- 相關(guān)推薦
基于灰度共生矩陣提取紋理特征的醫(yī)學(xué)圖像檢索技術(shù)的研究與應(yīng)用
引導(dǎo)語：近年來，隨著計(jì)算機(jī)、網(wǎng)絡(luò)、通訊技術(shù)的不斷發(fā)展和其相關(guān)應(yīng)用的迅速普及，數(shù)字信息的數(shù)量和種類快速膨脹，各個(gè)領(lǐng)域的數(shù)字圖像數(shù)據(jù)大量產(chǎn)生。以下是YJBYS的小編為大家找到的基于灰度共生矩陣提取紋理特征的醫(yī)學(xué)圖像檢索技術(shù)的研究與應(yīng)用。希望能夠幫助到大家!
摘要：隨著信息技術(shù)在醫(yī)院的普及，積累了大量病人的影像數(shù)據(jù),這些數(shù)據(jù)是醫(yī)生進(jìn)行臨床診斷、病情跟蹤、手術(shù)計(jì)劃、研究、鑒別診斷的重要客觀依據(jù)。本課題選用灰度共生矩陣對(duì)圖像紋理特征進(jìn)行提取，利用像素對(duì)之間的方向和距離參數(shù)構(gòu)造共生矩陣，然后從矩陣中提取能量、熵等有意義的統(tǒng)計(jì)量來表示紋理特征，從而建立一個(gè)醫(yī)學(xué)圖像檢索系統(tǒng)，有效提高醫(yī)學(xué)圖像的利用率。
關(guān)鍵詞：基于內(nèi)容的圖像檢索;特征提取;相似性度量;紋理;灰度共生矩陣
近年來，隨著計(jì)算機(jī)、網(wǎng)絡(luò)、通訊技術(shù)的不斷發(fā)展和其相關(guān)應(yīng)用的迅速普及，數(shù)字信息的數(shù)量和種類快速膨脹，各個(gè)領(lǐng)域的數(shù)字圖像數(shù)據(jù)大量產(chǎn)生。如何快速、準(zhǔn)確地從海量的圖像數(shù)據(jù)庫(kù)中查找到用戶感興趣的圖像成為一個(gè)迫切需要解決的問題。
具體到醫(yī)學(xué)領(lǐng)域，醫(yī)學(xué)圖像也成為臨床疾病診斷不可缺少的最重要的手段之一。隨著醫(yī)學(xué)圖像數(shù)量的急劇增長(zhǎng)，醫(yī)學(xué)工作者和相關(guān)科研人員如何從眾多的圖像中快速、準(zhǔn)確地找到所需要的圖像成為亟待解決的重點(diǎn)和難點(diǎn)問題。
一、課題研究簡(jiǎn)述
基于內(nèi)容的圖像檢索，簡(jiǎn)單說就是通過圖像特征的比對(duì)，檢索到特征相同或者相似的圖像。圖像特征是指圖像的原始特征或?qū)傩浴?/p>
在醫(yī)學(xué)圖像檢索過程中，根據(jù)不同的應(yīng)用選取合適的查詢機(jī)制，第一，在查詢接口用戶根據(jù)病灶特征描述、病理描述、姓名、病歷編號(hào)等文本信息進(jìn)行查詢，屬于基于文本的檢索;第二，可以直接根據(jù)示例圖像進(jìn)行查詢，屬于基于內(nèi)容的檢索。在根據(jù)示例圖像進(jìn)行查詢時(shí)，對(duì)查詢接口傳來的查詢請(qǐng)求轉(zhuǎn)化為對(duì)圖像內(nèi)容的描述，即對(duì)圖像進(jìn)行特征分析和提取(顏色，紋理，形狀，空間等底層特征)。
在本系統(tǒng)中，用戶通過窗口界面，錄入病歷文本信息到病例庫(kù)，上傳圖像信息�？梢酝ㄟ^病歷的文本信息：病歷編號(hào)對(duì)病歷進(jìn)行文本檢索。上傳圖像后，系統(tǒng)提取圖像的紋理特征，與特征庫(kù)中的特征進(jìn)行相似匹配，檢索出紋理特征相同或者形似度高的紋理特征，再到圖像庫(kù)中找到相應(yīng)圖像。這部分屬于基于內(nèi)容的圖像檢索技術(shù)。文本檢索是我們應(yīng)用嫻熟、且檢索速度很好的檢索方式，盡可能的使用文本檢索可以很大程度上提高系統(tǒng)的工作效率。因此，本系統(tǒng)也采用了文本檢索方法處理文本信息。
