论文部分内容阅读
随着各种模态的医学影像设备大量出现,医学图像已成为现代临床诊断和医学研究中不可缺少的工具,医院每天都会产生大量的医学图像数据.如何有效地组织、管理和检索大规模的医学图像数据,是当前所面临的迫切需要解决的问题.传统的基于文本关键字的图像检索方法已不能满足对大型医学图像数据库检索的需要,迫切需要研究一种全新的图像检索方法.将基于内容的图像检索方法(CBIR)引入到医学图像数据库中进行研究是一项非常有意义的工作,该文主要研究了基于内容的医学图像数据库检索方法和相关技术.基于内容的图像检索技术核心之一是图像特征的提取和表达.该文在充分了解现有特征提取方法的基础上,结合医学图像的成像机理和特点,着重研究了适合医学图像的特征提取算法.讨论了灰度统计特征、纹理特征、形状特征、矩特征以及基于小波多分辨率分析的特征提取算法.鉴于在医学断层图像中人体解剖结构相对稳定,对图像采用了固定模式分割方法,即在每个图像子块上提取相应的特征,使原本仅反映图像整体特征的特征兼具部分空间位置信息.将医学图像显示中的窗宽窗位技术引入特征提取,提出了分段求取不同人体组织灰度统计特征的方法,提高了图像内容描述的准确性.该文研究了基于图像语义分类的检索方法,建立了与人体解剖部位相对应的图像语义分类模型.在该模型中,先对图像进行固定模式的划分,使每一图像子块内包含的人体组织相对单一,进而确定每个图像子块的语义类型,然后根据图像子块的语义和相对位置的组合关系,利用模式匹配的方法确定整幅图像的语义类型.