多分辨率分析下脑MR图像纹理特征提取和识别-通信与信息系统专业论文.docxVIP

万方数据 万方数据 独 创 声 明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的 研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其 他 人 已 经 发 表 或 撰 写 过 的 研 究 成 果 ， 也 不 包 含 未 获 得 （注：如没有其他需要特别声明的，本栏可空）或其他教育机构的学位或证书使 用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明 确的说明并表示谢意。 学位论文作者签名： 签字日期： 年 月 日 --------------------------------------------------------------------- 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，并同意以下 事项： 1、学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许 论文被查阅和借阅。 2、学校可以将学位论文的全部或部分内容编入有关数据库进行检索，可以 采用影印、缩印或扫描等复制手段保存、汇编学位论文。同时授权清华大学“中 国学术期刊(光盘版)电子杂志社”用于出版和编入 CNKI《中国知识资源总库》， 授权中国科学技术信息研究所将本学位论文收录到《中国学位论文全文数据库》。 （保密的学位论文在解密后适用本授权书） 学位论文作者签名： 导师签字： 签字日期： 年 月 日 签字日期： 年 月 日 V VI 多分辨率分析下脑 MR 图像纹理特征提取和识别 摘 要 脑部疾病的诊疗一直是医学界研究的重点。医学图像包含了丰富的信息， 是医疗诊断中一个非常重要的手段。多分辨率分析在时域和频域中联合表示信 号，可以对信号进行多尺度多方向分解，近年来在图像处理领域得到了广泛的应 用。在特征提取的基础上对图像进行分类识别是计算机辅助诊断的研究重点。常 用的分类方法中支持向量机因其适用于小样本学习且兼顾训练误差和泛化能力 在众多分类方法中脱颖而出。本文在多分辨率分析下提取图像的纹理特征并利用 支持向量机对图像进行分类识别，找出最能表征图像纹理的特征向量并将其应用 于医学脑 MR 图像的特征提取和识别中。主要工作有： 1. 深入研究了多分辨率分析下小波变换，双树复小波变换，非下采样 Contourlet 变换和梳状波变换的原理及其变换系数特征。分别在以上四种变换下 对图像进行纹理特征提取，找出理论上最能表征图像纹理特征的特征向量。提取 的特征向量分别为：小波变换、非下采样 Contourlet 变换的低频分解系数的灰度 共生矩阵特征、均值和方差，高频系数的均值、方差和能量；双树复小波变换的 低频系数灰度共生矩阵特征、均值和方差及高频系数模的均值、方差和能量；梳 状波变换的高频相角矩阵各子块的均值、方差和高频模的能量特征。 2.将四种变换下提取的特征向量分别输入支持向量机中进行分类识别，实验 结果表明，灰度共生矩阵特征并不能有效表征图像纹理特征，因而将其舍弃。小 波变换的低频和高频系数特征对于表征图像纹理特征效果也不理想。最终采用的 特征向量为：双树复小波变换的低频均值、方差和高频系数模的均值、方差； NSCT 变换的低频均值、方差和高频能量组成的特征向量；梳状波变换的高频相 角均值、方差和高频模能量组成的特征向量。 3.对医学图像库中的 400 幅脑 MR 图像提取以上三种变换下的特征向量并输 入支持向量机中进行分类识别。实验结果表明，除双树复小波低频均值、方差和 高频能量组成的特征向量组病变图像识别率只有 83%之外，其他特征向量组识别 率均在 90%以上，具有良好的识别效果，能够有效区分正常和病变脑 MR 图像。 关键词：多分辨率分析；特征提取；纹理识别；脑 MR 图像；支持向量机 VII II Texture Feature Extraction and Recognition of Brain MR Images based on Multi-scale Resolution Analysis Abstract The diagnosis and treatment of brain disease have been the focus of medical research. The medical images have been a very important tool of medical diagnosis because they have plenty of information. Multi-scale Resolution Analysis(MRA)joints the time domain and frequency domain to present signal