基于小波变换的医学影像特征提取研究

VIP免费

3.0 牛悦 2024-11-19 5 4 3.13MB 62 页 15积分

侵权投诉

摘要

21 世纪通常被认为是“脑的世纪”。在脑科学研究中，一项重要的目标是“保

护脑”，也就是征服脑的疾病。那么要想征服脑的疾病，首先就得知道患者的脑患

有何种疾病，患没患病等等。

本文针对正常脑 CT 医学图像和非健康脑 CT 医学图像两组图像，设计了一套

能够对其进行自动识别软件系统。主要研究内容如下：

首先，增强模块中，首先交代了增强和配准同属于预处理并说明预处理的必

要性；然后对人脑的 CT 医学图像进行了直方图均衡增强了 CT 图片的对比度；接

着采用变换域降噪和小波梯度增强相结合的方法，进一步增强了图像的对比度并

且去除了干扰噪声；最后以图像分解模型为基础，以边缘及纹理保护为目标，利

用ROF 分解与小波分析几何的方法增强了原始待分类的人脑 CT 医学图像。在预

处理模块中特别强调纹理保护是因为图像纹理特征是我们后续分类模块的输入级

信息。

其次，配准模块中，首先将 CT 医学图像的失真弱化为一个仿射失真模型；然

后，利用标准图像和失真图像中的基准点对的信息具体化了仿射变换模型参数；

接着根据失真图像，使用相应的插值算法将标准图像还原出来，最终达到了配准

的目的。在配准的同时，我们也同时进行了部分 CT 医学图像分割的工作。

再者，特征提取中，我们采用了人脑 CT 医学图像的纹理作为特征，并将这些

特征作为后续分类模块的输入级向量。这里每个向量实际上已经表征了一幅 CT 医

学图像。最后，我们应用系统的观点，针对疾病的各个阶段，在其特征上可能存

在的某些相关性做了一定的说明。

最后，分类模块中，我们首先将正常脑和非健康脑 CT 图像分组中的一幅图像

作为测试，其余图像作为样本训练的素材，然后利用人工神经网络对其进行训练。

然后利用已知的信息对测试图像进行测试，并判定分类器的性能。从而完成了整

个医学图像的自动识别的过程。

本文提出的相关算法可行，具有一定的实际应用价值。

关键词：人脑医学图像预处理配准特征提取分类

ABSTRACT

The 21th Century is widely considered to be “the century of brain”. One of the

most significant aims for the study of brain is how to “protect the brain”, which means

that how to “conquer various cerebral diseases”. Then the first question comes into

being, what the accurate disease does the patient have, or does the patient really have

the disease?

The dissertation compares two groups of CT cerebral medical images (healthy

and sick), then designs a robust software system which can tell the truth. The whole

project is made up from the sections below:

In the enhancement section, first, we mentioned the necessity of pretreatment

and the fields that pretreatment should concern; next, we use the histogram

equalization method to rich the contrast ratio of the image; then by combining the

advantages of wavelet de-noising and the improvement of wavelet gradient, the image

was improved to be better again; finally, on the basis of the medical decomposition

model, we apply the ROF decomposition and the wavelet analysis to make the final

enhancement of the image, and the image’s texture was carefully protected.

In the registration section, at the beginning, the real distortion model was weaken

to be the affine distortion, so we used several methods to extract the key points which

could tell us the exactly affine distortion model, finally according to the distort image,

by implementing the related interpolation algorithm, we finished the registration

section. By the way, the registration section is coming along with the segmentation

section.

In the feature extracting section, we focus on the image’s texture. Use the four

well-known statistics of the gray level co-occurrence matrix to make description. And

on the perspective of system theories, make statement on the correlation among the

features which are in the every disease period.

In the classification section, first, we select one of the images from each group of

the samples as the testing objects, the remaining images as the training objects, next

use the Neural Network to train the training objects, then test the testing objects,

finally, by judging the result, we get a satisfied classification.

The algorithms of whole project are feasible, and enjoy practical value to some

extent.

