基于Mean Shift的胃鏡圖像分析方法研究.pdf

1、胃鏡檢查是當(dāng)前胃癌檢測(cè)主要手段，計(jì)算機(jī)輔助胃鏡圖像分析有助于提高胃鏡檢查的準(zhǔn)確率。本文主要針對(duì)電子胃鏡圖像分析方法進(jìn)行研究。
　　 首先設(shè)計(jì)了電子胃鏡影像數(shù)據(jù)庫，在此基礎(chǔ)上，對(duì)胃鏡圖像在RGB、HSV、YCbCr 顏色空間分布，利用直方圖進(jìn)行分析。發(fā)現(xiàn)RGB 顏色空間的分布最為均勻分散，較為適合圖像分割；YCbCr 顏色空間分布較為聚集，有利于在圖像特征提取時(shí)降低特征向量維數(shù)。然后進(jìn)行預(yù)處理，選擇固定模板提取胃鏡圖像感興趣區(qū)域(

2、Region of Interest，ROI)和HSV顏色空間閾值方法初步消除反光區(qū)域。接著，采用全自動(dòng)的Mean Shift分割算法，對(duì)胃鏡圖像進(jìn)行初步分割。在此形成的區(qū)域上提取YCbCr 三維直方圖作為顏色特征向量。同時(shí)，根據(jù)胃鏡圖像多尺度、旋轉(zhuǎn)不變、內(nèi)容復(fù)雜的特點(diǎn)，選擇了Color Wavelet Covariance（CWC）方法作為紋理特征提取的算法。針對(duì)CWC算法計(jì)算灰度共生矩陣(Gray LevelCo-occurrenc

3、e Matrix，GLCM)步驟時(shí)間消耗較大的問題，利用Mean Shift思想對(duì)灰度共生矩陣計(jì)算進(jìn)行改進(jìn)，提出了基于Mean Shift的灰度共生矩陣計(jì)算算法（Mean Shift-Gray Level Co-occurrence Matrix，MS-GLCM），從計(jì)算時(shí)間、調(diào)用次數(shù)、信息冗余等方面提高了灰度共生矩陣計(jì)算的性能，并在CWC算法中得到應(yīng)用和檢驗(yàn)。最后，經(jīng)過感知器算法和Adaboost算法的比較試驗(yàn)后，采用Adaboost