無線膠囊內(nèi)窺鏡(wireless capsule endoscopy,WCE)系統(tǒng)在最近十年取得了突飛猛進(jìn)的發(fā)展,其中光學(xué)內(nèi)窺鏡能夠置入小型可吐咽的膠囊中,以無線方式傳輸彩色圖像。然而病灶智能檢測技術(shù)滿足不了醫(yī)療實際的需求。作為一種新型的內(nèi)窺鏡圖像病灶智能檢測技術(shù),其研究和應(yīng)用發(fā)展尚不成熟,傳統(tǒng)的模式識別技術(shù)難以針對病灶圖像提取有效的普適特征向量,因此對其研究有著極其重要的實際意義�，F(xiàn)有的單一的紋理分析方法,都取得了較好的結(jié)果,驗證了紋理特征在內(nèi)窺鏡病灶圖像檢測中的可行性,但現(xiàn)有的紋理分析方法進(jìn)行內(nèi)窺鏡異常圖像檢測分類時一般只針對單一病灶。少部分針對多種紋理特征的提取尚存在不足,于是論文做了如下工作。文中首先介紹了病灶智能識別的研究背景和意義,針對紋理分析方法,重點剖析了LM濾波器組與局部二值算子(Local Binary Pattern,CS-LBP)兩種圖像紋理描述方法,針對內(nèi)窺鏡圖像特點,對獲取的內(nèi)窺鏡圖像采取了圖像增強(qiáng)、圖像去噪、歸一化處理以及圖像分割等預(yù)處理步驟,為提取準(zhǔn)確的紋理特征提供幫助。然后結(jié)合濾波器組與LBP算子,對確定的病灶塊與正常圖像塊進(jìn)行紋理信息提取,采用KNN方...

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．２實驗樣本??

像作為實驗數(shù)據(jù)。??在理想的條件下，可以將數(shù)據(jù)集按照比例隨機(jī)分配，一部分作為訓(xùn)練集，一部分作??為訓(xùn)練集，圖２．２為異常圖像和正常圖像的數(shù)據(jù)樣本。??１９??

圖３．１?ＬＭ濾波器組??

ＬＢＰ特征具備超強(qiáng)的分類能力（Ｈｉｇｈｌｙ?Ｄｉｓｃｒｉｍｉｎａｔｉｖｅ）、較髙的計算效率并且相對單調(diào)??的灰度變化具有不變性。??圖３．２提供了一個常規(guī)的ＬＢＰ算子，應(yīng)用ＬＢＰ算子的過程有點類似于濾波過程中??的模板操作。依次掃描圖像，對于圖像中的各個像素點，以該點的灰度當(dāng)作閾....

圖３．２實驗樣本??

??圖３．１?ＬＭ濾波器組??３．１．２?ＬＢＰ算子的描述??局部二進(jìn)制模式（Ｌｏｃａｌ?Ｂｉｎａｒｙ?Ｐａｔｔｅｒｎｓ，?ＬＢＰ）早期它是作為一種有效的紋理描述??算子提出的，由于它對圖像局部紋理特征的非凡描繪能力而得到了相當(dāng)廣泛的應(yīng)用。??ＬＢＰ特征具備超強(qiáng)的分類能力（Ｈｉｇ....

圖３．３?ＣＳ－ＬＢＰ算法原理??

在它所定義的圓形鄰域內(nèi)，通過比較圓形鄰域內(nèi)以中心像素值為對稱中心的像素??值對，如果大于等于則置１，否則置０。于是，依照順序得到一個二進(jìn)制數(shù)據(jù)串，將它轉(zhuǎn)換??成一個十進(jìn)制數(shù)表示為該中心像素值的編碼。ＣＳ－ＬＢＰ算法的原理如圖３．３所示。??丨圓鄰域｜?｜?ＬＢＰ算子與ＣＳ－ＬＢＰ....

本文編號：4013182