论文部分内容阅读
医学影像学的计算机智能化诊断是所有医学图像处理和分析领域的重点和难点,要实现医学图像上病变区域的检出首先应实现对正常人图像的计算机描述,数字化统计图谱是目前为大家普遍接受的正常人图像特征计算机描述方法。根据现有类型图谱在描述正常人图像特征方面的不足,李传富等提出一种基于小波特征向量的、用于描述图像纹理特征的数字化统计图谱,即小波特征向量图谱,以期实现对正常人图像各类特征的全面描述。
作为此项研究的基础,本文以颅脑CT图像为研究对象,针对CT图像的具体特征,围绕小波特征向量的构造及其特征,以及小波特征向量在医学图像特征点匹配方面的价值进行了深入研究。
首先,本文结合图像纹理以及小波变换的背景知识,在算法上实现小波特征向量的构造方法。在此基础上,对小波特征向量的唯一性和旋转不变性进行研究,实验结果表明,通过这种构造方法得到的小波特征向量,具有良好的唯一性和旋转不变性。
然后根据小波特征向量具有唯一性的特点,提出了将小波特征向量应用于颅脑CT图像特征点自动匹配的算法。实验结果表明,小波特征向量特征点的自动匹配算法能基本实现纹理相似的对应点之间的自动匹配,并且具有较高的准确率。同时,以特征点自动匹配效果为依据,本文对小波特征向量和未进行小波变换而直接提取的特征向量(RIA向量)进行比较,实验结果表明,小波特征向量在表征像素点周围纹理特征方面具有明显的优势。
此外,本文以特征点自动匹配效果为依据,对影响小波特征向量结构的各个参数进行了研究比较,再根据这些研究结果,对小波特征向量的结构进行优化,确定小波特征向量的最优参数。
通过上述研究,为进一步实现基于小波特征向量的数字化图谱创建奠定了基础,为进一步的颅脑CT病变的自动化检出研究创造了条件。