本課題研究重點(diǎn)是基于內(nèi)容的圖像檢索，主要工作是：對(duì)圖像進(jìn)行預(yù)處理，使我們能更好的提取圖像的灰度層，提取特征值，進(jìn)行特征值的相似匹配。
二、醫(yī)學(xué)圖像檢索系統(tǒng)的基本框架
將該框架的4個(gè)功能模塊：用戶查詢與人機(jī)交互模塊、內(nèi)容分析與提取模塊、相似性度量與索引模塊和數(shù)據(jù)存儲(chǔ)模塊。
三、紋理特征提取的方法——灰度共生矩陣
由于紋理是由灰度分布在空間位置上反復(fù)出現(xiàn)而形成的，因而在圖像空間中相隔某距離的兩象素之間會(huì)存在一定的灰度關(guān)系，即圖像中灰度的空間相關(guān)特性�；叶裙采仃嚲褪且环N通過研究灰度的空間相關(guān)特性來描述紋理的常用方法。 灰度共生矩陣是對(duì)圖像上保持某距離的兩象素分別具有某灰度的狀況進(jìn)行統(tǒng)計(jì)得到的。
取圖像(N×N)中任意一點(diǎn) (x，y)及偏離它的另一點(diǎn) (x+a，y+b)，設(shè)該點(diǎn)對(duì)的灰度值為 (g1，g2)。令點(diǎn)(x，y) 在整個(gè)畫面上移動(dòng)，則會(huì)得到各種 (g1，g2)值，設(shè)灰度值的級(jí)數(shù)為 k，則(g1，g2) 的組合共有 k 的平方種。對(duì)于整個(gè)畫面，統(tǒng)計(jì)出每一種 (g1，g2)值出現(xiàn)的次數(shù)，然后排列成一個(gè)方陣，再用(g1，g2) 出現(xiàn)的總次數(shù)將它們歸一化為出現(xiàn)的概率P(g1，g2) ，這樣的方陣稱為灰度共生矩陣。距離差分值(a，b) 取不同的數(shù)值組合，可以得到不同情況下的聯(lián)合概率矩陣。(a，b) 取值要根據(jù)紋理周期分布的特性來選擇，對(duì)于較細(xì)的紋理，選取(1，0)、(1，1)、(2，0)等小的差分值。
當(dāng) a=1，b=0時(shí)，像素對(duì)是水平的，即0度掃描;當(dāng)a=0，b=1 時(shí)，像素對(duì)是垂直的，即90度掃描;當(dāng) a=1，b=1時(shí)，像素對(duì)是右對(duì)角線的，即45度掃描;當(dāng) a=-1，b=1時(shí)，像素對(duì)是左對(duì)角線，即135度掃描。
這樣，兩個(gè)象素灰度級(jí)同時(shí)發(fā)生的概率，就將 (x，y)的空間坐標(biāo)轉(zhuǎn)化為“灰度對(duì)” (g1，g2)的描述，形成了灰度共生矩陣。
(1)能量
如果灰度共生矩陣中的值集中在某一塊(比如對(duì)連續(xù)灰度值圖像，值集中在對(duì)角線;對(duì)結(jié)構(gòu)化的圖像，值集中在偏離對(duì)角線的位置)，則ASM有較大值，若G中的值分布較均勻(如噪聲嚴(yán)重的圖像)，則ASM有較小的值。
能量：反映了圖像灰度分布均勻程度和紋理粗細(xì)度。粗紋理越多則圖像能量值越大，反之則越小。
(2)熵
若灰度共生矩陣值分布均勻，也即圖像近于隨機(jī)或噪聲很大，熵會(huì)有較大值。
熵：反映了圖像中紋理的非均勻程度或復(fù)雜程度，是對(duì)圖像中信息量多少的一種度量。圖像中紋理量越多，熵越大，反之則越小。
