论文部分内容阅读
X射线诊断是重要的放射诊断依据之一。胸腔由于包含了人体很多重要器官,所以x线胸片的诊断占所有放射线影像诊断的40%以上。然而x线胸片图像质量存在很大缺陷,如对比度低,器官重叠,边界模糊等,严重影响了X线胸片的临床价值。因此,X线胸片图像处理技术有着重要的医学价值和应用意义。本文主要从四个方面对X线胸片图像处理技术进行研究:x线胸片图像的增强与预处理,X线胸片图像的分割,x线胸片图像纹理特征提取以及x线胸片图像的分类。x线胸片图像预处理部分实现了对X线胸片图像的直方图均衡化、中值滤波和形态学滤波,提升图像整体的对比度,降低噪声影响。在增强部分对图像进行了高斯-拉普拉斯金字塔增强,很大程度上提高了x线胸片图像的质量。X线胸片图像分割部分主要实现了肺部轮廓的分割。这里采用了阈值分割法、导数分割法和主动形状模型ASM分割方法。阈值分割运用了Otsu法使得图像直方图类间方差最大来确定最佳阈值,实验结果表明经过增强的图像使用阈值法分割效果较好。导数分割法首先划分出肺部轮廓所占据的大致区域,然后通过局部灰度一阶导数的最值确定了肺部轮廓点。该方法对轮廓边缘判断准确,但对噪声敏感,要求准确的自动划分出肺部轮廓所占区域。主动形状模型ASM分割法通过标记训练集,对齐训练集,获取训练集轮廓的局部灰度统计信息,在具体图像分割中,根据训练结果首先得出目标初始轮廓,然后通过目标初始轮廓的局部灰度统计信息与训练集的局部灰度统计信息之间的距离迭代调整初始轮廓位置,最后得到目标的最终轮廓。该方法取得了良好的分割效果。x线胸片图像纹理特征提取部分以增强和分割的结果为基础选择提取了图像的分形和小波特征。在提取分形特征时,首先对图形进行变换得到一系列细节子图形,然后对细节图像进行分形特征的提取。小波特征的提取方法这里采用四层小波分解,求取分解后各子图像的灰度均值和方差作为小波特征。这里的分形和小波特征都突出了图像的细节信息。X线胸片图像的分类主要完成正常x线胸片和肺癌X线胸片的区分。利用已得到的分形与小波特征,采取支持向量机SVM的方法进行特征分类。最后交叉验证分类的准确性。从实验结果数据来看,分形特征的分类效果要更好一些。最后实现了一个x线胸片图像处理系统,系统可以完成对X线胸片图像进行增强,直方图均衡化和阈值分割等操作。本文X线胸片图像处理各个步骤结果良好,每一部分成果都可单独拿出应用于实际。本课题最的最终目的图像分类的工作也较好的完成,但算法都有继续改进的余地。