醫(yī)學(xué)圖像處理與檢索技術(shù)的研究.pdf

1、近年，醫(yī)學(xué)影像技術(shù)得到廣泛應(yīng)用，醫(yī)學(xué)影像設(shè)備快速發(fā)展，由此產(chǎn)生了大量的醫(yī)學(xué)圖像信息，如何有效地、快速地從大規(guī)模圖像數(shù)據(jù)庫中檢索出目標(biāo)圖像是目前需要解決的問題。信息早已不拘泥于簡單的文本形式，出現(xiàn)了大量的圖像、圖形、視頻、音頻及動畫等，因此基于內(nèi)容的多媒體檢索應(yīng)運而生。基于內(nèi)容的圖像檢索技術(shù)也不斷的在醫(yī)學(xué)領(lǐng)域應(yīng)用，在臨床、教學(xué)、科研以及醫(yī)學(xué)圖像歸檔和通信系統(tǒng)(PACS)中都有著重要的作用。如何將圖像檢索技術(shù)更好地應(yīng)用在醫(yī)學(xué)圖像檢索領(lǐng)域，為

2、醫(yī)師提供便捷準(zhǔn)確地檢索圖像的手段，并為其診斷提供輔助的建議，是本文的研究目標(biāo)。
　　本文圍繞醫(yī)學(xué)圖像分割、特征提取與表示、圖像匹配和索引技術(shù)以及相關(guān)反饋技術(shù)等圖像處理和檢索關(guān)鍵技術(shù)進(jìn)行了研究。在圖像分割方面，提出了一種基于Canny邊緣檢測的PCNN圖像分割方法;在圖像特征提取技術(shù)中，主要做了兩方面的工作。在傳統(tǒng)的灰度直方圖特征提取技術(shù)的基礎(chǔ)上，提出了自適應(yīng)加權(quán)的改進(jìn)灰度直方圖方法，并用實驗證明該方法能把圖像重要的部分特征加強(qiáng)，更

3、便于相似度的計算;將圖像分割技術(shù)應(yīng)用到圖像特征提取中，幫助醫(yī)生在復(fù)雜的醫(yī)學(xué)圖像中找到感興趣的圖像特征。在圖像索引技術(shù)中，將人工神經(jīng)網(wǎng)絡(luò)的BP算法應(yīng)用到圖像分類中，對圖像進(jìn)行聚類，并提出了一種基于圖像分割的擴(kuò)散匹配算法;在相關(guān)反饋方面，本文將粗糙集和支持向量機(jī)結(jié)合，引入相關(guān)反饋技術(shù)對圖像進(jìn)行檢索，提出了改進(jìn)的粗糙集與SVM圖像檢索的相關(guān)反饋算法。利用粗糙集處理大數(shù)據(jù)量，消除冗余信息等方面的優(yōu)勢，減少SVM的訓(xùn)練數(shù)據(jù)，不但提高SVM的分類能