(3)相關(guān)性
相關(guān)性：是對(duì)圖像局部灰度值的相關(guān)性的一種度量，反映了紋理的一致性。
(4)慣性矩
如果偏離對(duì)角線的元素有較大值，即圖像亮度值變化很快，則CON會(huì)有較大取值，這也符合對(duì)比度的定義。
慣性矩：反映了圖像的清晰程度和紋理溝紋深淺的程度。紋理越深，慣性矩值越大，反之則越小。
(5)局部平穩(wěn)性
局部平穩(wěn)性：反映圖像紋理的同質(zhì)性，度量圖像紋理局部變化的多少。局部平穩(wěn)的值大則說明圖像紋理的不同區(qū)域間缺少變化，局部均勻。最后，可以用一個(gè)向量將以上特征綜合在一起。綜合后的向量就可以看做是對(duì)圖像紋理的一種描述，可以進(jìn)一步用來分類、識(shí)別、檢索等。
利用灰度共生矩陣提取圖像紋理特征的流程是：在對(duì)圖像進(jìn)行預(yù)處理后，提取圖像的灰度層，考慮到計(jì)算效率及醫(yī)學(xué)圖像的紋理特征，選定灰度級(jí)為8。距離為5，從0°,45°,90°,135°四個(gè)方向構(gòu)造8*8的灰度共生矩陣�；叶葘庸采仃嚲褪敲枋鲈趻呙璺较�(0°,45°,90°,135°方向)上，相隔5像元的一對(duì)像元，分別具有灰度層i和j的出現(xiàn)概率。通過灰度共生矩陣得到圖像的特征值：能量，熵，慣性矩，相關(guān)性，局部穩(wěn)定性。在四個(gè)方向上分別得到5個(gè)特征的四種值，將它們綜合為一個(gè)向量，這個(gè)向量可以看作是對(duì)圖像紋理的一種描述，可以進(jìn)一步用來分類、識(shí)別、檢索等。
圖像特征值的相似度比較
1、借助OpenCV工具包編程實(shí)現(xiàn)馬氏距離;
2、編程實(shí)現(xiàn)待檢索圖像和數(shù)據(jù)庫(kù)中的圖像的相似性度量;
3、編程實(shí)現(xiàn)待檢索圖像與數(shù)據(jù)庫(kù)中最相似的6幅圖像按相似程度排序，并顯示出最相似的6幅圖像。
四、實(shí)驗(yàn)分析
單純采用灰度共生矩陣提取圖像紋理特征的方法進(jìn)行檢索，如下情況：
第一幅圖像作為示例，檢索結(jié)果中會(huì)出現(xiàn)第二、三幅圖像，因?yàn)槿鶊D像的灰度共生矩陣提取特征值很相近。系統(tǒng)利用了檢索過濾技術(shù)，首先能減少系統(tǒng)計(jì)算量，同時(shí)也能避免部分干擾結(jié)果(類似第二幅圖像)。這樣做提高了一定的檢索效率，但仍可能出現(xiàn)類似第三幅圖像的干擾結(jié)果。
參考文獻(xiàn)
[1] 王海霞.基于紋理特征的圖像檢索技術(shù)研究[D].碩士論文.燕山大學(xué).(2006)
[2] 董衛(wèi)軍，周明全，耿國(guó)華.基于紋理形狀特征的圖像檢索技術(shù)[J].計(jì)算機(jī)工程與應(yīng)用，2004，(24)：9-11
【基于灰度共生矩陣提取紋理特征的醫(yī)學(xué)圖像檢索技術(shù)的研究與應(yīng)用】相關(guān)文章：
圖像紋理特征的分析方法研究03-07
基于顏色特征的藏毯圖像檢索研究與實(shí)現(xiàn)03-21
基于內(nèi)容的圖像檢索研究11-20
基于內(nèi)容的模糊圖像檢索技術(shù)研究03-18
彩色圖像特征提取研究(一)03-07
基于視覺注意力模型的圖像檢索的研究11-22
基于圖像的OMR技術(shù)的實(shí)現(xiàn)03-07
玉米種子圖像形態(tài)特征的提取03-07