Key Words：Cerebral medical images, Pretreatment, Registration,

Feature extraction, Classification

中文摘要

ABSTRCT

第一章绪论 ........................................................ 1

§1.1 课题研究的背景及意义 ....................................... 1

§1.2 国内外研究现状 ............................................. 2

§1.3 论文研究思路及工作 ......................................... 5

第二章重要知识点回顾 ................................................ 7

§2.1 快速傅里叶变换 ............................................. 7

§2.2 小波变换 ................................................... 9

§2.3 人工神经网络 .............................................. 15

§2.3.1 线性神经单元 ......................................... 15

§2.3.2 神经网络 ............................................. 17

§2.3.3 反向传播算法 ......................................... 18

§2.4 本章小结 .................................................. 19

第三章系统的增强模块 ............................................... 20

§3.1 空间域与频率域 ............................................ 20

§3.2 小波增强 .................................................. 21

§3.3 图像分解模型 .............................................. 23

§3.4 本章小结 .................................................. 25

第四章系统的配准与分割模块 ......................................... 26

§4.1 基准点对的提取 ............................................ 26

§4.1.1 Harris 兴趣点检测 ..................................... 27

§4.1.2 轮廓提取 ............................................. 28

§4.1.3 霍夫线变换 ........................................... 36

§4.1.4 关键点的选取 ......................................... 38

§4.1.5 特征点匹配 ........................................... 38

§4.2 几何校正 .................................................. 39

§4.2.1 插值算法 ............................................. 39

§4.2.2 仿射变换 ............................................. 40

§4.2.3 几何校正 ............................................. 41

§4.3 本章小结 .................................................. 43

第五章系统的分类模块 ............................................... 44

§5.1 纹理特征提取 .............................................. 44

§5.2 再论纹理 .................................................. 48

§5.3 神经网络分类 .............................................. 50

§5.3.1 样本训练 ............................................. 50

§5.3.2 测试 ................................................. 51

§5.4 本章小结 .................................................. 52

第六章结论与展望 ................................................... 53

参考文献 ............................................................ 55

在读期间公开发表的论文和承担科研项目及取得成果 ...................... 58

致谢 ............................................................ 59

