基于邊緣點(diǎn)檢測(cè)特征提取的醫(yī)學(xué)圖像分類方法.pdf

1、隨著各種影像設(shè)備在醫(yī)學(xué)診斷中的廣泛應(yīng)用，醫(yī)學(xué)圖像處理技術(shù)對(duì)醫(yī)學(xué)科研及臨床實(shí)踐的作用和影響日益增大，其結(jié)果使臨床醫(yī)生對(duì)人體內(nèi)部病變部位的觀察更直接、更清晰，確診率也更高。因此，醫(yī)學(xué)圖像處理技術(shù)一直受到國(guó)內(nèi)外有關(guān)專家的高度重視，基于醫(yī)學(xué)影像的計(jì)算機(jī)輔助診斷也迅速發(fā)展起來(lái)。計(jì)算機(jī)輔助診斷可以提高放射科醫(yī)生診斷的準(zhǔn)確率，協(xié)助醫(yī)生對(duì)醫(yī)學(xué)圖像進(jìn)行判斷和識(shí)別。在特征提取的基礎(chǔ)上進(jìn)行模式分類是基于醫(yī)學(xué)影像的計(jì)算機(jī)輔助診斷的重要步驟，所以本文針對(duì)圖像特征

2、提取和分類的問(wèn)題展開(kāi)研究。
　　 針對(duì)處于邊緣上的點(diǎn)能很好地顯示圖像特性的特點(diǎn)，本文提出了一種邊緣點(diǎn)檢測(cè)的方法，旨在簡(jiǎn)化圖像數(shù)據(jù)，找到代表性的點(diǎn)集來(lái)代表圖像。同時(shí)，圖像的邊緣檢測(cè)是圖像處理中的重要方向之一，故本文采用分水嶺算法和模糊C均值聚類相結(jié)合的方法來(lái)找到邊緣點(diǎn)，不僅可以消除分水嶺算法帶來(lái)的過(guò)分割問(wèn)題，還可以解決模糊C均值算法遞歸調(diào)用運(yùn)算速度過(guò)慢的問(wèn)題。實(shí)驗(yàn)表明這種方法取得了很好的效果。
　　 對(duì)于特征提取問(wèn)題，由于

3、特征提取的質(zhì)量是決定分類性能的關(guān)鍵因素，所以選擇一種適當(dāng)?shù)奶卣魈崛》椒ㄖ陵P(guān)重要。描述圖像特征的方法有很多種，如顏色特征、紋理特征、形狀特征等。因?yàn)檫吘夵c(diǎn)具有方向性，較其他方法能夠更準(zhǔn)確地描述圖像特征，所以本文采用邊緣點(diǎn)鄰域方向測(cè)度的方法對(duì)圖像進(jìn)行特征提取。
　　 對(duì)于圖像分類問(wèn)題，本文將支持向量機(jī)的機(jī)器學(xué)習(xí)方法引入其中。分析了支持向量機(jī)的理論基礎(chǔ)和數(shù)學(xué)模型，特別是支持向量機(jī)的推廣能力和核函數(shù)理論，在此基礎(chǔ)上應(yīng)用支持向量機(jī)方法、采