基于内容的图像检索在CT图像上的研究与实现

摘要

在互联网技术与数字化设备的迅速发展的今天，人类的生活方式变得数字化，各种场景以图像数据的形式保留了下来。如日常生活的照片记录、预报天气的气象数据、休闲娱乐的音频与视频以及检查身体时所得到的各种医学图像。面对如此之多的图像数据，传统的基于文本的检索方式已经不能满足人们的正常需求，因此，基于内容的图像检索技术逐渐发展起来。
　　本文首先介绍了CBIR技术的兴起与发展状况、医学领域对图像检索的需求以及由CBIR技术发展而来的基于内容的医学图像检索，然后详细分析了基于内容的图像检索的关键技术:图像特征提取、图像特征选择与融合、图像特征的相似性度量、图像的预过滤、图像检索的相关反馈技术以及常见的检索技术。在此基础上，本文分析了医学图像的特征，重点讨论了CT图像的相关特性，根据图像特性优先进行边缘检测工作，并就边缘检测算子的选取进行了实验与分析，然后就CBIR应用于医学图像领域产生的困难进行了讨论与分析。本文主要利用了图像的形状特征，详细研究了多种形状特征提取检索算法，如SIFT匹配算法、基于Zernike矩的检索算法以及PseudoZernike矩等，分别进行了各类检索算法性能比较、特征融合检索性能比较与多级搜索性能分析等实验，得到了相应的结论并进行了讨论。
　　本文创新之处在于首次将PseudoZernike矩应用于CT图像的检索之中，并在融合特征检索时使用了PseudoZernike矩与SITF特征结合的方式，实验证明，该方式具有良好的搜索效果，适合CT图像检索。
　　最后，本文给出了一个自行设计的基于CBIR的图像检索系统，该系统主要针对CT图像，可以选择特征提取方法进行图像检索，向用户展示搜索结果。

目录

声明

摘要

1 绪论

1．1 传统图像检索技术

1．2 基于内容的图像检索

1．2．1 CBIR系统构成

1．2．2 著名CBIR系统介绍

1．3 医学图像检索的研究目的和意义

1．4 医学图像检索的研究现状与发展

1．5 本文的研究内容与组织结构

2 CBIR关键技术介绍

2．1 基于内容图像检索的基本原理

2．2 特征提取

2．2．1 灰度特征

2．2．2 纹理特征

2．2．3 形状特征

2．2．4 压缩域特征

2．2．5 矩特征

2．2．6 语义特征

2．3 特征融合与选择

2．4 相似性度量方法

2．5 图像预过滤

2．6 相关反馈技术

2．7 常用检索方法

2．8 本章小结

3 CT图像成像特点与边缘检测

3．1 CT图像成像特点

3．1．1 医学图像的特点

3．1．2 CT成像原理

3．2 边缘检测算子的选取

3．2．1 传统算子与Canny算子介绍

3．2．2 实验对比与分析

3．2．3 Canny算子的改进应用

3．3 CBIR应用于医学图像上的难点与分析

3．4 本章小结

4 图像匹配算法与CT图像检索

4．1 基于形状区域特征的检索方法

4．2 基于模糊方向特征的图像检索

4．3 基于Sift算法的图像检索

4．4 算法应用实验

4．4．1 多种特征检索效果分析与对比

4．4．2 基于特征融合的检索方法的实验

4．4．3 多级搜索实验

4．4．4 实验小结

4．5 本章小结

5 检索系统的设计与实现

5．1 图像预处理

5．2 系统设计与实现

5．2．1 需求分析

5．2．2 概要设计

5．2．3 依赖关系说明

5．2．4 接口说明

5．2．5 详细设计

5．3 系统界面与功能描述

5．4 系统错误处理

5．5 本章小结

6 总结与展望

6．1 本文工作总结

6．2 未来研究展望

致谢

参考文献