第一章绪论

-1-

第一章绪论

本章主要介绍课题研究的背景、内容及意义，以及课题研究的思路与围绕课

题本文展开的工作。

§1.1 课题研究的背景及意义

世界上各个国家普遍重视脑科学的研究[1]，美国国会在 1989 年率先提出将

1990 年1月1日开始的十年定义为“脑的十年”，并于 1997 年启动了著名的“人

类脑计划”；国际脑研究组织于 1995 年在日本东京提议把 21 世纪称为“脑的世

纪”；英国，德国与法国也相继开展了人脑高级认知功能的研究，并在欧共体成

立了“欧洲脑的十年委员会”及脑研究联盟；日本在上世纪末推出了“脑科学时

代”计划纲要；中国在 2001 年正式成为“人类脑计划”的成员国之一，这标志着

我国神经信息学工作正式启动。随后我国相继开展了一系列的国家重大基础关键

性研究项目。脑科学研究的目的在于了解脑、认识脑、保护脑和创造脑。了解脑

就是说了解脑部的复杂结构与其对应的功能；认识脑是说搞清楚人脑的具体活动

机制；保护脑是说征服各种脑部疾病；创造脑是说设计和开发仿真人脑的计算机

和信息处理系统。对于脑科学的研究，按其研究方法，主要分为解剖学方法，生

理学方法，分子生物学方法和系统生物学方法等。这里特别要提出的是系统

生物学方法，该方法的起源于贝塔朗菲创立的一般系统论，伴随着生物信息学科

的发展、人类基因组计划的成功和神经系统的细胞信号传导与基因表达调控的研

究，系统生物学逐步成为脑科学研究的发展现代趋势。

在脑科学研究范畴中，征服各种脑部疾病是一个非常重要的环节，一般说

来，脑科疾病包括脑血管疾病，颅脑损伤，脑畸形，脑变与脑白质，颅内炎症，

脑寄生虫病，脑萎缩，脑梗塞，脑积水，脑膜疾病等等。这些疾病不但给患者本

人的健康和生活带来了重大的威胁，同时也影响了患者周围的人，包括其亲属和

朋友，站在宏观的角度来看，这些都直接或间接的给我国人民健康水平带来了深

远的影响。不过，如果我们能及早的发现这些疾病，那么对于患者来说，可以认

识自己的健康状态并做好相应的应对措施；对医生来说，方便其进行临床诊断并

患者进行对症下药；从宏观上讲，也提高了我国人民的健康水平。

本课题就是这些背景下产生的。课题研究了一个人脑 CT 医学图像的分类系

统。重点考察了健康脑和非健康脑的 CT 医学图像所表现出来的两种不同的特征，

先通过将 DICOM 格式的标准医学图像转化为我们常用的、简单的 BMP 格式的位

基于小波变换的医学图像特征提取研究

- 2 -

图，然后通过医学图像增强，几何校正，分割，特征提取，以及分类识别几个关

键步骤完成了健康脑和非健康脑的成功分类。具有一定的临床应用价值。图 1-1

是研究人脑 CT 医学图像的框图。

图1-1 CT 人脑医学图像研究结构框图

§1.2 国内外研究现状

事实上，自一百年前伦琴发现 X射线并拍摄人类史上第一张医学图像以来，

医学图像成像技术得到了飞速的发展，并且应用在各个医院与诊所中，为人类的

健康事业做出了卓越的贡献。在这些技术中，计算机断层扫描 CT 技术是其中一项

非常重要的技术。同时，医学图像处理技术也已经发展到很高的水平，特别是 1989

年美国国家医学图书馆发起的 ITK（Insight Segmentation and Registration Toolkit）

项目就是一例，此外，由 GE 公司的 Will Schroeder、Ken Martin 与Bill Lorensen

利用他们闲暇时间开发的 VTK(Visualization Toolkit)也广泛的应用到了医学图像的

研究与开发中来。还有 Intel 公司所创立的 OpenCV(Open Source Computer Vision

Library)，微软公司提供的 VC++(Visual C++)和相应的 MFC（Microsoft Foundation

Classes）也都成为了医学图像处理的利器。下面就医学图像处理的各个环节对国

内外研究现状一一作简要介绍。

增强模块主要讨论如何医学图像降低噪声和如何进行医学图像的灰度插补工

作。如果把医学图像处理比作我们对日常衣服进行处理的话，那么降低噪声就好

比是针对衣服脏了，需要将衣服上的泥土洗洗干净，灰度插补则好比是针对衣服

上破了很多洞，需要对这些洞进行缝缝补补，这两个方面是医学图像增强模块需

要考虑的问题。增强模块中一项基础任务是如何提升我们感兴趣的特征而去除图

像产生，传输以及处理过程中附加带来的噪声，其发展阶段经历了由最初的点处

理，模板处理等空间处理技术到基于 FFT（Fast Fourier Transform）的频率域处理

技术。遗憾的是，这些技术在虽然去噪上一定的实用价值，但是不能很好的保护

图像的边缘。上个世纪八十年代以来，基于小波变换的时频分析法由于其具有多

分辨分析的性质，并得到了广泛的发展。这种算法考虑到了图像噪声和细节在统

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

15 积分 4人已下载

立即下载 VIP免费下载

摘要：

摘要21世纪通常被认为是“脑的世纪”。在脑科学研究中，一项重要的目标是“保护脑”，也就是征服脑的疾病。那么要想征服脑的疾病，首先就得知道患者的脑患有何种疾病，患没患病等等。本文针对正常脑CT医学图像和非健康脑CT医学图像两组图像，设计了一套能够对其进行自动识别软件系统。主要研究内容如下：首先，增强模块中，首先交代了增强和配准同属于预处理并说明预处理的必要性；然后对人脑的CT医学图像进行了直方图均衡增强了CT图片的对比度；接着采用变换域降噪和小波梯度增强相结合的方法，进一步增强了图像的对比度并且去除了干扰噪声；最后以图像分解模型为基础，以边缘及纹理保护为目标，利用ROF分解与小波分析几何的方法增...

展开>> 收起<<

基于小波变换的医学影像特征提取研究.pdf

共62页,预览7页

还剩页未读，继续阅读

基于小波变换的医学影像特征提取研究

相关推荐

开通VIP享超值会员特权

作者详情

相关内容

推荐作者

热门标签

举报选择: