论文部分内容阅读
随着数码终端和互联网的快速发展,数字图像和医用图像处理技术得到了迅猛的发展。其中图像特征提取作为其中的关键技术,受到越来越多的重视。图像特征提取的好坏很大程度上决定了算法性能的优劣。在自然图像处理领域中,数字图像在采集、压缩、存储和传输过程中,会有数据和损失和外部信号的引入,从而导致数字图像产生失真,这对于人们理解和使用照片上会带来诸多不便,同时为了改进这些采集、压缩、存储和传输的技术对图像质量的影响,往往需要有评价图像质量指标的反馈,所以图像质量评价的重要性也日益凸显。在医疗影像领域,确认影像中显示的病人病变组织区域和病变性质的判断,是放射科医生的重要工作,但是这种判断的准确性往往依赖医生日积月累的临床经验,因而很难得以普及。同时由于病人早期病变组织难以用肉眼进行观察,对于早期诊断带来诸多不便。而早期诊断意义重大,早期诊断的结果可以及时确认病变区域,予以治疗,阻止病变区域由良性往恶性方面发展。本文在此基础上,对无参考图像质量评价和计算机辅助诊断中的特征提取进行了深入研究,提出了针对其不同特性的特征提取方法,具体内容如下:(1)提出一种利用拓扑独立分量分析进行特征提取的无参考型图像质量评价方法。考虑到自然场景具备非高斯性的特性,利用拓扑独立分量分析提取表现这种非高斯性的特征,通过特征训练得到普适的对比特征,与失真图像所提取的特征比较,并量化差异,然后映射到人眼图像质量评价的客观分数上。实验结果表明该算法与人眼主观感知具有很好的一致性,将提出的算法与相关经典算法进行了性能比较,其性能表现全面。(2)提出一种利用分形来实现早期乳腺钙化点纹理特征的提取,完成乳腺癌钙化点检测方法。乳腺钙化点是早期乳腺癌诊断的有效依据之一,其具有与非钙化组织明显区别的纹理,而分形理论常被用于提取图像的纹理特征,因此通过分形理论提取医学图像中乳腺钙化点的纹理特征,并通过分类器学习的方法,将纹理特征进行分类,从而完成对于所提取纹理特征是否为乳腺癌钙化点纹理特征的判断。