法提取邊界信息；低頻圖像用形態(tài)學(xué)的邊緣檢測(cè)算...

【文章頁數(shù)】：81 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖3.5加入Tamura紋理特征前后檢索結(jié)果對(duì)比

圖3.5加入Tamura紋理特征前后檢索結(jié)果對(duì)比Fig3.5ComParisonofresultshadTamuraornot圖可以看到，加入丁bmura紋理特征在查全率、查準(zhǔn)率和平均排，說明了加入丁hmura紋理特征的有效性。的幾組實(shí)驗(yàn)，我們可以看到本文算法檢索效果較好，但是該....

圖4.5尺度縮放、旋轉(zhuǎn)、平移后的圖像

北大學(xué)碩士學(xué)位論文第4章基于小波變換及形態(tài)學(xué)形狀特征的醫(yī)學(xué)圖像檢索表4.1對(duì)比實(shí)驗(yàn)的查全率、查準(zhǔn)率和平均排序Table4.1ComParisonofrecallratio，Precisionratio，averagesortingofexPeriments萬萬一一一一一一下葵霸一....

圖5.1檢索界面

東北大學(xué)碩士學(xué)位論文第5章基于紋理一形狀特征的醫(yī)學(xué)圖像檢索據(jù)用戶的反饋圖像，動(dòng)態(tài)調(diào)整權(quán)值，驗(yàn)證該反饋算法的有效性。為了提高檢索速度，將圖像庫中圖像的紋理和形狀特征提取出存放到數(shù)據(jù)庫中，這樣，在檢索過程中就無需再對(duì)庫中的圖像依次特征提取，大大提高了檢索速度。若有新的圖像入庫時(shí)，再將....

圖5.8多次反饋查準(zhǔn)率比較

士學(xué)位論文第5章基于紋理一形狀特征的醫(yī)學(xué)圖01隔)達(dá)到了80%，查全率(返回圖像為90幅)也接近80%。這是由狀都是圖像的重要信息，有的圖像可能是外形上比較相似，但紋理特恰好相反。對(duì)于醫(yī)學(xué)圖像來說，也是如此。但綜合兩種圖像特征后，度，在系統(tǒng)設(shè)計(jì)上也增加了難度，且相應(yīng)的增加了運(yùn)算時(shí)....

本文編號(hào)：3970487