基于紋理的醫(yī)學(xué)圖像聚類技術(shù)研究.pdf

1、現(xiàn)有的圖像聚類算法,其最大問題是低層特征與高層語義之間的“語義鴻溝”,本文采用新的特征提取方法以及與特征提取相匹配的聚類算法來解決此問題。本文針對以上問題提出了如下的解決方案:
　　首先醫(yī)學(xué)圖像聚類算法的研究是面向特殊領(lǐng)域圖像挖掘的重要組成部分。由于存在很多技術(shù)方面的問題,使得這個(gè)方向的研究非常具有挑戰(zhàn)性。本文在領(lǐng)域知識(shí)指導(dǎo)下,提出了基于紋理相似度的醫(yī)學(xué)圖像聚類算法。該算法首先通過沿著圖像的紋理建立命中圖來得到命中率,然后在命中圖

2、范圍內(nèi)的紋理計(jì)算角度差?；谏鲜鰞蓚€(gè)特征屬性,本文提出了醫(yī)學(xué)圖像的相似度度量方法,并且提出了MICCS聚類方法和基于最小生成樹的MCST算法。
　　其次已有的聚類算法對數(shù)據(jù)對象的形狀和密度有要求,應(yīng)用到醫(yī)學(xué)圖像聚類方面不能取得很好的結(jié)果。針對以上問題,本文首先對圖像進(jìn)行了紋理檢測,提出了面向紋理的T-LBP方法,然后對預(yù)處理之后的圖像進(jìn)行了空間劃分,并對每個(gè)空間內(nèi)的紋理求取LBP值,建立按空間序列排序的LBP直方圖,最后,以LBP