基于directionlet和稀疏表示的乳腺x线图像增强和检测

《基于directionlet和稀疏表示的乳腺x线图像增强和检测》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、西安电子科技大学学位论文独创性(或创新性)声明秉承学校严谨的学分和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切的法律责任。本人签名：丕马关于论文使用授权的说明本

2、人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文：学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后结合学位论文研究课题再攥写的文章一律署名单位为西安电子科技大学。(保密的论文在解密后遵守此规定)本学位论文属于保密，在一年解密后适用本授权书。本人签名：召萄新虢越日期塑!三：!：兰!摘要乳腺癌是女性中常见且高发的恶性肿瘤病之一，

3、严重影响妇女身心健康甚至危及生命。乳腺图像增强和检测是乳腺癌自动检测系统的两个主要步骤，其中，乳腺图像增强可以有效地突出图像中病变区域的特征，同时抑制图像中的噪声信息，提高图像的可读性，为医生提供更为可靠的诊断数据；而乳腺图像中肿块的自动检测通过学习肿块的病理特征，使用滑动窗来实现对图像中肿块区域的检测，并为医生标记出图像中的可疑区域，使医生能够将主要精力投入到可疑区域的诊断中，进一步减轻医生的负担，更好地辅助医生进行疾病诊断。本文深入研究了DirectionIet变换方法以及稀疏表示理论，并将其

4、应用在乳腺X线图像的增强和检测工作中。主要工作概括如下：第一，通过构建非下采样Directionlet滤波器实现对图像的三层频域分解，基于频域系数之间的相关性提出了一种乳腺X线图像增强算法，在抑制图像噪声的同时增强了图像的边缘；第二，通过提取感兴趣区域的灰度特征和方向直方图特征(Histo掣锄ofOrientedGradient，HOG)构建代表肿块区域特征的字典，再使用滑动窗口来扫描待检测图像，使用稀疏分类器实现对乳腺图像的检测，并对可疑区域进行标记。实验结果表明本文所提出的增强方法能够有效地增

5、强图像中病变区域的特征，提高图像的对比度；本文提出的乳腺肿块检测方法能够较好地检测出图像中的肿块区域，是一种快速有效的检测方法。关键词：非下采样Directi仰Iet变换稀疏分类器方向梯度直方图ABSTRACTⅢBreastcancerisoneofthemostcommonandhigh-riskmalignanttumordise嬲es锄ongwomen，seriouslyafl’ectingthewomen’shealm锄deVentIlreateningtheirIife．Thebreas

6、tcancerCAD(ComputerAidedDetection，CAD)systemconsistsof押opans：mammographyenhancementanddetection．M锄mo卿hyenhancementcoulde￡’ectiVelyenh跏cethecontraStoflesionareaandsuppressthenoise，pr0Vidingmorereliablediagnosisdatafordoctor．M砌mogr印hydetectionfirstIystu

7、dymepathologicfeaturesanduseslidingwindowtodetecttIlem舔sa心a，thenlabeIthesuspiciousareas，whichc锄assistthedoctort0dia印osetllediseasemoree豁iIy锄dexactly．111ispaperdelVesinto廿letheoDrofdirectionlettrallsfIo册andSparSerepresentation，锄dthen印pliesthemintotheen

8、h锄cementanddetectionalgorithm．ThemaincontentSofthethesis棚陀summarizedasf10nows：t}ledirectionletdecompositionisachieVedbydesigningofundecimatedscheme．Consideringthecorrelationoft11efkquencycoefbcients，anewimagedenoisingandenhancingalgorithmispro