- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
特征形成 根据待识别的图像,通过计算产生一组原始特征,称之为特征形成。 特征提取 原始特征的数量很大,或者说原始样本处于一个高维空间中,通过映射或变换的方法可以将高维空间中的特征描述用低维空间的特征来描述,这个过程就叫特征提取 。 图像特征:指图像的原始特性或属性。其中有些是视觉直接感受到的自然特征,如区域的亮度、边缘的轮廓、纹理或色彩等;有些是需要通过变换或测量才能得到的人为特征,如变换频谱、直方图、矩等。 常用的图像特征有颜色特征、形状特征、幅度特征、纹理特征、变换系数特征、空间特征。 颜色特征 颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征,此时所有属于图像或图像区域的像素都有各自的贡献。由于颜色对图像或图像区域的方向、大小等变化不敏感,所以颜色特征不能很好地捕捉图像中对象的局部特征。 形状特征 人们的视觉系统对于景物认识的初级阶段是形状。图像经过边缘提取与分割等操作,就会得到景物的边缘和区域,也就获取了景物的的形状。任何一个景物形状特征均可由其几何属性(如长短、面积、距离、凹凸等),统计属性(如投影)和拓扑属性(如连通、欧拉数)来进行描述。 1、像素与邻域 对于任意像素(i,j),(s,t)是一对适当的整数,则把像素的集合{(i+s,j+t)}叫做像素(i,j)的邻域. 直观上看,这是像素(i,j)附近的像素形成的区域. 最经常采用的是4-邻域和8-邻域 区域面积是区域的一个基本特性,描述区域的大小。图像中的区域面积用 同一标记的区域内像素的个数总和来表示。 下图中表示了以中心像素为原点的各像素的距离。从离开一个像素的等距离线可以看出,在欧氏距离中大致呈圆形,在棋盘距离中呈方形,在街区距离中呈倾斜45度的正方形。 (12)凹凸性 如图(a)第三行的区域内像素(3,3)与像素(3,8)间的像素值顺次为110001,出现了3个0像素,因此该区域为凹形。图(b)为凸形。 包含任一凹形的最小凸形称为该凹形的凸封闭包。将凸封闭包减去凹形得到凹 形面积。为表示区域的凹特性,可采用凹性率E参数; E=Se/S Se为凹行面积 ,S为区域面积,图(c)为图(a)的凸封闭包,(c)中图像减去(a)中的图像得到图 (d)的结果。 当两像素间位置关系δ选定后,就生成一定δ下的灰度共生矩阵Pδ, 练习:求下面数字图像的四个方向的共生矩阵。 灰度共生矩阵计算结果 超声图像的特征提取与分析 另外,近年来,随着生活水平的提高,饮食结构的变化及预防保健措施的相对滞后,脂肪肝的发病率呈上升趋势,且发病年龄越来越小。2000年美国加利福尼亚太平洋医学中心调查结果显示,成年人中脂肪肝已成为第三大疾病。这就越来越要求对脂肪肝的检查能够及时、准确、定量分析判断。虽然肝活检是目前诊断脂肪肝的金标准,但它是一种创伤性检查,故难以接受。因此,探索一种较为简便可靠的脂肪肝临床诊断方法,对脂肪肝的研究、临床及预防工作具有积极的现实意义。 超声图像的特征提取与分析 一般情况下,脂肪肝可以分为轻度、中度和重度三个等级,它们的B超图像呈现各自不同的特征。多数文献公开研究报告中均注重区分正常肝与脂肪肝或是肝硬化、肝癌等,没有进一步量化脂肪肝的严重程度。超声影像检查是诊断脂肪肝的常用方法,但是由于超声图像与CT和MR等医学图像相比,质量较差、分辨率低等原因,诊断常以定性为主,受主观经验因素影响较大。 首先创建一幅包含两个相互交迭的圆形对象的二进制图像。定义两个圆的圆心和半径。为了产生交迭,半径必须大于两圆心距离的一半。 Center1=-10; Center2=-center1; Dist=sqrt(2*center1)^2); radius=dist/2*1.4; Lims=[floor(center1-1.2*radius) cell(center2+1.2*radius)]; %分别生成下面两个圆形对象的二进制图像 [x,y]=meshgrid(lims(1):lims(2)); Bw1=sqrt((x-center1).^2+(y-center1).^2)=radius; Bw2=sqrt((x-center2).^2+(y-center2).^2)=radius; Bw=bw1|bw2; Subplot(1,2,1),imshow(bw); D=bwdist(bw); Subplot(1,2,2),imshow(D,[]); bwdist 功能:二值图像的距离变换,计算二值图像中每一个设置为Off(数值为0)的像素与其最近非零像素间的距离。 调用格式: D = bwdist(BW) 计算二值图像BW的欧氏距离变换。对BW中的每一个像素,距离变换都指定一个数字,
文档评论(0)