【医学论文】基于灰度共生矩阵提取纹理特征的医学图像检索技术的研究与应用

《【医学论文】基于灰度共生矩阵提取纹理特征的医学图像检索技术的研究与应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、【医学论文】基于灰度共生矩阵提取纹理特征的医学图像检索技术的研究与应用 摘要：随着信息技术在医院的普及，积累了大量病人的影像数据,这些数据是医生进行临床诊断、病情跟踪、手术计划、研究、鉴别诊断的重要客观依据。本课题选用灰度共生矩阵对图像纹理特征进行提取，利用像素对之间的方向和距离参数构造共生矩阵，然后从矩阵中提取能量、熵等有意义的统计量来表示纹理特征，从而建立一个医学图像检索系统，有效提高医学图像的利用率。 关键词：基于内容的图像检索；特征提取；相似性度量；纹理；灰度共生矩阵 近年来，随着计算机、网络、通讯技术的不断发展和其相关应用的迅速普及，数字信息的数量和种类快速膨胀，各个领域的数字

2、图像数据大量产生。如何快速、准确地从海量的图像数据库中查找到用户感兴趣的图像成为一个迫切需要解决的问题。 　　　具体到医学领域，医学图像也成为临床疾病诊断不可缺少的最重要的手段之一。随着医学图像数量的急剧增长，医学工作者和相关科研人员如何从众多的图像中快速、准确地找到所需要的图像成为亟待解决的重点和难点问题。 一、课题研究简述 　　　基于内容的图像检索，简单说就是通过图像特征的比对，检索到特征相同或者相似的图像。图像特征是指图像的原始特征或属性。 　　　在医学图像检索过程中，根据不同的应用选取合适的查询机制，第一，在查询接口用户根据病灶特征描述、病理描述、姓名、病历编号等文本信息进行

3、查询，属于基于文本的检索；第二，可以直接根据示例图像进行查询，属于基于内容的检索。在根据示例图像进行查询时，对查询接口传来的查询请求转化为对图像内容的描述，即对图像进行特征分析和提取（颜色，纹理，形状，空间等底层特征）。 　　　在本系统中，用户通过窗口界面，录入病历文本信息到病例库，上传图像信息。可以通过病历的文本信息：病历编号对病历进行文本检索。上传图像后，系统提取图像的纹理特征，与特征库中的特征进行相似匹配，检索出纹理特征相同或者形似度高的纹理特征，再到图像库中找到相应图像。这部分属于基于内容的图像检索技术。文本检索是我们应用娴熟、且检索速度很好的检索方式，尽可能的使用文本检索可以很大

4、程度上提高系统的工作效率。因此，本系统也采用了文本检索方法处理文本信息。 　　　本课题研究重点是基于内容的图像检索，主要工作是：对图像进行预处理，使我们能更好的提取图像的灰度层，提取特征值，进行特征值的相似匹配。 二、医学图像检索系统的基本框架 　　　将该框架的4个功能模块：用户查询与人机交互模块、内容分析与提取模块、相似性度量与索引模块和数据存储模块。本系统架构图如图2.1所示。 图2.1医学图像检索系统架构 三、纹理特征提取的方法——灰度共生矩阵 　　　由于纹理是由灰度分布在空间位置上反复出现而形成的，因而在图像空间中相隔某距离的两象素之间会存在一定的灰度关系，即图像中灰度的

5、空间相关特性。灰度共生矩阵就是一种通过研究灰度的空间相关特性来描述纹理的常用方法。灰度共生矩阵是对图像上保持某距离的两象素分别具有某灰度的状况进行统计得到的。 　　取图像(N×N)中任意一点（x，y）及偏离它的另一点（x+a，y+b），设该点对的灰度值为（g1，g2）。令点（x，y）在整个画面上移动，则会得到各种（g1，g2）值，设灰度值的级数为k，则（g1，g2）的组合共有k的平方种。对于整个画面，统计出每一种（g1，g2）值出现的次数，然后排列成一个方阵，再用（g1，g2）出现的总次数将它们归一化为出现的概率P（g1，g2），这样的方阵称为灰度共生矩阵。距离差分值（a，b）取不同的数值

6、组合，可以得到不同情况下的联合概率矩阵。（a，b）取值要根据纹理周期分布的特性来选择，对于较细的纹理，选取（1，0）、（1，1）、（2，0）等小的差分值。 　　当a=1，b=0时，像素对是水平的，即0度扫描；当a=0，b=1时，像素对是垂直的，即90度扫描；当a=1，b=1时，像素对是右对角线的，即45度扫描；当a=-1，b=1时，像素对是左对角线，即135度扫描。 　　这样，两个象素灰度级同时发生的概率，就将（x，y）的空间坐标转化为“灰度对”（g1，g2）的描述，形成了灰度共生矩阵。 设是一张数字二维图像，大小,灰度级Ng，则满足空间灰度共生矩阵是： (式3.1) 　　　这里，

7、#（x）是元素在集合x的数量表示，分母是总像素对数，之后得到归一化P的结果。通常可以用一些标量来表征灰度共生矩阵的特征： （1）能量 　　如果灰度共生矩阵中的值集中在某一块（比如对连续灰度值图像，值集中在对角线；对结构化的图像，值集中在偏离对角线的位置），则ASM有较大值，若G中的值分布较均匀（如噪声严重的图像），则ASM有较小的值。 　　能量：反映了图像灰度分布均匀程度和纹理粗细度。粗纹理越多则图像能