X射線透視成像目標(biāo)提取與識別方法研究.pdf

1、X射線透視成像技術(shù)已經(jīng)被廣泛應(yīng)用于醫(yī)療、工業(yè)生產(chǎn)與制造、公共安全和食品安全等領(lǐng)域，隨著計(jì)算機(jī)技術(shù)與硬件設(shè)備的發(fā)展，X射線圖像處理已成為一個研究熱點(diǎn)。本文主要研究兩類X射線透視成像圖像:心臟血管造影圖像和安檢儀圖像，應(yīng)用稀疏表示、字典學(xué)習(xí)和視覺詞包等方法，對其進(jìn)行目標(biāo)提取與識別。論文主要研究成果及創(chuàng)新點(diǎn)為:
　　(1)針對心臟血管造影圖像中細(xì)小血管區(qū)域?qū)Ρ榷炔?，難以辨認(rèn)等問題，提出一種基于多字典與稀疏表示的血管增強(qiáng)算法。該算法先在訓(xùn)

2、練數(shù)據(jù)集上使用血管圖像生成稀疏表示字典(Representation Dictionary RD)，同時使用對應(yīng)的血管區(qū)域手工提取結(jié)果二值圖像生成增強(qiáng)字典(Enhancement Dictionary ED)，并根據(jù)ED字典單個原子中血管區(qū)域所占比例對RD和ED進(jìn)行優(yōu)化。在對測試數(shù)據(jù)集圖像進(jìn)行血管區(qū)域增強(qiáng)時，使用RD字典和正交匹配追蹤算法(Orthogonal Matching Pursuit OMP)求解得到待增強(qiáng)圖像中每個小塊的稀疏

3、解，再使用ED字典進(jìn)行重建，得到增強(qiáng)后的圖像，并使用灰度拉伸的方法，得到最終增強(qiáng)后血管圖像。該算法不僅可以提高血管圖像感興趣區(qū)域的對比度，且能完善細(xì)小血管結(jié)構(gòu)，增強(qiáng)細(xì)節(jié)信息，文中實(shí)驗(yàn)部分還將其應(yīng)用于視網(wǎng)膜血管圖像增強(qiáng)中。
　　(2)為了實(shí)現(xiàn)血管區(qū)域自動提取，改善血管區(qū)域提取精度，本文提出了一種基于稀疏表示與字典學(xué)習(xí)的血管提取算法。在使用訓(xùn)練數(shù)據(jù)集生成分割字典時，先通過手工分割的方法提取得到訓(xùn)練數(shù)據(jù)集中所有血管區(qū)域（記為mask），

4、根據(jù)mask信息生成分割字典集，將字典集中每個原子加入標(biāo)簽信息和字典中心點(diǎn)位置信息，再使用字典學(xué)習(xí)的方法，得到分割字典集。測試集血管圖像進(jìn)行分割時，根據(jù)小塊所在位置信息，從分割字典集中選取部分字典，使用稀疏表示的方法求取稀疏解，并通過標(biāo)簽信息，判斷小塊是否為血管區(qū)域，最終實(shí)現(xiàn)血管區(qū)域自動提取。實(shí)驗(yàn)結(jié)果表明通過該算法提取得到的血管區(qū)域，其結(jié)構(gòu)完整，提取精度高，與血管增強(qiáng)類似，同樣將其應(yīng)用于視網(wǎng)膜血管圖像血管區(qū)域提取中。
　　(3)針

5、對另一類X射線透視成像圖像——安檢儀圖像，提取圖像中管制刀具、危險品等目標(biāo)所在區(qū)域。本文提出了一種非局部活動輪廓模型目標(biāo)提取算法，該算法使用非局部的方法計(jì)算輸入圖像的融合Gabor特征圖，并引入水平集的方法，對圖像中目標(biāo)進(jìn)行提取。實(shí)驗(yàn)結(jié)果表明，通過該算法提取得到的目標(biāo)區(qū)域結(jié)構(gòu)完整，輪廓信息與實(shí)際信息更加接近，且對初始化輪廓線不敏感，文中還將該算法應(yīng)用于肝臟CT圖像腫瘤目標(biāo)區(qū)域提取中。
　　(4)針對安檢儀圖像中不同類別目標(biāo)識別難度

6、大，準(zhǔn)確率低等問題，本文提出了一種基于視覺詞包和稀疏表示的安檢儀圖像目標(biāo)識別方法。該方法分為識別字典生成部分和測試集圖像識別部分，其主要將視覺詞包與稀疏表示相結(jié)合，對安檢儀圖像中目標(biāo)進(jìn)行識別。識別字典生成部分主要通過SURF(Speeded Up Robust Features)算子提取得到視覺單詞，并根據(jù)視覺單詞出現(xiàn)的頻率進(jìn)行篩選，去除不同目標(biāo)共有的特征和噪聲帶來的影響，再使用k-means級聯(lián)聚類的方法生成視覺詞包，最終得到帶有標(biāo)簽