基于Mean Shift的胃镜图像分析方法研究

摘要

胃镜检查是当前胃癌检测主要手段，计算机辅助胃镜图像分析有助于提高胃镜检查的准确率。本文主要针对电子胃镜图像分析方法进行研究。
　　 首先设计了电子胃镜影像数据库，在此基础上，对胃镜图像在RGB、HSV、YCbCr 颜色空间分布，利用直方图进行分析。发现RGB 颜色空间的分布最为均匀分散，较为适合图像分割；YCbCr 颜色空间分布较为聚集，有利于在图像特征提取时降低特征向量维数。然后进行预处理，选择固定模板提取胃镜图像感兴趣区域(Region of Interest，ROI)和HSV颜色空间阈值方法初步消除反光区域。接着，采用全自动的Mean Shift分割算法，对胃镜图像进行初步分割。在此形成的区域上提取YCbCr 三维直方图作为颜色特征向量。同时，根据胃镜图像多尺度、旋转不变、内容复杂的特点，选择了Color Wavelet Covariance（CWC）方法作为纹理特征提取的算法。针对CWC算法计算灰度共生矩阵(Gray LevelCo-occurrence Matrix，GLCM)步骤时间消耗较大的问题，利用Mean Shift思想对灰度共生矩阵计算进行改进，提出了基于Mean Shift的灰度共生矩阵计算算法（Mean Shift-Gray Level Co-occurrence Matrix，MS-GLCM），从计算时间、调用次数、信息冗余等方面提高了灰度共生矩阵计算的性能，并在CWC算法中得到应用和检验。最后，经过感知器算法和Adaboost算法的比较试验后，采用Adaboost算法将得到的各特征向量经过训练构造检测胃镜图像异常区域的强分类器。对全局图像和Mean Shift分割后区域、颜色和纹理特征向量、感知器算法和Adaboost算法进行了比较试验结果表明，本文算法的假阳(FP)18.89％,假阴(FN)36.91％,平均错误率为23.50％。