基于支持向量机的MR图像颅内组织识别的研究-生物医学工程专业论文.docxVIP

河北工业大学硕士学位论文 河北工业大学硕士学位论文 i i 基于支持向量机的 MR 图像颅内组织识别的研究 摘 要 医学图像识别是图像可视化的前提，也是提取影像图像中特殊组织的定量信息所不可 缺少的手段。识别后的图像被广泛地应用于病变组织的定位及诊断，解剖结构的学习，计 算机指导手术等方面。本文完成了头颅MR图像的脑组织分类和脑肿瘤识别。 MR图像仅靠像素的灰度进行分割是不够的，因此在提取图像的特征时，有必要提取更 多特征，以便提高处理的精度，得到理想的识别分类效果,由于支持向量机推广能力在很 大程度上依赖于特征向量的选取及其空间分布，本课题为每个像素计算其各种纹理测度和 由灰度派生出的统计参数作为特征向量。 统计学习理论是一种专门研究小样本情况下机器学习规律的理论。随着其理论的不断 发展和成熟,统计学习理论开始受到越来越广泛的重视。统计学习理论是建立在一套较坚 实的理论基础之上的，为解决有限样本学习问题提供了一个统一的框架。它能将很多现有 方法纳入其中，有望帮助解决许多原来难以解决的问题（比如神经网络结构选择问题、局 部极小点问题等）；同时，在这一理论基础上发展了一种新的通用学习工具——支持向量 机，它已初步表现出很多优于已有机器学习方法的性能。在头颅MR图像中，颅内各组织的 边界极其复杂且不规则，呈高度非线性。这对传统的识别算法提出了严峻的挑战。支持向 量机恰恰在解决高维、非线