多光谱医学图像的组织分割和特征描述方法

摘要

多光谱医学图像在临床辅助医疗诊断以及治疗方面具有重要的研究意义和实用价值。多光谱医学图像的组织分割和特征描述对于准确自动分割以及标记异常组织有重要作用。传统分割方法多是针对单一目标的分割，多光谱医学图像中组织种类多且包含多种特征，不同特征在不同波段图像的显著程度不同，如何依据不同的组织特征实现多种组织的分割是本文的研究重点。
　　首先利用特征显著图分析多光谱医学图像的各个波段图像的特征显著性，确定各个波段的显著性组织进行分割。虽然灰度共生矩阵对区域内部组织灰度相似性高的组织可以实现准确分割，但当被分割组织显著性不明显时，无法实现准确分割。在采用Sheffield指数分析不同波段图像相关性的基础上，提出一种基于光谱信息增强目标组织显著性的方法;选取波段图像的有效光谱信息增强目标组织的显著性，利用图像类间方差确定目标组织的分割阈值，实现多光谱图像中多种组织的分割，利用猪小肠多光谱图像验证了本文组织分割方法的效果。其次在分析组织内部血管种类和血管周围像素灰度变化特征的基础上，提出一种改进局部二进制模式的纹理描述方法，构造血管描述算子进行血管提取，利用二进制编码计算图像像素邻域与血管描述算子的匹配度，提取组织的血管。采用区域特征、组织生长模式特征和轮廓特征描述分割的组织特征;并基于灰度特征、灰度统计特征和偏度峰度描述组织特征，实现病变判断。

目录

声明

摘要

第一章 绪论

1．1 概述

1．2 课题研究现状概述

1．2．1 多光谱医学图像分割研究现状

1．2．2 组织特征描述研究现状

1．3 课题意义和研究内容

1．3．1 课题的研究意义

1．3．2 课题主要研究内容

第二章 多光谱医学图像组织分割方法

2．1 多光谱医学图像分析

2．1．1 多光谱医学成像技术

2．1．2 多光谱医学图像特点

2．2 多光谱医学图像特征显著性分析

2．2．1 多光谱医学图像组织显著图建立方法

2．2．2 多光谱图像特征显著图计算

2．3 基于组织连通性的灰度共生矩阵的分割方法

2．4 基于光谱信息增强目标组织显著性的组织分割

2．4．1 多光谱图像的相关性分析

2．4．2 基于光谱信息增强目标组织显著性

2．4．3 基于类间方差的组织显著性增强结果评价

2．4．4 光谱信息增强显著性的组织分割

2．5 本章小结

第三章 基于改进LBP算子血管提取方法

3．1 血管提取方法

3．1．1 基于一维最大信息熵分割血管

3．1．2 区域生长方法

3．1．3 线检测器血管提取方法

3．2 局部二进制模式纹理特征描述方法

3．3 基于改进LBP构造血管描述算子的提取方法

3．3．1 构造血管描述算子

3．3．2 基于改进LBP描述算子提取血管

3．4 本章小结

第四章 多光谱图像组织分割结果

4．1 多光谱图像组织分割总体方案

4．2 组织分割结果及评价

4．2．1 组织分割结果

4．2．2 组织分割结果评价

4．3 多光谱航拍图像分割

4．4 改进LBP血管提取结果

4．4．1 图像预处理

4．4．2 基于改进LBP血管提取方法流程

4．4．3 组织血管提取结果

4．4．4 眼底血管的提取结果

4．5 本章小结

第五章 组织特征描述

5．1 组织特征描述总体方案

5．2 基于形状特征的组织描述方法

5．2．1 组织区域特征

5．2．2 组织生长模式

5．2．3 轮廓特征

5．3 灰度分布特征

5．3．1 灰度特征

5．3．2 灰度统计特征描述

5．3．3 偏度与峰度

5．4 乳腺组织特征描述

5．5 本章小结

第六章 结论与展望

6．1 结论

6．2 展望

参考文献

致谢

研究成果及发表的学术论文

作者与导师简介